基于有序数据聚类的图像自适应分条算法

为了将图像中内容特征相近的像素尽可能分割到同一区块,提高图像分割的针对性和自适应性,提出了一种基于有序数据聚类的图像自适应分条算法.该算法首先计算图像中所有像素点的梯度值,相加每列像素梯度值得到列累积能量;然后对能量数据进行加权平滑生成连续曲线,用该平滑曲线的凹凸性自适应确定图像分条总数;最后构造图像列累积能量数据的条件距离矩阵,由已确定的分条数采用系统聚类的方法实现图像分条.分条实验结果对比表明,提出的算法能根据不同图像内容自适应地进行图像条分割,且将分条结果应用于图像内容感知缩放研究中可获得满意的缩放效果,因此该算法能较好地对图像内容进行分类和识别.     

结合显著度图和自适应能量线的快速图像缩放*

针对Seam Carving图像缩放方法中能量函数的局限性和动态规划算法的复杂性,提出了一种基于图像内容的快速图像缩放方法。结合基于视觉注意力模型的显著度图,完善图像内容的能量描述;同时,提出一种基于图像内容的粗、细能量线自适应机制,与层次加速动态规划一起,加速缩放效率。仿真实验结果表明,该算法在有效保护图像内容的同时,降低了算法的计算复杂度,减少了图像缩放时间。     

图像内容感知缩放的检测方法研究

针对可用于图像篡改的内容感知缩放技术,本文提出了一种基于概率Map图统计特征的内容感知缩放检测算法.该算法利用概率Map图来反映图像是否经过内容感知缩放操作,并利用新提出的积分投影与局部统计特征来检测篡改图像.而后利用分类器进行分类训练,从而有效识别基于内容感知缩放操作的图像篡改.实验结果显示,所提算法能够区分出原始图像与篡改图像,并具有较高的正确检测率.     

结合美学原则的内容感知图像缩放算法

针对目前内容感知的图像缩放算法存在美学效果考虑不足的问题,提出一种结合美学原则的缩放算法。算法首先采用图像协同分割的思想并结合视觉显著性检测获取图像的重要度图,以此作为图像重要内容的依据,在后续处理中防止其变形;其次针对移动终端常见的两类图像分别选择相适应的美学原则并建立其量化公式;借鉴经典的Seam Carving算法思想,利用美学构图原则和重要度图来指导裁剪线的复制与删除,达到图像缩放的效果。实验结果表明,与同类算法相比,该算法的缩放结果在保留原图重要信息的条件下,更具美感。     

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。     

利用梯度与人体区域信息的图像分条及缩放

为了保持图像中的人物和显著目标,避免局部区域过度压缩,提出一种基于能量图和条分割的图像缩放算法.首先计算图像中所有像素点的梯度值,结合人体检测并赋予人体区域较大权重来构建图像能量图,经优化迭代将相近能量的相邻像素列划分到同一图像条中实现图像分条;然后根据图像条的平均累积能量,采用缩放量与其能量成反比的关系计算图像条的缩放量;最后通过设置缩减比阈值判别图像条尺寸缩减程度;当缩减比超过阈值时,裁剪相应图像条,以防止产生局部扭曲变形并保持图像主要内容.实验结果表明,该算法能够保护图像的局部结构和全局视觉效果,获得高质量的缩放结果.     

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.     

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。     

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。     

基于内容划分和傅里叶分析的图像缩放算法

为满足图像缩放中保护重要区域和视觉连贯性的要求,算法通过对不同重要度的区域采用不同的采样率进行缩放.用显著区域、语义内容和结构信息的特征来检测图像中的重要区域,根据重要区域将原图像自适应地划分为多个子图,并根据傅里叶分析和视觉损失能量函数计算每个子图的采样率,对子图进行下采样得到最终的缩放图像.仿真实验表明,与Seam Carving等算法相比,该算法计算效率较高,而且对图像中的显著物体保护较好.     

认知网络能量感知及伽玛统计模型能量优化算法

为了提升分簇无线传感器网络的能量效率并均衡节点的能量负载,提出了一种认知网络能量感知及伽玛统计模型能量优化算法。首先,该算法提出基于认知无线电的信道能量感知模型,可以得到网络休眠模式和运作模式下网络的能量分布方程。接着,在多个中继网络场景中采用伽玛函数进行网络总能耗分析,并基于次级网络跳数与簇头总能耗关系提出能量优化策略,在均衡簇头能量负载的同时最小化网络总能耗量。实验仿真结果表明,在网络总能量消耗上,所提出的能量优化算法相比基于节能路由方案的认知无线电网络和基于多能量探测器的认知网络,节能效果分别提高了37.6%和12.2%,并且算法采用伽玛函数对网络能量分布的分析具有一定的准确性。     

多维均衡水印子空间构造研究

在一些图像或视频水印算法中,通常将水印空间划分成多维水印子空间,水印嵌入是通过对子空间的能量调制以嵌入水印信息.由于图像或视频帧中的纹理、边缘信息在不同区域的分布差别很大,因而各个子空间的能量很不均衡.同时,水印子空间元素所允许修改的幅度不能超过感知掩蔽极限,因而会出现某些子空间在元素允许修改的幅度范围内,无法通过子空间能量调制手段有效嵌入水印.因此,迫切需要构造能量均衡的多维水印子空间,以实现水印信息在所有子空间都能有效的嵌入.     

