基于DCT域视觉显著性检测的图像缩放算法*

为适应不同终端显示多样化的要求,需对接收到的图像进行缩放调整。针对现有的基于内容感知(content-aware)的图像缩放方法中视觉内容的连贯性易被破环而出现失真的问题,提出了一个基于离散余弦变换(discrete cosine transform, DCT)域的视觉显著性检测的图像缩放算法。该算法利用DCT域的视觉显著性检测模型获取视觉显著图,然后结合视觉显著图和能量分布图进行线裁剪(Seam Carving),实现了图像的缩放。实验结果表明,该算法与现有的基于内容感知的图像缩放方法相比,不仅保护了视觉显著内容,还保证了图像内容的连贯性,算法质量指数也获得明显的提高。     

基于视觉显著性的AMOLED显示器多区域功耗优化

AMOLED显示器作为嵌入式设备的高功耗组件,其功耗由显示内容中所有像素点的像素值决定,同时人类视觉系统通过视觉关注机制对显示内容的重要区域优先解读,对非重要区域关注较低.基于上述特性,本文提出基于视觉显著性的AMOLED显示器多区域功耗优化方法,方法的核心是通过视觉显著性算法对显示内容的重要区域进行提取,根据图像重要区域的特征图对AMOLED显示内容进行多区域划分,最后基于视觉关注度对各区域进行动态像素调节,在不降低显示内容整体视觉效果的同时最小化显示功耗.最后,通过多组图像测试,结果表明在保持图像较好的视觉效果的同时可以降低图像显示功耗.     

基于区域关系图的图像显示适配技术

图像显示适配技术用于改编图像,以适应在不同尺寸和长宽比的目标屏幕上展示.其中,面向移动设备的图像显示适配面临展示面积受限、长宽比不固定等问题,已经成为多媒体领域的研究热点之一.针对现有方法的缺陷,提出了一种基于区域关系图的图像显示适配方法.首先,根据视觉关注程度和加权梯度分别计算出图像的重要度能量模板和敏感度能量模板.然后,将原始图像分解为曲边梯形网格,并进一步表示为区域关系图.在区域关系图基础上,图像显示适配被规约为用能量模板约束的二次规划问题,通过优化关键网格顶点重定位来生成重要物体突出且视觉扭曲不明     

基于肠道轮廓的结肠镜视觉导航

现有的结肠镜手术中,医师的技术极大地影响着手术的结果.为了实现准确无误的手术,可采用智能机器人技术进行微创手术的导航.为了更好地辅助结肠镜的视觉导航,提出了一种新的基于肠道轮廓的结肠镜视觉导航方法.该方法首先采用可转向滤波器检测结肠轮廓的边缘强度能量及朝向;然后,通过法线方向的能量辐射在图像上累积的方法来检测结肠图像中边缘轮廓弯曲所形成的中心区域.实验证明,用这个方法来辅助基于暗区分析的结肠镜视觉引导,可增加结肠镜导航的鲁棒性.     

结合VAM和模糊逻辑的NSCT图像融合方法

提出一种基于非下采样Contourlet变换（NSCT）的图像融合方法。NSCT分解具有平移不变性,有利于更好地保持原始图像的边缘信息和轮廓结构。由于图像融合任务的不确定性及模糊逻辑在处理该类问题时的优越性,在高低频的融合策略中引入模糊逻辑进行基于隶属度的融合。同时考虑到人类视觉感兴趣区域的重要性,在低频系数的融合中引入视觉注意机制,利用原始图像本身的显著区域信息来指导融合过程,从而在融合过程中最大限度地保留源图像中的显著信息。实验结果表明,算法的融合图像具有良好的视觉效果及客观评指标。     

