基于相似性判据的图像尺寸调整算法

归纳图像调整过程中的相似性判据,提出一种基于相似性判据的图像调整算法。采用Seam Carving算法按一定调整量分步进行 图像尺寸调整,利用相似性判据判断调整图像的变形程度,当变形达到一定程度时,换用双向相似度迭代优化算法完成图像剩余尺寸的调整。实验结果表明,在图像调整量很大时,利用该图像调整算法仍可较好地维持图像的整体视觉效果。     

基于图切割的图像拼接技术

图像拼接作为基于图像绘制的一部分近年来成为研究的热点之一.本文对图像拼接技术进行研究,详细的分析了新的基于图切割的拼接方法.该方法在相位校正的基础上将图切割和泊松融合相结合实现拼接,图切割用于搜索全局最优的缝合线以去除鬼影,泊松融合用于曝光差异的处理.本文给出新的基于梯度方向直方图统计的权值计算方法,实现稳定的图切割.另外,本文还设计出重叠过渡的泊松融合方法,较好地完成图像合成.     

基于椭圆变形域的图像局部变形

图像局部变形技术是图像处理领域的一个分支,它只改变图像中指定区域范围内的特征而保持其他区域不发生变化.文中在径向基函数的基础上,提出了一种基于椭圆变形域的图像局部变形的算法,并讨论了函数中关键参数的选取对变形效果的影响;通过对变形区域的影响半径R和影响系数s的设置,控制图像局部变形的区域,从而解决了图像变形过程中产生的重叠映射;最后,介绍了图像局部变形的算法流程,利用VC++6.0和OpenCV搭建实验平台对算法进行了验证,实现了交互模式下的图像局部变形     

基于图切割的图像拼接技术研究

虽然图像拼接技术已进行多年研究,但是鬼影和曝光差异仍然难以消除。为解决这两个问题,提出了一种基于图切割的图像拼接方法。该方法结合图切割和泊松融合技术,首先利用每个像素邻域统计得到的梯度方向直方图来计算重叠区的带权有向图的权值,并通过实现稳定的图切割缝合线搜索,以消除鬼影;然后利用重叠过渡的泊松融合过程解决了缝合线拼接后的曝光差异问题,从而最终实现平滑的图像拼接。实验表明,该算法能够效地消除鬼影和曝光差异。     

多特征融合的图像自动变形

目的 图像变形算法中特征基元提取和匹配方式大部分都是采用人机交互的方式进行,并且在遮挡区域变形时出现较多的鬼影和模糊现象,使得针对同一场景图像变形实现繁琐且效果不佳,针对这些问题提出一种基于多特征融合的自动图像变形算法。方法 该算法提取多种图像特征信息（如Surf特征算子、Harris算子、Canny算子等）并进行多特征融合匹配,得到一个分布适当且对应关系正确的三角网格,再结合图像变形,实现自动图像插值。结果 实验结果显示,自动的提取特征基元有效地减少了人工操作,而多特征融合匹配有效地抑制了图像变形时边缘或遮挡区域鬼影的产生。结论 提出的融合匹配方法,将不同的特征信息有效地融合匹配从而改善了图像变形算法。通过对多组实验结果进行问卷调查,91%的参与者认为该算法有效地改进图像变形结果。     

保持边缘特征和增强对比度的图像缩放算法

图像的边缘信息和对比度是影响人体视觉的最主要因素。提出一种能够同时保持边缘特征和增强对比度的图像缩放新方法。通过边缘检测算法、边缘梯度增强以及梯度图的低通滤波算法,得到新的梯度图,再通过求解泊松方程得到重建的图像。由于对图像边缘作了特殊处理,从而避免在图像缩放过程中丢失边缘信息。该方法可以同时保持特征以及增加图像的对比度,从而更好地展现图像的细节。实验结果表明,本文方法能应用于一般图像和医学图像的缩放和增强等应用中。     