基于混合能量的内容敏感图像缩放新方法

提出了一种内容敏感图像缩放的新方法.该方法旨在保持图像缩放前后重要特征区域尽量相似的前提下,通过约束重要区域的旋转使得图像缩放前后视觉效果尽量一致.该方法分为3个步骤:首先,为图像关联全局和局部的控制单元,并根据这些控制单元所覆盖原始区域的重要性给其赋予权值;然后定义一种新的混合能量来约束控制单元,在变化前后尽量保持相似并惩罚其旋转;最后通过优化混合能量加权和来计算这些控制单元变形后的最佳位置,并插值得到最终图像变形结果.大量的对比实验结果表明,该方法具有保全局和局部特征、重要物体不易旋转、能够高效地得到扭曲较小的结果等优点.     

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。     

基于能量感知与能量均衡的ZigBee网络树路由算法研究

针对传统ZigBee网络树路由算法存在节点能量消耗大的问题,提出了一种改进的基于能量感知和能量均衡的ZigBee网络树路由算法。该算法将邻居节点考虑在内,在确定路由的下一跳节点时,在更大的搜索范围内寻找路由开销最小的网络路径来降低功耗,同时根据路径上节点的剩余能量选择累积路径损耗和路径能量消耗较低的路径进行数据发送,从而降低了网络的总体能耗。仿真结果表明,该算法能避开能量过低的节点进行数据传输,实现了节点的能量均衡,延长了节点的生存时间。     

一种基于Seam Carving的图像缩放方法

由于图像在不同环境下(特别是在文档中)出现时,常需要进行缩放与比例调整,人们对缩放质量提出了较高要求.许多典型的图像缩放方法都是对图像的像素直接进行转换,这使图像缩放的程度受到了限制.提出了一种改进的图像缩放算法,其基本思想是首先将进行原图像内容重要度计算,然后以动态规划为工具,充分利用图像内容的特点将图像进行缩放,这为图像缩放提供了一种思路.通过与传统的缩放算法做比较,验证了本算法能够获得更好的缩放效果,并通过对实验数据的分析和解释得到了若干有益的结论,为进一步的研究工作奠定了基础.     

基于罗伯茨梯度的彩色图像缩放新法

为了缩放图像而不改变图像中重要特征物的大小和比率,提出一种叫做缝络删增的缩放方法.一个缝络就是从顶到底或从左到右8-连接且仅连接一个像素的路径.最佳路径由图像的罗伯茨梯度函数来定义.通过在行列一个或二个方向重复删除或插入缝络就能改变图像的尺寸和比率.算法定义的缝络绕过了特征物边界,从而保护了图像的内容.理论分析和实验结果表明,该算法较其它算法能更有效地保护图像特征物.     

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.     

融合区域轮廓信息的图像适应

图像显示适应面临展示面积受限、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。关键是收缩后能够凸显图像重要区域,保持连续,避免扭曲。提出了一种基于区域轮廓能量的图像显示适应算法,通过对图像的视觉显著度分析,得到符合人类视觉的图像区域轮廓能量分布图。这样,在缩放过程中,删除或复制表示非敏感内容的低能量线,并且在显示图像内容的同时突出图像中的显著区域。实验结果表明,该方法保持了图像中显著目标的原始比例,具有很好的抗畸变性能。     

显著性特征保持的点云模型缩放

为了对现有三维模型的尺寸进行自适应调整以满足具体应用的需求,提出一种基于能量线抽取的显著性特征保持的点云模型缩放算法.首先为输入点云模型指定上、下边界线,并采用距离演化方法在模型上计算出从上边界线到下边界线的距离场;然后依据曲面的局部显著性特征,采用动态规划算法计算出模型的能量场,根据能量场计算一条从上边界到下边界的最小能量曲线;最后将最小能量曲线上的点从模型中删除,并局部拼接完成模型的一次缩放.重复上述步骤,直至模型的尺寸符合要求.实验结果表明,该算法在达到缩放目的的同时既能较好地保护模型的显著区域,又能有效地解决现有方法在模型缩放过程中出现某些部分分辨率过高,导致产生视觉不自然甚至失真现象.