一种改进的Seam Carving图像重定向算法

内容敏感图像重定向的核心思想是根据图像中不同内容的重要程度进行不同的缩放操作,目的是保留图像中重要的内容和结构的同时最大程度的减少视觉失真,Seam Carving是目前主流方法之一.传统的Seam Carving算法通过梯度图生成重要度图,只能检测出图像的边缘信息.本文提出基于梯度图和视觉显著度图共同生成重要度图的方法,既增强了重要区域的边缘信息,又很好的突出了视觉主体,同时又保护了重要区域的完整性.实验证明本文提出的方法在减少缩放图像视觉失真的同时,较好的保留了原图中重要区域的内容与结构.     

结合视觉显著图的Seam Carving图像缩放方法

Seam Carving算法在缩放主体区域与背景颜色对比不明显或者视觉主体区域较大的图像时,可能会造成图像视觉主体变形和重要内容缺失的现象.为了改善Seam Carving算法的不足,采用图像梯度图和显著图结合的方法来改进图像的梯度能量图.实验表明,这种方法在缩放图像时比Seam Carving算法更能很好地保持图像重要内容,整体视觉效果较好,图像像素的平均能量值更大,图像缩放质量更好.     

考虑结构一致性和内容完整性的重定向图像质量评价

针对适应不同宽高比显示设备全屏显示的重定向图像的视觉质量问题,提出了一种基于像素级结构一致性和内容完整性的重定向图像质量评价模型。该模型首先使用后向配准建立重定向图像和参考图像之间的像素级对应关系;其次考虑到注意力转移的问题,采用像素级宽高比相似性偏差指数计算重定向图像在显著区域和全局的结构一致性,并利用图像组成变化获取图像内容完整性;最后通过内容完整性和结构一致性的线性组合实现重定向图像质量评价。实验结果表明,提出的模型不仅对重定向图像质量评价的效果好,而且可以在内容完整性和结构一致性的二维评估图中观察不同重定向算法的行为,适用于重定向算法比较、选择和优化。     

一种基于视觉显著图的线裁剪算法

基于图像内容的缩放,目的是在对图像进行任意纵横比的缩放时保持图像的视觉主体。线裁剪是一种基于图像内容的缩放算法,在已有的线裁剪算法中,使用梯度来表示每个像素点的视觉重要性,只在对象的边界处有较高的能量值,在进行缩放时,会引起图像视觉主体的形变。本文使用图像显著图和梯度图相结合的方法来度量每个像素点的重要程度,显著图从颜色、方向和强度三个属性来计算每个像素点的视觉关注程度。实验表明,本文提出的算法在缩放中能更好地保持图像视觉主体。     

基于小波变换的多尺度图象边缘检测

边沿作为图像视觉的最主要特征 ,成为图像信息获取的重要内容 .而小波变换具有检测局域突变的能力 ,而且可以结合多尺度信息进行检测 ,因此成为图像信息边缘检测的优良工具 .基于信号与噪声在不同尺度下小波系数模的变化特征 ,利用小波变换系数模局部极大值来提取图像的边缘特征 .实验结果说明这种特征提取方法不仅有效地降低了噪声 ,而且也能较准确地提取图像的边缘及降低计算量 .     

基于图像边缘和对比度的显著目标检测

为了对自然场景中各类显著目标进行准确的检测,提出了一种结合图像边缘和多尺度对比度信息的检测方法。首先对图像进行快速双边滤波,在对图像平滑去除复杂纹理的同时保留物体结构边缘信息,然后用直线检测算子进行边缘检测得到边缘显著图。再利用对比度检测算子计算图像的区域对比度和全局对比度得到对比度显著图。融合边缘显著图和对比度显著图得到最后的显著目标图。实验表明该方法准确率高于大多数现有的显著目标检测方法。     

基于缝雕刻的图像重定向算法

图像重定向算法利用人对图像内容的感知差异进行非均匀的图像缩放,以适应新的显示需求.本文提出了一种基于缝雕刻的图像重定向算法.它利用每条seam上像素的累加能量和最大能量构造混合能量模型,使算法既能够利用人眼对梯度信息的敏感性,又可以减少复杂纹理背景对seam提取的干扰.实验结果显示,相比其他几种算法,本文算法可以更好地保护图像中视觉关注对象的边缘轮廓结构,处理后的图像不仅视觉效果更好,与原图的相似性距离也更小.     

基于模糊联合误差的红外图像边缘检测方法

图像的边缘检测中,非优化梯度阈值选择的不当会造成某些边缘点的丢失;而模糊阈值方法,需占用大量存储空间来搜索参数的最优组合.针对以上问题,本文在模糊理论的基础上,并结合红外梯度图像的特点,提出了一种基于模糊联合误差的红外图像边缘检测方法.本文首先通过改进的Sobel算子构造出红外图像的梯度图,在对其进行模糊划分的基础上计算区域模糊度,最后通过对区域联合误差的比较,确定模糊区域中像素点的隶属,实现边缘提取.与传统的基于梯度的边缘检测算法及最大模糊熵算法进行了对比实验.结果表明,该方法用于红外图像边缘检测时,能够在更短的处理时间内,保留更多的边缘信息.     