基于建立序列图像间映射关系的匹配算法

提出一种基于图像间映射关系的匹配算法，该算法利用目标的运动函数映射前后两幅图像的特征点，映射误差函数最小的对应即为正确的匹配。引进特征点接关系的约束，从而大大减少了候选匹配点的构造空间。实验结果表明，该算法具有良好的鲁棒性和实时性     

从多幅参考图像合成目标图像的逆映射算法

提出了一种从多幅参考图像来合成新视点目标图像的逆映射算法.这种方法不但成功地填补了由于投影区域扩张而产生的第1类空洞,而且还成功地填补了由于空间非深度连续物体相互遮挡而产生的第2类空洞,从而方便地实现了虚拟环境中的漫游.基于物体表面深度的连续性,提出了一种位移预测方法.该方法可以从单幅参考图像获得逆映射过程中所需要的目标图像的位移信息,从而大大提高了算法的效率.与通常的正向映射算法相比,该算法克服了多幅参考图像所带来的计算量成倍增长等问题,而且误差较小.     

基于小波的自动图像变形

图像变形算法中最费时的是在源图像和目标图像中确定变形特征基元；而到目前为止，大部分图像变形算法都是通过人工或半人工的方式来实现的．如果两幅源图像间的特征基元的确定能自动实现，则不但可以减轻用户的负担，而且可以极大地节省变形算法所需的时间，同时提高了算法的效率．提出了一种基于小波变换的自动图像变形方法．该方法完全依赖于给定的两幅源图像，自动生成期间的变形图像，不需要预先在两幅源图像中指定特征基元．实验结果证明，用本文的算法不仅能自动完成变形操作，而且也取得了满意的结果．     

基于梯度域的保纹理图像阴影去除算法

针对当前自然图像阴影去除算法需要多次人工交互、阴影去除结果纹理信息丢失等问题,提出了基于梯度域的图像保纹理阴影去除算法。该方法只需确定出阴影的大概边界,然后在梯度域中,分别对阴影内部和阴影边界的梯度进行最优化修正,得到无阴影的梯度图像,最后利用泊松方程,恢复出无阴影图像。利用多幅图像的实验结果证明,该算法操作简单,不需要多次人机交互,且阴影区域内纹理细节得到了较好的恢复。     

基于缝裁剪和变形的图像缩放方法

提出一种既能保持图像重要内容又能较好地保持重要物体形状的图像缩放算法。该方法结合传统的缝裁剪技术和变形技术来对图像进行缩放。首先利用当前公认效果良好的基于图模型的流形排序显著性检测算法得到图像的显著度图,结合图像梯度能量等信息来构造结构更为清晰的图像重要度图;其次利用之前构造的图像重要度图并按缩放尺度的大小来确定适当的缩放方法;最后根据度量比较结果来选择经典缝裁剪方法或基于能量优化的变形方法进行图像缩放。对比实验结果表明,该方法在图像缩放时能保持重要内容和显著物体形状结构。     

基于边缘检测的保特征的图像缩放算法

针对Seam Carving算法在实现图像缩放的过程中,对图像边缘几何特征造成破坏的现象,提出一种基于边缘检测的改进Seam Carving算法。首先在Seam Carving算法计算低能量线的同时引入图像边缘检测,其次确定低能量线与边缘的交点,进而提升交点邻域的能量,分散过于集中的低能量线。仿真实验结果表明,该算法能够有效减少Seam Carving算法缩放图像后产生的畸变,很好地保持了图像的重要几何特征。     

新线路能量函数下基于线裁剪的图像自适应缩放

基于线裁剪的自适应缩放图像质量依赖于线路能量函数的定义以及线路提取的结果.提出一种新的线路能量函数以计算每条线路对视觉感知的重要性.该算法通过定义新增能量项衡量删除线路上像素点后图像局部区域的走样变形,并引入最大像素能量项降低随机纹理区的线路能量.实验结果证明,与其它几种经典算法相比,采用新能量函数提取的线路定位更为合理,处理结果与原始图像更相似,重点对象细节部分走样的问题也更少.     

