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。     

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.     

结合区域和边界信息的图像显著度检测

目的 图像显著度检测是许多图像应用的核心问题,为了能够在复杂背景下准确提取图像中前景对象的位置和尺度信息,提出一种结合区域和边界信息的图像显著度检测方法。方法 对于图像区域信息,提出一种基于图像等照度线的方法检测显著区域信息。该方法针对不同的特征(颜色、亮度和方向)提出统一的计算方法,使得不同特征下获得的显著信息具有一致的度量标准,从而方便后续多特征显著度图的融合。对于图像边界信息,采用一种结合多尺度Beltrami过滤器的全局方法检测显著边界信息。多尺度Beltrami过滤器可以显著增强图像中的边界信息。利用全局显著度检测方法对经过过滤器处理过的图像可以准确地获取图像中最为显著的边界信息。最后,由于区域和边界分别代表图像中的不同类型信息,可以直接采用线性融合方式构建最终的图像显著度图。结果 与其他9种流行图像显著度检测算法相比,本文算法无论在简单还是复杂背景下均能够较为准确地检测出图像中的显著度信息(Precision、Recall、F测试中获得的平均值为0.5905,0.6554,0.7470的最高测试结果)。结论 提出一种结合区域和边界信息的图像显著度检测算法,通过区域和边界信息相结合的方式实现图像中显著对象的准确检测。实验结果表明本文算法具有良好的适用性和鲁棒性,为图像中复杂背景下对象检测打下坚实基础。     

显著图和多特征结合的遥感图像飞机目标识别

目的 遥感图像飞机目标的检测与识别是近年来国内外研究的热点之一。传统的飞机目标识别算法一般是先通过目标分割,然后提取不变特征进行训练来完成目标的识别。在干扰较少的情况下,传统算法的识别效果较好。但遥感图像存在着大量的干扰因素,如光照变化、复杂背景及噪声等,因此传统算法识别精度较低,耗时量较大。为快速、准确识别遥感图像中飞机目标,提出一种基于显著图和全局特征、局部特征结合的飞机目标识别算法。方法 首先使用改进的Itti显著算法提取遥感图像中的显著目标;接着使用基于区域增长和线标记算法寻找连通区域来确定候选目标的数量和位置;然后提取MSA（multi-scale autoconvolution）、Pseudo-Zernike矩和Harris-Laplace特征描述子,并使用标准差和均值的比值来评估特征的稳定性,再把提取的特征结合成特征向量;最后应用支持向量机的方法完成对候选目标的识别。结果 实验结果表明,本文算法检测率和识别率分别为97.2%和94.9%,均高于现有算法,并且耗时少,虚警率低（为0.03）,对噪声干扰、背景影响以及光照变化和仿射变化均具有良好的鲁棒性。结论 本文算法使用了图像的3种特征信息,包括MSA、Pseudo-Zernike矩和Harris-Laplace特征描述子,有效克服单一特征的缺点,提高了遥感图像飞机目标的识别率和抗干扰能力。     

显著物体形状结构保持的图像缩放方法

针对传统的缝裁剪图像缩放方法中可能出现对图像中显著物体形状结构的破坏问题,提出一种既考虑到显著物体内容保持又考虑到显著物体形状结构保持的新的图像缩放方法。该方法首先利用经典的图像显著度图模型,结合图像梯度直方图等信息构建形状结构更加清晰的图像重要度图;然后利用已构建的重要度图,对图像进行分块,按显著块的大小来确定缩放方法;最后结合经典缝裁剪方法和基于共形能量的变形方法对图像进行缩放。实验结果显示,该方法能够在图像缩放时更好地保持显著物体的内容和形状结构。     

基于Sobel算子的自适应图像缩放算法

为了提高图像的缩放质量,提出一种自适应图像缩放算法。当原图像像素点处于边缘区域时,沿Sobel算子确定的边缘方向进行自适应插值,当原图像像素点处于非边缘区域时,采用双线性插值法进行插值。实验结果表明,Sobel算子可有效获得图像边缘特性,该算法能通过较低的运算复杂度获得较好的图像缩放质量。     

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Bresenham算法的图像快速缩放处理

采用Bresenham画线算法增量定位的思想,提出一种基于Bresenham算法的图像缩放快速算法。该算法减少了图像缩放中大量的浮点运算以及取整运算,可以在保证缩放质量的前提下,大幅度地提高图像缩放的效率。实验结果表明,该算法使得向后映射的平均处理速度提高了20％～40％,并且方便了硬件实现。     

结合小波变换和自适应分块的多聚焦图像快速融合

提出一种基于小波变换和自适应分块相结合的多聚焦图像快速融合算法。该算法以小波变换为框架,对小波低频系数采用自适应尺寸分块的方法进行融合,图像块的尺寸由差分进化算法优化求解,然后对此低频融合结果进行精细化处理,得到一幅能精确到每个系数来源的标签图,再利用局部小波能量与该标签图相结合的方法对小波高频系数进行融合,最后重构得到融合结果。实验表明,该算法的融合结果在主观视觉效果和客观评价准则两方面均可以接近甚至达到图像融合领域的最好水平,且在提高融合质量和降低运算代价间取得较好的折衷。     