基于区域混合活动轮廓模型的医学图像分割

针对变分水平集算法在图像分割过程中计算量较大且收敛速度慢的现象, 在一些基于区域的活动轮廓模型基础上提出了一种新的基于区域混合模型的非凸正则化活动轮廓模型。该模型构造了一个新的能量泛函,该能量泛函结合了考虑图像局部聚类性质的LBF模型和测地线模型,增加了非凸正则化项,加快了轮廓曲线的收敛速度,可以很好地保持区域形状并能防止边缘过平滑,然后通过经典有限差分法求得能量泛函的极小值。最后,在合成图像和医学图像上做了仿真实验,结果表明,该算法具有较快的收敛速度 和很好的鲁棒性,分割结果也较准确。     

显著区域检测算法综述

检测视觉上显著的区域对于很多计算机视觉应用都是非常有帮助的,例如:内容保持的图像缩放,自适应的图像压缩和图像分割。显著区域检测成为视觉显著性检测领域的重要研究方向。文中介绍了显著区域检测算法的研究现状并分析了典型的显著区域检测方法。首先,将现有的显著区域检测算法进行了分类和分析。然后,在一个包含1 000幅图像的公开数据集上对典型的显著区域检测算法进行了评测。最后对现有的显著区域检测算法进行了总结并展望了下一步发展方向。     

基于各向异性主动轮廓模型的图像分割方法研究

摘 要：分割的作用是将数字图像分割为多个简单区域,并根据区域中图像的某种特征提取和分离出的目标区域,便于图像识别与理解分析。主动轮廓模型(snake)是一条可变形的参数曲线及相应的能量函数,广泛应用于医学领域的图像分割。主动轮廓模型是以最小化能量函数为目标,控制参数曲线变形,最后具有最小能量的闭合曲线就是所需分离的目标轮廓。在采用主动轮廓模型进行分割之前,通常都采用高斯滤波器对图像进行滤波,在对图像进行平滑的同时,也会使边缘模糊化,从而影响分割效果。本文将各向异性滤波和主动轮廓模型结合起来,充分利用各向异性滤波在平滑图像的同时能保持边缘的特点,在利用主动轮廓模型进行分割之前使用各向异性滤波代替传统的高斯滤波对图像进行预处理。实验结果表明：与传统方法相比,在主动轮廓模型的预处理阶段,采用本文所提出的算法平滑噪声图像,提高了后续图像分割的准确性。     

多层次轮廓约束的图像放大算法

为解决图像放大过程中有效地保证边缘锐化的图像插值难题,提出多层次轮廓约束的图像放大算法.首先利用检测算子对图像进行预处理,将图像分为边缘区域、平坦区域;其次,针对图像边缘区域进行自适应梯度扩散获取适当的边缘轮廓层作为图像放大约束;最后对轮廓层直接进行曲线插值重采样,不额外增加边缘层数,以保证放大后的图像在视觉上的边缘清晰.对于非轮廓层的平坦区域,构建双三次Coons插值曲面并进行重采样,保持了平坦区域的平滑性.测试图像为自然图像和医学图像,自然图像的来源是set5和set14测试集,实验对比方法主要从客观效果、视觉效果、时间复杂度3个方面进行比较.实验结果表明,采用该算法得到的放大图像不仅可以保持轮廓清晰,且PSNR及SSIM指标超过了大多数经典的插值算法以及目前流行的基于机器学习的算法.     

一种基于网格变形的图像放缩方法

基于内容的图像放缩的关键是如何保持图像中重要的内容,同时最小化整幅图像的视觉变形.文中将图像放缩问题转化成网格变形问题,提出一种改进的基于内容的图像放缩方法.首先在网格上建立保持整体形状的能量函数,结合约束条件,通过求解凸二次规划问题得到变形后的网格坐标,最终实现图像的放缩.实验结果表明,该方法不仅能够保持图像中重要的内容和特征结构,而且较好地保持了图像的整体性,使得图像视觉变形较小.     

