视觉图像缩放效果评价心理感知模型设计

当前视觉图像缩放效果评价模型仅采用硬性评价指标,缺少对模糊参数评价的灵活性,存在敏感性低、评价结果主客观一致性差和评价代价高的问题,故设计视觉图像缩放效果评价的心理感知模型。通过提取图像底层亮度、颜色及方向等视觉感知特征完成特征采集;再通过视觉图像缩放评价参数分析计算质量参数和变形度参数,得出缩放视觉图像的形变量和变形区域,利用特征和相关参数构建心理感知模型,以实现视觉图像缩放效果评价。该实验结果表明,设计模型评价代价较低、敏感性较高、评价结果的主观一致性较好。

基于随机置乱的内容感知图像缩放算法

针对非等比例缩放算法中线裁剪技术动态规划的复杂性,提出基于随机置乱的内容感知图像缩放算法。该算法利用视觉显著图随机重置能量序列的方式,使得在保护主体区域不被破坏的情况下,避免过度删除非重要区域所造成的图像局部失真。仿真结果表明,与线裁剪算法相比,本文算法在有效保护图像内容的同时,显著提高缩放速度,并能避免图像失真。

主体大小能控的内容感知图像缩放

针对传统基于网格变形的图像缩放技术中可能出现的主体对象大小会随图像缩放而缩放的问题,提出一种既考虑网格形状,又考虑网格大小的形变量度量模型.在图像重要度约束下,通过简单的参数调整让用户选择性地控制主体对象的大小.重新定义图像重要度模型为梯度和显著度的加权平均,这样既考虑到人眼对图像的视觉关注,又考虑到对图像中结构信息的有效保护.在计算显著度时,改进基于稀疏特征的单分辨率模型为多分辨率模型,从而有效地保留了高分辨率下的边缘信息和低分辨率下的区域内部信息.实验结果表明,文中方法能更精确地识别出图像中的主体对象,并能在缩放时根据用户需求控制主体对象大小,同时很好地保持图像的重要特征.

基于成对比较的内容感知图像缩放效果主观评估

为了对内容感知图像缩放方法的性能及效果进行评价,提出一种新的主观评估方法.该方法主要包括3个方面的工作:首先提出了一种结合非完整型成对比较法及随机化区组设计的用户测评实验方案,采用非完整型成对比较法,不要求每个被测主体对实验数据集上的所有比较对进行比较,减少了因被测主体注意力不稳定而对测试产生的影响,通过随机化区组设计,尽量减少不同被测主体进行测试的比较对间的差异;然后实时检测被测主体的测评结果中是否存在循环误判,若出现循环误判,则返回相应的比较对让用户再次确认选择结果,以此减少由被测主体注意力不集中而引起的误判;最后结合多种非参数统计方法来分析实验数据,先检测多个被测主体对不同方法结果的选择是否有相同的倾向,在得出一致性倾向显著的基础上,结合Friedman检验、Page检验及Hollander-Wolfe比较来给出不同方法的效果排序及分组.针对多种典型内容感知图像缩放方法进行广泛的用户测评实验,结果表明,实验数据有较高的一致性系数,得出的主观测评结果被较多的被测主体支持.

基于双线性插值的内容感知图像缩放算法仿真

针对当前图像缩放算法存在耗时长和图像失真度高的问题,提出基于双线性插值的内容感知图像缩放算法。利用Sobel梯度算子感知图像水平与垂直方向上灰度变化,并定义图像能量函数描述图像能量分布,找到最优缝隙,为结合双线性插值算法实现图像缩放提供依据。依据图像颜色与亮度信息,根据Sobel梯度算子下的能量分布函数定义图像显著图能量函数,引入图像显著图能量增减控制阈值,突出并调节图像关键信息。融合最优能量缝隙与图像显著能量,利用双线性插值法实现图像缩放。依据逐像素、逐行生成输出图像理念,分别对横纵坐标进行线性插值,找到目标文件某点与源文件中相对应的像素点,同时对目标文件的相应图形元素进行赋值,完成图像缩放。实验结果表明,上述算法图像缩放效率高,缩放后图像失真度低。与当前算法相比,所提算法性能优越,可靠性更强。

基于内容感知的图像缩放研究

通过一种新的图像缝隙产生算法来进行图像缩放,在保持图像内容的同时消除图像的失真.采用Sobel算子的梯度图像来刻画特征物的图像边缘来保持图像内容,使用双线性插值法以减少图像的缩放过程的失真程度.实验结果表明:该算法能在保持图像内容的同时更好地消除图像失真.