一种结合Seam Carving和人脸检测的人像缩放算法

人脸是人物图像中的重要特征区域.针对应用Seam Carvng算法缩放人物图像后造成人脸畸变的现象,提出了一种结合人脸检测的人物图像缩放算法.首先识别图像中的人脸区域,其次在使用Seam Carving算法缩放图像的过程中提高梯度图中人脸区域的梯度值,防止低能量线穿越人脸区域,进而达到在缩放图像的同时保持人脸特征的目的.实验结果表明,该算法实现非等比缩放人物图像的同时有效保护了人脸区域,提升了缩放后的图像质量.     

基于成对比较的内容感知图像缩放效果主观评估

为了对内容感知图像缩放方法的性能及效果进行评价,提出一种新的主观评估方法.该方法主要包括3个方面的工作:首先提出了一种结合非完整型成对比较法及随机化区组设计的用户测评实验方案,采用非完整型成对比较法,不要求每个被测主体对实验数据集上的所有比较对进行比较,减少了因被测主体注意力不稳定而对测试产生的影响,通过随机化区组设计,尽量减少不同被测主体进行测试的比较对间的差异;然后实时检测被测主体的测评结果中是否存在循环误判,若出现循环误判,则返回相应的比较对让用户再次确认选择结果,以此减少由被测主体注意力不集中而引起的误判;最后结合多种非参数统计方法来分析实验数据,先检测多个被测主体对不同方法结果的选择是否有相同的倾向,在得出一致性倾向显著的基础上,结合Friedman检验、Page检验及Hollander-Wolfe比较来给出不同方法的效果排序及分组.针对多种典型内容感知图像缩放方法进行广泛的用户测评实验,结果表明,实验数据有较高的一致性系数,得出的主观测评结果被较多的被测主体支持.     

一种基于线裁剪的图像适配改进算法

线裁剪算法已被广泛应用于图像缩放中,但原始图像经线裁剪缩放后易出现失真、过度删除等畸变。为此,提出一种改进的图像适配算法。利用低通滤波器合并相邻裁剪线,应用门限技术标注不可删除点,避免下次迭代中新的裁剪线穿过高能量点,使用停止准则使得线裁剪操作进行到一定程度时,阻止其进一步迭代而产生穿过主体目标的裁剪线。实验结果表明,与前向、后向线裁剪算法相比,改进算法在不增加时间和空间复杂度的情况下,防止了线裁剪算法失真、过度删除的问题,产生较少的畸变,得到了更好的缩放效果。     

基于主体区域保持的图像缩放算法

基于插值运算的缩放算法和经典的缝裁剪算法是两种常用的图像缩放算法,传统的 缩放算法在缩放比例不一致的情况下其效果不佳,而缝裁剪算法在主体区域较大或者图像背景较 为复杂时对图像的主体区域会造成一定破坏。针对以上问题,提出了一种基于主体区域保持的图 像缩放算法,使用高斯差分对图像进行角点检测,利用角点产生凸包,根据凸包对图像进行主体 区域检测,计算能量图并对位于主体区域像素点的能量给予相应的权重,根据权重的不同对主体 区域进行不同程度的保护。实验结果表明,该算法能更好地保持图像主体区域。     

Seam Carving和显著性分析的图像缩放方法研究

提出一种基于Seam Carving和显著性分析相结合的图像缩放方法。通过不断移除（插入）缝合线来实现对图像尺寸的缩小（放大）。通过研究Seam Carving在图像缩放及目标保留移除中存在的问题,已有的基于像素点计算图像能量函数的方法会对某些图像失效,提出一种基于显著性区域求解图像能量函数的SDRS方法。实验结果表明,Seam Carving方法对自然图像的处理能够达到令人满意的效果。Seam Carving方法和SDRS方法的结合,也是一个创新点。