基于学习的图像智能适配显示技术

为适应不同的显示分辨率,出现了各式各样的图像适配显示(IR)的方法.提出了基于图像列的一种快速适配显示方法.在处理过程中,首先,计算一个原始图像的重要性图;其次,根据图像每列的重要性程度为其分配一个比例因子,对不同图像而言,应对比例因子设置不同的上限才可以得到较好的结果;最后,提出通过机器学习方法计算出不同图像的上限,从而可以高效率地得到理想的结果.根据每一列的比例因子采用像素融合的方式处理图片得到目标分辨率.本方法是基于列实现的,其复杂度低、便于计算;设置每列系数的上限控制了图像重要部分的宽度,从而减少了不连贯,处理结果更为自然.

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显的目标图像.实验结果表明,该方法在图像显示适配中可以取得较好的效果.

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。

基于网格面积保持的图像智能适配显示

目的 ASAP(as-similar-as-possible)算法在处理某些图像时存在着不足,即重要区域被过分压缩,而非重要区域被拉伸得很大。为此,在该算法已有的研究基础上提出一种改进后的图像处理算法。方法利用二次规划,通过在原始能量方程中加入网格面积大小的累加项来改进原算法的能量方程,使网格在放缩过程中不仅要保证均匀缩放,也要保证每个网格的面积尽可能地大。对ASAP算法中被过分压缩和拉伸的图像区域进行保护。然后使用图像评测算法对处理图像进行打分,以衡量算法的改进效果。结果改进后的算法保持了原算法的高效。从图像质量上来看,图像过度压缩或拉伸的程度有所缓解,图像较好地保留了原始图像中的信息。在客观评测中,改进算法得分较于原始算法有所增加。评分提高的百分比最大达到了39.0%.结论实验结果表明,改进后的算法不仅有较高的效率,而且保护了原始算法中被过分压缩或拉伸的图像区域,得到了视觉效果较好的处理图像。

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。