基于改进的soble算子和zernike矩遥感图像边缘检测

为了实现和提高对于遥感图像边缘信息和轮廓的提取,在传统经典的边缘检测soble算子的基础之上提出改进soble算子结合zernike不变矩的边缘检测方法.首先通过对应的滤波对于遥感图像的预处理,接着利用改进的soble进行边缘点存在的确定和计算.最后利用7*7的zernike矩对于图像边缘更加精确的定位及处理.通过实验可以得到,此方法相对于传统的经典边缘检测算法相比较定位更加准确,边缘检测轮廓和信息更加明显.     

基于小波变换的多尺度图像边缘检测

边缘作为图像的最主要特征,成为图像信息获取的重要内容.而小波变换具有检测局域突变的能力,而且可以结合多尺度信息进行检测,因此成为图像信息边缘检测的优良工具.文章首先构造了高斯多尺度边界检测算子,然后根据信号边界与噪声边界的小波变换模值跨尺度传递的不同特性,讨论了不同尺度的检测算子检测的边缘所具有的特点,在此基础上提出由边缘传递、继承和生长构成的多尺度边缘关联融合算法.实验结果说明这种特征提取方法不仅有效地降低了噪声,而且融合的边界比较完整,定位准确.     

多相同最小能量值线路下基于线裁剪的图像缩放算法研究

针对线裁剪图像缩放算法中可能同时存在多条能量值最小的线路且当其数量多于待提取的线路时,选择不同的提取路线将产生不一样的缩放效果的情况,提出一种改进的能量值线路提取方法,通过增加约束条件计算具有相同最小能量值线路的位置偏移差,在能量值相等的情况下优先提取位置偏移差最小的线路。实验结果证明,改进的算法提取的线路定位更为合理,视觉关注重点区域出现扭曲变形的问题得到改善,可较好地应用于各种风格属性的图像缩放,特别是简笔画,能获得更好的裁剪结果。     

焊缝图像的分形模型

在焊接条件下,用工业摄像机获取的焊缝的实时图像中常含有各种干扰信息,导致传统的图像边缘检测的方法很难准确地检测出焊缝的边缘。为了提高焊缝实时图像处理的准确性,提出了宏观处理与微观检测相结合的思想。分形理论被引入了图像处理,建立了焊缝图像的分形数学模型,对其性质进行了讨论与证明。最后给出了图像综合处理的方法。这种图像处理思想不仅可用于焊接图像处理,对图像处理向智能处理方向发展也有重要的启发意义。     

融合边缘语义信息的单目深度估计

单目深度估计研究是许多视觉任务的基础,从图像中得到边缘清晰,细节丰富的深度图对于后续任务具有重要的作用。针对当前单目深度估计模型中不能深度融合图像语义信息以及不能较好地利用图像对象的边缘信息问题,首先构建了超像素拓扑关系图,使用图神经网络提取局部边缘信息之间的相互关系,得到以超像素为节点的拓扑关系图,其次构建了基于编解码结构的深度估计与语义分割的联合模型,通过优化联合目标函数,使模型能够融合边缘语义信息,从而提高模型提取局部结构信息的能力。通过在NYU-Depth V2 数据集中进行实验验证,结果表明模型能够构建细节丰富边缘清晰的深度图,提高了单目深度视觉估计的质量,与其他模型相比,该模型具有一定的优越性。     

边界连接算法探测尿沉渣管形边界

图像的边缘信息是图像分割的重要基础．在图像噪音较小的情况下，经典边界算子可以得到较好的处理结果．但是在处理噪音较大的图像时，经典算子就难以满足要求了．在经典算子的基础上，结合边界跟踪和曲线拟合的理论，得到了能较好处理一般质量图像边界的算法．将该算法应用于模拟图像和实际尿沉渣图像管形边界的探测，比较准确地得到了对象的连续边界。     

卡通画的非真实感绘制技术

提出了一种无需专门的硬件,无需用户参与,直接对原图像进行操作的卡通画渲染方法。该方法使用双边滤波器对输入图像进行抽象化,修改视觉上重要特征的对比度,然后对抽象化的图像进行色彩量化来模拟卡通画的着色风格。为提高结果的可视化程度,对图像进行风格化边缘提取,最后将色彩量化后的图像与风格化边缘图进行融合。     

基于粒子群最小二乘支持向量机的瓦斯含量预测

针对经验模型与确定性模型在应用中受到限制问题,采用基于统计学习理论的支持向量机对经验数据进行学习,建立瓦斯含量与其影响因素之间的映射模型,从而实现煤层瓦斯含量预测.支持向量机的惩罚因子和核参数取值不同将会明显影响其预测的精度,支持向量机本身也没给出解决的办法,引入粒子群算法自动搜索支持向量机参数.该方法克服了神经网络过学习问题和支持向量机人为选取参数的盲目性问题.通过对某矿区样本的学习预测研究,表明该方法可取得良好的预测效果,具有较好的适应性.     

基于模糊熵和结构特征的边缘检测方法

为了使检测的图像边缘结核定位好,并且产生边续的精细边缘,同时能有效滤除边缘图像中的噪声,提出一种基于模糊熵与边缘结构特征相结合的新的图像边缘检测方法。该方法首先将图像的灰度值特征空间转换为模糊熵特征空间,计算出每个像素在模糊熵特征空间的相异测度,结合3×3 邻域内的12种有效的边缘结构,提取图像中每个像素的结构信息测度图像阵列和方向信息测度图像阵列,然后对结构信息测度图像阵列和方向信息测度图像阵列实施非极大抑制,确定最终的边缘像素图像。实验结果表明该方法所检测出的图像边缘细节丰富,单像素宽,定位准确,有较好的抗噪性。