结合层次遮挡图和图像缓存的快速消隐绘制算法

随着虚拟现实技术应用的日益广泛,场景的规模越来越大,虚拟场景画面的实时显示成为整个虚拟现实系统成败的关键技术。提出了一个结合层次遮挡图和图像缓存的快速消隐绘制算法,该算法不仅在图形绘制速度和图像质量之间获得了一个很好的折衷,而且可适合各种复杂度场景的快速绘制需要。对可能可见的近景、中景使用几何绘制,对可能可见的远景实现了图像和几何混合的加速绘制。实验表明,该算法在实践中具有良好的效果。     

基于三次拉格朗日插值的自适应图像缩放

传统的插值算法由于低通滤波效应通常会使目标图像边缘模糊,难以得到满意的视觉效果.为了取得较好的图像缩放质量,提出一种基于三次拉格朗日插值的自适应图像缩放算法.该算法首先计算目标像素点周围三组源像素点的方差,选取方差最小的一组源像素点,然后采用三次拉格朗日插值公式求得目标像素点的灰度值.实验结果表明,本文算法所得的目标图像边缘清晰,且算法复杂度较低,便于硬件实现,可以实现实时图像缩放.     

自适应图像缩放的切触有理混合插值算法

分析了切触混合有理插值的基本特性,同时研究了图像缩放时边缘区域产生模糊的原因,并考虑到数字图像实时传输的要求,给出了一类新的自适应图像插值算法。由于采用颜色分段的处理方法,根据不同类型的颜色区域,分别采用Salzer连分式和扩展的Newton多项式逼近Sinc函数。提出的算法尽可能保持了边缘像素原有特征。数值模拟与仿真显示该方法比传统方法有更清晰的边界。     

一种基于边缘算子的自适应图像缩放算法

本文算法将像素点自适应分为边缘和非边缘区域,对边缘区域的像素点,确定出边缘点的梯度方向和边缘线方向.对边缘线上的点,采用线性插值;对边缘区域梯度方向的点,采用最近邻域插值法;对其他情形的像素点,采用双线性插值.MATLAB仿真环境实验结果表明:该算法提高了边缘及插值方向检测的准确性,与传统的Bilinear、Cubic...     

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。     

图像缩放的秘密

图像缩放,在数字图像处理甚至日常生活中再平常不过,特别是随着Photoshop、ACDSee一类专业图像处理软件的普及,任何一个浏览过网页的人即使没有操作图像缩放,但一定看过缩放后的图像。图像缩放虽然如此平常,在一些专业软件的操作中又是非常的简单,但它真的如你所想那么简单吗？     

结合结构相似度的自适应多尺度SAR图像变化检测

目的 结合高斯核函数特有的性质,提出一种基于结构相似度的自适应多尺度SAR图像变化检测算法。方法 本文提出的算法包括差异图像获取、高斯多尺度分解、基于结构相似性的最优尺度选择、特征矢量构造以及模糊C均值分类。首先,通过对多时相SAR图像进行对数比运算获取差异图像,然后,利用基于图像的结构相似度估计高斯多尺度变换的最优尺度,继而在该最优尺度参数下逐像素构建变化检测特征矢量,最后通过模糊C均值聚类方法实现变化像素与未变化像素的分离,生成最终的变化检测结果图。结果 在两组真实的SAR图像数据上测试本文算法,正确检测率分别达到0.9952和0.9623,Kappa系数分别为0.8200和0.8540,相比传统算法有了较大的提高。结论 本文算法充分利用了尺度信息,对噪声的鲁棒性有所提高。实测SAR数据的实验结果表明,本文算法可以智能获取最优分解尺度,显著提高了SAR图像变化检测性能。     

结合LBP和Brushlet的自适应图像检索

针对时域和频域纹理特征的优点和互补性,提出一种结合局部二值模式(LBP)和Brushlet域系数统计特征的自适应纹理图像检索方法。利用Brushlet变换得到各个子带的能量作为频域特征,提取图像的LBP直方图作为空域特征,并采用改进的Canberra距离进行度量,使用闭环反馈实现图像的自适应检索。实验结果表明,与LBP方法和Brushlet方法相比,该方法的平均检索率分别提高8.93%和18.66%。     

多分辨率下资源感知的图像目标自适应缩放检测

边缘视频处理可以降低云平台视频处理系统的视频传输时延、视频处理开销和存储成本,但是视频参数(分辨率、帧率等)的多样性容易导致边缘视频处理的效果不尽人意.通常,在图像预处理阶段会先对图像进行缩放变换再进行后续处理,以保障图像处理的最佳效果,但是在视频监控等具有不确定性的场景中对所有分辨率的图像直接成倍缩小容易降低目标检测...     

基于改进拉普拉斯能量和的快速图像融合

为了得到优质的融合图像,提出了一种改进的拉普拉斯能量和（New Sum of Modified Laplacian,NSML）多聚焦图像融合算法。该算法在传统SML计算每个像素点的变步长拉普拉斯算子值仅有的水平和垂直方向的基础上,增加了斜对角线上的四个方向。同时通过分析NSML算法的计算过程,发现存在大量的重复计算,从而提出了基于积分图像的快速NSML图像融合方法。该方法通过简化NSML的计算过程,大大减少了图像融合处理过程消耗的时间,提高了图像融合的效率。实验结果表明,快速NSML方法在达到极佳融合图像质量的同时,提升了算法的实时性。