基于内容感知图像缩放的取证技术研究

近几年,内容感知的智能图像缩放技术得到了普遍重视和广泛应用,其中最成熟和流行的细缝裁剪(SeamCarving)技术可以在尽量保持图像细节不扭曲的情况下进行图像缩放,该技术还可以方便地应用于图像细节的篡改。提出了一种基于马尔科夫特征的细缝裁剪篡改数字图像识别算法,将图像进行8×8分块,对每块进行DCT变换,对所得DCT系数矩阵求取相邻系数水平和竖直方向的差矩阵,利用2个方向的差矩阵得到基于马尔科夫转移概率矩阵的图像特征,并将得到的特征利用支持向量机进行分类训练并对正常图像和细缝裁剪篡改图像进行识别分类。实验结果表明,算法性能优异,可以有效识别正常图像和细缝裁剪篡改图像。

基于seam carving的内容感知图像缩放算法研究

图像在变换成目标尺寸的缩放过程中，均匀缩放容易造成图像的失真，直接裁剪方式可能又会造成图像重要内容的缺失，seam carving算法是一种基于内容感知的图像自适应缩放算法，能较好地解决以上问题。该文对seam carving缩放算法进行了研究，首先实现了图像水平和垂直方向上的自适应缩放算法，并与传统的缩放算法进行实验对比分析；然后对seam carving算法进行改进，通过人工干预选择用户感兴趣或不感兴趣区域，来更好地满足用户所需的缩放效果。

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,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图以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.

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。

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。

基于概率随机裁剪的图像缩放算法

为提高图像缩放的速度,提出一种结合阈值学习与依概率随机裁剪的快速内容感知图像缩放算法,通过计算图像的重要度图,利用径向基函数(RBF,radial basis function)神经网络进行阈值学习求出图像的重要度阈值,根据阈值将图像分成保护区域和非保护区域,并按缩放要求为其分配不同的缩放比,分别进行依概率随机裁剪。在MSRA图像数据库上与目前流行的内容感知缩放方法进行对比,实验结果表明,所提方法的缩放时间明显低于其他算法,而且在缩放效果上有明显的优势。

基于PCA的内容保持图像缩放方法

针对图像的非等比例缩放问题,提出了一种基于主成分分析的内容保持图像缩放方法。将数字图像的列/行看作是图像数据的特征维度,利用PCA算法确定其主成分,定义并计算各列/行的影响度,标注影响度低的列/行,让图像缩放发生在影响度低的列/行上。在标注列/行时采用了影响度扩散的方法,从影响度最低的列/行开始,每标注一列或一行,就将该列/行的影响度扩散到邻近列/行,避免了因连续缩放列/行像素而导致的整体概貌失真。试验结果表明:该缩放方法既能保持图像主体内容,也能兼顾图像整体概貌。

一种改进的Seam Carving图像缩放算法

针对图像非比例缩放时出现的失真,基于Seam Carving算法进行了研究:重新定义了显著能量,以突出图像的重要内容;优化了基于能量图的查找方法,通过减少像素线穿越图像中重要内容的次数,以保护图像重要内容不被扭曲;结合双线性插值以限制抽取像素线的数目,以避免图像内容过度抽取。实验结果表明,改进算法能够更好的保护图像中的重要内容、提高图像缩放的质量,并提升Seam Carving算法的执行效率。

直线特征保持的立体图像缩放

近年来随着3D显示设备的普及,内容感知的立体图像缩放问题得到了国内外学者的关注.与2D图像缩放不同,立体图像缩放不仅需要保持并突显图像显著区域,还必须保持立体图像视差的一致性.文中提出了一种立体直线特征保持的立体图像缩放的方法,通过在基于网格变形的图像缩放的方法中引入立体直线特征保持和内容感知的随机匹配点等约束条件,在保持立体图像视差的一致性的同时,较好地保持立体图像中直线区域的直线特征.首先,基于立体图像视差图,定义立体图像Hot-target图,检测立体图像显著区域,并获取立体图像直线特征;其次,引入内容感知的随机匹配点作为视差一致性约束;最后,构建基于四边域网格的受限能量模型,优化实现立体图像缩放.文中提供了若干实验数据说明该方法是有效的.

基于压缩感知与实时动态置乱的图像加密算法

为解决当前图像加密技术都是采用相同的置乱操作完成像素混淆,使其安全性不高的不足,提出基于压缩感知与实时动态置乱的图像加密算法。设计复合分阶混沌映射,获取随机序列,构造压缩感知CS(compression sensor)的Bernoulli测量矩阵;借助CS对明文的DCT(discrete cosine transform)系数矩阵完成压缩,对其实施分块处理;结合黄金分割序列与Lucas序列,设计实时动态置乱机制,高效置乱子块像素位置,获取置乱系数矩阵;设计线性缩放机制,约束置乱后的系数矩阵,联合离散余弦逆变换,输出置乱图像;构建扩散机制,完成图像加密。实验结果表明,与当前图像加密算法相比,所提算法具有更高的安全性与用户响应。

基于H.264跳过宏块特征的图像缩放方法

智能设备的多样化,使不同设备的播放器在播放同一H.264/AVC视频时,需要针对显示器的分辨力先将解码图像进行缩放,再输出到显示器。而放大算法的复杂度往往会影响智能设备播放视频的实时性。针对这一问题,提出一种新的基于H.264/AVC视频解码图像的快速缩放方法。该方法的创新性在于将图像缩放操作和解码过程联系起来,并使缩放处理单位分解到宏块级,从而省去对特定的跳过模式宏块的缩放处理。实验表明,与传统方法相比,该方法在图像质量高度保真的情况下,对放大速度的提升可高达150%。

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。