快速缝翘曲图像重定向算法

针对现有适用于小型显示设备的图像重定向算法焦点区域检测不精确、算法处理速度慢的问题,提出一种快速缝翘曲(FSW)图像重定向算法。建立一个与人类感知更加相关的自适应能量图,该能量图合并梯度幅度、深度图、显著性、面部、边缘和直线检测;提出一种利用行(列)像素之间最优匹配关系快速寻找最优高能量缝的方案实现快速、精确的焦点区域检测;通过给焦点和非焦点区域设置缩放因子以及使用线性插值方法,有效实现快速缝翘曲图像重定向。实验结果表明,该算法可更好保留复杂图像的重要内容及结构信息,其处理速度相较于其它算法也有明显提升。     

Retargeting images and video for preserving information saliency.

A nonphotorealistic algorithm for retargeting images adapts large images so that important objects in the image are still recognizable when displayed at a lower target resolution. Unlike existing image manipulation techniques such as cropping and scaling, the retargeting algorithm can handle multiple important objects in an image. To identify the important objects in an image, we must first segment the image. We use mean-shift image segmentation to decompose an image into homogeneous regions.     

内容感知的图像重定向方法综述

随着各种智能设备的不断涌现,同一图像往往需要改变纵横比和大小来适应不同显示屏幕.基于内容感知的图像重定向方法通过研究图像重要内容的保持,使得图像自动适应到不同大小的显示设备上.主要对近年来基于内容感知的图像重定向方法的研究现状进行总结.按照重要度图的获取以及基于重要度图的重定向方法两方面回顾了手工特征的图像重定向;从基...     

Saliency-driven scaling optimization for image retargeting

This paper proposes a saliency-weighted scaling factor energy for image retargeting. Considering that salient objects should be scaled with a larger scaling factor with respect to nonsalient regions, we define a quadric energy to establish the relation between the scaling factor of a local region and its saliency. The quadric energy is the weighted sum of the square of scaling factors, where the weight of each scaling factor is inversely proportional to its corresponding saliency. Furthermore, a triangle similarity quadric energy is introduced to prevent salient regions from distortion. Compared to previous methods, our approach not only preserves the shapes of salient objects and the integrity of the whole image well, but also reserves more resolution to salient objects in target image even when the aspect ratio is unchanged.     

基于网格线平移的图像显示适配算法

针对图像显示适配算法中会发生较多扭曲的问题,提出一个基于网格线平移(PTG)的图像显示适配算法。首先,通过Achantan方法计算图像重要度,提取出主体目标;其次,计算最优网格线位移,利用线移动不仅保持重要区域尺寸不变而且保护主体目标的纵横比例,双重约束可以避免扭曲;再次,使用下限和上限来抑制由于过度缩小和放大网格造成的失真;最后,为了达到更好效果,引入一个边缘网格舍弃过程,指派更宽空间到重要区域来减少畸变。利用图像重定向调查系统将PTG与重要度扩散列删除方法、重要度扩散线裁剪方法以及基于网格变形的方法进行比较,当图像中含有明显的主要目标时,PTG结果更优。实验结果表明,PTG的缩放结果具有更少扭曲,并在保留图像中的感兴趣区域和重要目标上明显优于对比算法。     

结合双向相似性变换的重定向图像质量评价

目的 显示设备的多样化使得图像重定向的作用日益凸显。不同的重定向方法产生不同视觉感受的重定向图像,而如何评价重定向图像的质量,优化重定向算法是当前研究的热点与难点,为此,提出一种结合双向相似性变换的重定向图像质量评价方法。方法 首先对原始图像和重定向图像进行像素点双向匹配,利用网格顶点坐标对计算前向变换矩阵和后向变换矩阵。然后由相似性变换矩阵与标准变换矩阵间的距离得到重定向图像的几何失真。由网格面积缺失得到重定向图像的信息损失。最后结合网格的显著性,融合前向匹配与后向匹配的几何失真和信息损失得到重定向图像的质量。结果 该方法在RetargetMe和CUHK数据库上的KRCC（Kendall rank correlation coefficient）和SROCC（Spearman rank-order correlation coefficient）性能分别达到了0.46和0.71,较现有方法有较大提升。在前向匹配与后向匹配测试中,双向匹配的测试结果优于单向匹配。结论 本文方法将图像的重定向处理看做相似性变换过程。实验结果表明,从相似性变换矩阵中提取的相关特征能够较精确度量重定向图像的几何失真,而由此引发的网格面积缺失也能准确反映出重定向图像的信息损失。另外,采用双向匹配机制一定程度上减少了像素匹配误差对实验结果的影响,有效提升了重定向图像质量预测的准确性。该方法对重定向图像的质量评价效果好,适用于重定向图像的质量预测及算法优化。     

