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。     

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。     

基于Seam Carving的图像放大算法研究与改进

针对Seam Carving图像放大算法中,能量值前k小的像素带可能出现共用点的情况,提出了一种改进的图像放大自适应算法,通过判断图像中出现共用点的像素带的情况及计算其共用率的值,经过一定的策略确定待新增的像素带位置,该算法使得图像中视觉关注非重要信息区域像素带的增加能得到较均匀的分布;实现了人工干预选择视觉关注重要区域的方法,避免了自适应算法本身因误判视觉关注重要区域而带来关注对象发生变形扭曲的情况.实验证明,改进的算法能得到更好的放大效果.     

基于分块方向梯度能量的图像修补算法

为了对图像破损区域进行修补和前景去除,提出一种基于样本的图像修补算法.首先引入“分块的方向梯度能量”来评估像素块在某个方向上的整体颜色变化情况;然后利用最大方向梯度能量估算该像素块中存在的边缘的强度与方向.该算法包括像素块填充优先级计算、像素块匹配和更新未知区域边界、可信任度等全局参数的更新3个步骤.在计算像素块填充优先级时,考察像素块在待修补区域边界法向上的方向梯度能量,优先选取包含更强边缘信息的未知区域;而在像素块匹配过程中,除比较像素块对应的颜色值之外,还利用方向梯度能量对它们可能存在的边缘进行比较与匹配.实验结果表明,该算法能够使图像的结构信息正确地传播到待修补的未知区域中,填充后的图像具有较为平滑的边缘.     

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。     

基于改进图像方向信息测度的表格图像增强算法

提出了基于图像方向信息测度的图像增强算法。算法利用图像方向信息测度,在像素级对图像像素进行分类,然后针对表格图像特性,利用改进的图像方向信息测度,对边缘点进行区域连接,使得边缘点能完全地覆盖图像中的字线和表格边缘;利用得到的边缘信息和平滑信息,对图像进行空域滤波处理,初步增强图像;利用模糊增强算法,对图像进行对比度增强,达到较好的增强效果。实验表明,该算法能有效增强对比度极低的表格图像,使得结果图像有很好的视觉效果。     

基于直线段检测的SIM卡槽图像中切割线定位算法

针对由视觉引导激光切割手机卡(Subscriber identification module,SIM)卡槽的需求,提出了一种检测特定位置直线段边缘 结构的算法。该算法充分利用图像梯度模值和方向信息,将图像中相邻像素梯度模值差值作为寻找种子点时的判定条件,同时将图像中相邻像素梯度角度差值作为区域增长的判定条件,以此得到直线段候选区域,然后利用图像梯度模值作为权重拟合直线段。实验证明该算法具有检测精度高、鲁棒性好、计算量小的优点,可以满足工业检测的应用需求。     

基于预测梯度的图像插值算法

提出一种新的非线性图像插值算法,称为基于预测梯度的图像插值（Image interpolation with predicted gradients,PGI）.首先沿用现有的边缘对比度引导的图像插值（Contrast-guided image interpolation,CGI）算法思想对低分辨率图像中的边缘进行扩散处理,然后预测高分辨率图像中未知像素的性质,最后对边缘像素采用一维有方向的插值,对非边缘像素采用二维无方向的插值.与通常的非线性图像插值算法相比,新算法对图像边缘信息的理解更为完善.与CGI算法相比,由于梯度预测策略的使用,PGI算法能够更有效地确定未知像素的相关性质（是否为边缘像素,以及是边缘像素时其边缘方向）.实验结果表明,PGI算法无论在视觉效果还是客观性测评指标方面均优于现有的图像插值算法.此外,在对彩色图像进行插值时,本文将通常的RGB颜色空间转化为Lab颜色空间,不仅减少了伪彩色的生成,而且降低了算法的时间复杂度.     

方向邻域全变分图像去噪

为了弥补传统全变分（TV）算法忽略了图像边缘方向的不足, 结合梯度幅度和方向提出了基于方向全变分的去噪算法。该算法运用图像梯度幅度将图像像素划分为边缘区域和非边缘区域, 运用梯度方向对不同区域的像素选取不同的四邻域像素, 针对不同邻域对传统TV算法进行离散分析, 完成了图像的保边去噪。实验结果表明, 结合边缘方向信息改进了传统TV算法的邻域选择方式, 不仅更好地保留了图像边缘信息和重要细节, 且提高了图像的PSNR和视觉效果。     

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.     

Multi-operator image retargeting with automatic integration of direct and indirect seam carving

Multi-operator image resizing can preserve important objects and structure in an image by combining multiple image resizing operators. However, traditional multi-operator methods do not take both horizontal and vertical content-aware resizing potential into consideration, which essentially leads to squeeze/stretch effect in the resultant images. In this paper, we propose a new multi-operator scheme that addresses aforementioned issue by integrating direct and indirect seam carving. Compared with previous methods, the proposed scheme remarkably reduces the cost of deciding when to change operators, by employing a newly defined image artifact measure. Furthermore, we propose a novel seam carving enhancement, named ACcumulated Energy Seam Carving (ACESC), as a basic operator to improve global structure preservation. By combining horizontal and vertical seam carving, our scheme preserves the shapes of important objects well. We present typical results to demonstrate the effectiveness of our method. User study shows that our method has high user preference.     

