多特征融合的低景深图像前景提取算法

针对低景深(Low depth-of-field,DOF)图像,提出了一种融合纹理、颜色和高阶统计量(Higher-order statistics,HOS)特征的聚焦前景提取方法.首先,根据相似性最大化原则,通过迭代获得纹理和颜色特征的优化权重,实现低景深图像的区域分割.然后,根据优化权重值计算颜色空间上的加权HOS值,并结合区域归属前景的划分策略,实现低景深图像的前景提取.实验结果表明,该算法可以同时取得较高的主观和客观评价效果.

奇异值分解域差异性度量的低景深图像显著性目标提取方法

针对低景深图像(DOF)目标提取过程中,容易出现目标提取不完整或背景被误识为目标等现象,该文提出一种奇异值分解(SVD)域差异性度量的低景深图像目标提取方法。先对低景深图像进行高斯模糊,以图像中每一个像素点为中心,利用滑动窗口分别截取模糊前后图像上相同位置的图像块并进行奇异值分解,再构造两奇异值之间的差异特征向量,针对此向量定义低中高全频段信息加权的差异性度量算子,计算对应像素点的显著性特征值,逐像素处理得到显著性结果图并进行阈值化处理,实现低景深图像目标的有效提取。对大量低景深图像进行处理,并与几种现有方法进行比较,提出方法的F度量值最大可提高54%,平均绝对误差减少76%~87%,可完整提取目标并有效去除背景,具有较强的可靠性。

结合浅景深与构图的图像质量评价

近年来,图像质量评价方法在图像处理和理解领域受到越来越多的关注。传统的方法主要关注噪声、清晰度、分辨率等影响图像质量的底层因素。随着数码设备的不断发展,这些底层因素已经得到很好的解决,人们能够很容易地获得具有较高底层质量,即低噪声、高清晰度、高分辨率的图像。因此,图像质量评价的焦点逐渐转向从美学的角度进行评价。对于一幅图像,主要从两个角度来考虑其是否符合人类主观的美学需求:1)图像的主题是否突出;2)图像的布局是否合理。基于上述考虑,提出一种结合图像景深和构图的质量评价方法:一方面,提出一种基于模糊度量的浅景深判断方法,浅景深的图像能够突出主题、虚化背景,具有更强的视觉冲击力与美学表现力;另一方面,提出一种基于"三分法"的图像构图评价方法,符合"三分法"构图的图像布局更加紧凑有力、简洁明了、符合人类的欣赏习惯;最后,将浅景深判断与图像构图评价进行结合,从美学的角度自动地对图像进行客观、综合的评价。按本文方法,可以挑选出符合以上美学规则的图像。从实验结果可以看出,根据本文方法选出的高质量图像也符合人类主观的美学需求。