改进鱼眼变换技术的图像适应

目的 为解决目前基于鱼眼变换技术的图像适应方法难以解决的焦点检测和多焦点冲突两大问题,提出一种基于改进鱼眼变换技术的图像适应方法。方法 提出的方法根据源图像的能量计算出图像中所有最优高能量线并组成高能量线集合,作为源图像的高能量部分,即图像的焦点区域;以能量线而不是传统的图像区域为单位进行鱼眼变换以得到目标图像。结果 改变鱼眼变换技术的变换模式并应用于图像适应中,实验结果表明,本文方法解决了基于鱼眼变换技术的图像适应方法存在的问题,通过本文算法所得到的目标图像具有较好的视觉效果,用户满意度接近4分。算法运行速度较快,将源图像(512×384)长度缩小一半的情况下仅需6 s的运算时间。结论 本文方法一方面保留了鱼眼变换图像适应方法的优势,在突出显示图像重要部分的同时,不会忽略图像的次要部分;另一方面解决了鱼眼变换图像适应方法存在的焦点检测和多焦点冲突问题。实现效果和用户主观评价结果表明,该方法是一种有效可行的图像适应方法。     

融合显著物体检测的图像显示适配

目的 图像显著适配旨在自动调节图像尺寸,对图像内容进行非均匀缩放,以便在受限的展示空间内更好地保留显著物体。为了解决显示适配过程中显著物体部分扭曲的问题,提出一种基于显著物体检测的图像显示适配方法。方法 本文方法采用显著物体分割结果来替代显著性图,以改进显示适配结果。首先,采用显著性融合和传播的方法生成显著性图;接着,结合输入图像和显著性图,采用自适应三阈值方法实现显著物体分割;然后,以此为基础,生成输入图像的曲边网格表示;最后,通过对不同网格的非均匀缩放,生成符合目标尺寸的适配结果。结果 在面向图像显示适配的公开数据集RetargetMe上,将本文方法与现有的10种代表性显示适配方法的结果进行了人工评估和比较。本文方法可以有效地减少显著物体出现部分扭曲的现象,能在48.8%的图像上取得无明显缺陷的适配效果,比现有最好的方法提高了5%。结论 基于显著物体检测的图像显示适配方法有助于提高显示适配过程中对显著物体处理的一致性,减少由于显著物体部分扭曲而引起的明显人工处理痕迹,从而达到提升显示适配效果的目的。     

Image retargeting with multifocus fisheye transformation

Image retargeting is a technique to adapt an original image to diverse screen sizes and aspect ratios on computing devices. This paper focuses on adapting large images for a small display. Some existing methods, such as scaling, cropping, and fisheye warping, are often flawed because they may lose the necessary details of the image, scarify content entirety, or fail to address the content continuity of images with multiple focuses. To address this issue, this paper presents a new fisheye-based approach to retarget images with multiple focuses. With fisheye-based image transformation, this approach can emphasize the focused areas of the image without completely discarding unfocused contents. With a multifocus conflict solution scheme, this approach offers a continuous content transition among multiple focused areas. With image retargeting algorithms implemented with this approach, we conducted experiments to study user preferences of retargeted images under different algorithms. The results of the experiments show that our approach is appropriate for image retargeting.