基于SIFT相似性度量的图像缩放

针对传统图像缩放算法存在的图像内容破坏与失真等问题,提出一种结合接缝雕刻和标准缩放的图像缩放算法。利用接缝雕刻算法对原始图像进行尺寸调整,分别从原始图像和缩放图像上提取尺度不变特征变换(SIFT)特征,并对2幅图像的SIFT特征进行匹配计算,得到两者的相似性距离。当原始图像与缩放图像之间的相似性距离达到某阈值时,即在图像重要目标或内容将要被破坏之前,停止使用接缝雕刻算法,采用标准缩放算法进行整体尺寸的调整操作。实验结果表明,该算法不仅可以有效避免图像内容的破坏与失真,而且可以较好地保护图像局部结构和全局视觉效果。     

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。     

Semantic aware sport image resizing jointly using seam carving and warping

In content aware image resizing, saliency map or gradient is usually used to determine the important regions of images. But for sport images such as basketball and football images, these methods may falsely classify parts of court fields as unimportant regions, while parts of grandstands as important regions. Such results are not consistent with human perception. In this paper, a semantic aware image resizing approach is proposed. We extract the semantic information automatically. We segment the court fields as important regions and detect the boundary of court fields as the semantic edges. Considering the complementary characteristic of discrete image resizing approaches such as seam carving and continuous approaches such as warping, seam carving and warping are jointly used in our scheme. We define the Semantic Weight Function (SWF) based on the semantically important regions. Then semantic aware seam carving (SASC) is proposed based on the SWF. Next we define the Deformation of Semantic Edges (DSE) to assess the image deformation caused by seam carving. Finally seam carving and warping are joined using the DSE. We compare our approach with approaches like scaling, seam carving and semantic aware seam carving (SASC). Experimental results show that our approach preserves more semantically important regions with less deformation. Our approach also preserves the aspect ratio of key objects.     

基于切缝对齐和变形校正的缝切割图像尺寸调整算法

针对图像尺寸调整的缝切割方法中存在的结构断裂和变形扭曲等问题,提出了一种基于切缝对齐和变形校正的切缝优化算法以获得更好的图像尺寸缩放效果.算法首先利用基于图割的切缝优化方法获得当前需要移除的一条切缝,然后采取动态规划算法,由粗到细地优化得到切缝上下像素之间的高精度匹配对应关系,最后通过逆向映射来对图像进行变形以校正发生扭曲甚至断裂的结构信息.实验结果表明,该方法能够很好地弥补缝切割所产生的扭曲变形,达到结构连续的视觉效果.基于切缝对齐和变形校正的切缝优化算法可用于调整图像尺寸使之与相应的显示设备相符,具有巨大的应用潜力.     

基于前景增强与背景抑制的显著性物体检测

显著性物体检测的关键在于准确地突出前景区域,多数传统方法在处理复杂背景图像时效果不理想。针对上述问题,提出了一种基于前景增强与背景抑制的显著性物体检测方法。首先,利用简单线性迭代聚类(SLIC)将图像进行分割得到多个超像素区域,通过区域间的对比和边界信息分别获得图像的显著区域与背景种子,并通过计算得到基于区域间对比和基于背景的两幅显著图。然后,在两幅图像中运用Seam Carving和Graph based的图像分割法区分显著与非显著区域,进而得到前景增强与背景抑制模板。最终,融合两幅显著图与模板得到最终的显著图。在公开数据集MSRA 1000上对算法进行验证,结果表明,所提算法与7种主流算法相比具有更好的查准率和查全率。     

结合最佳缝合线和多分辨率融合的图像拼接

目的 针对图像拼接过程中,缝合线通过运动物体或配准不准确区域等情况导致融合图像出现鬼影、重影的问题,提出了一种基于差异图像加权的改进最佳缝合线算法,采用基于多分辨率和加权平均的分区图像融合算法解决了拼接线问题。方法 首先将两幅图像的重叠区域划分为缝合线区域和过渡区域;在缝合线区域内,使用差异图像加权的最佳缝合线搜索准则构建准则值图像,基于动态规划思想来搜索得到最佳缝合线;基于缝合线生成掩码图像,并对重叠区域图像进行扩展,采用多分辨率融合算法实现了非严格重叠区域的融合;在过渡区域采用加权平均算法来消除拼接线。结果 采用含有大量运动物体的图像序列对算法进行测试,实验结果表明,基于差分图像加权的最佳缝合线有效避开了大部分运动物体,当缝合线难以绕开运动物体时,能够尽量少地穿过运动物体;通过多分辨率和加权平均融合算法消除了拼缝等问题。结论 提出的最佳缝合线算法能够有效地避免缝合线通过运动物体、配准不准确的区域,将多分辨率图像融合算法应用于非严格重叠图像融合,能够合成高质量的全景图像。     

快速图像保边界多尺度分解

提出一种新的非线性保边界平滑算法,通过对图像每个像素点的某个邻域内所有颜色相似的像素简单平均,来对图像进行平滑处理。该算法不仅能够进行保边界平滑,并且具有非常高的运算效率。应用这种平滑算法可以对图像进行快速保边界多尺度分解。运用多尺度分解实现了图像的增强、抽象化、对比度调整的效果。     

基于边缘最优映射的红外和可见光图像自动配准算法

针对同一场景的红外和可见光图像间一致特征难以提取和匹配的难题, 提出了一种在多尺度空间中基于边缘最优映射的自动配准算法. 在由粗至细的尺度空间中, 算法分别采用仿射模型和投影模型作为参考图像和待配准图像间的空间变换模型. 在每个尺度层上, 首先基于相位一致性方法提取两幅图像的边缘结构, 并在相应的空间变换模型下将在待配准图像中提取的二值边缘映射到参考图像的边缘强度图上; 接着采用并行遗传算法寻找一组全局最优的模型参数, 使两幅图像间的结构相似度最大. 在各层的寻优结束之后, 使用Powell算法对全局寻优后的模型参数进行局部精化. 实验结果表明, 该算法能够充分利用图像间的视觉相似结构, 有效地实现红外和可见光图像的自动配准.