基于能量提升的非等比例图像缩放方法

数字图像整体在进行非等比例缩放时,传统的缩放方法会导致图像本身结构发生较大的畸变。对此,本文先采用傅里叶变换找出图像的显著区域,对显著区域进行能量提升处理,并结合图像的特征边缘提取增强的边缘图,进行权值分配;再寻找非重要内容的低能量线,对这些低能量线进行删除或插入操作,可以维持重要内容不发生畸变,同时保持了图像的边缘信息。实验结果表明,本文所提出的方法在对行列进行非等比例缩放时,具有很好的抗畸变性能。     

基于seam carving技术的图像非等比缩放

数字图像的缩放分全等比例缩放和非等比例缩放。本文主要研究图像非等比例的缩放。传统的图像缩放技术采用插值算法,但是这种算法在缩放时经常会出现马赛克或者图像内容丢失现象。本文研究的seam carving技术首先对图像进行能量描述,使图像中不同内容的景物具有不同的能量,然后找到图像水平和垂直方向的最低能量线,对其进行删除或插入操作,就可以在图像缩放中最大限度地保留图像的重要内容。该方法应用在视频图像4:3到16:9的转换上可以取得很好的效果。通过Matlab实验结果表明,本文的方法在图像进行非等比例缩放时,具有很好的抗畸变性能。     

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。     

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.     

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.     

基于FPGA的图像缩放及边缘检测的算法实现

边缘检测与图像缩放是图像处理中重要的研究内容,广泛地应用于图像模式识别、分割和图像增强中。随着新兴技术和相关理论的发展,新的边缘检测和图像缩放方法仍在不断出现。本文着力探索新的基于FPGA的图像边缘检测与图像缩放的方法。     

一种基于条分割及缩放的图像重定算法

提出了一种基于图像条分割的快速图像重定算法。根据像素梯度信息建立图像的能量图,描述图像不同区域及目标的重要性。由各图像列的累积能量,通过类间最大类内最小原理,将一幅图像分割成若干具有一定宽度和能量级的图像条。根据图像的总体缩放尺寸及不同图像条的平均能量,计算各图像条的缩减量。结合标准Scaling和Cropping方法,对图像条进行缩放操作,若边缘图像条缩减量超过一定阈值,裁剪掉该部分内容。实验结果表明,该算法能够同时保护图像的局部结构和全局视觉效果,快速生成保真的高质量重定图像。     

一种基于条分割及缩放的图像重定算法

提出了一种基于图像条分割的快速图像重定算法．根据像素梯度信息建立图像的能量图,描述图像不同区域及目标的重要性．由各图像列的累积能量,通过类间最大类内最小原理,将一幅图像分割成若干具有一定宽度和能量级的图像条．根据图像的总体缩放尺寸及不同图像条的平均能量,计算各图像条的缩减量．结合标准Scaling和Cropping方法,对图像条进行缩放操作,若边缘图像条缩减量超过一定阈值,裁剪掉该部分内容．实验结果表明,该算法能够同时保护图像的局部结构和全局视觉效果,快速生成保真的高质量重定图像．     

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.     

改进能量函数的Seam carving图像缩放方法

Seam carving算法是一种基于图像内容的缩放方法.这种方法在进行图像缩放时,可能会引起图像视觉主体的变形.为了改善Seam carving算法,采用基于图论的显著图模型(Graph-based Visual Saliency,GBVS)产生的显著度图与图像的梯度图相结合的方法计算像素点对人的视觉的重要性.实验表明,这种方法比Seam carving图像缩放算法有更好的缩放效果.     

PCA显著性检验结合相关分析的图像缩放法

针对内容感知图像缩放法的显著图，引入主成分分析（PCA）法检测图像的显著性，并结合相关分析法进行图像缩放。先根据图像每个像素点构造3×3领域，通过PCA算法得到每点的显著得分并定义行、列的显著度；再结合图像行列相关分析得到的行列相近度，给出各行各列的重要值，删除或放大较小重要值的行列实现图像的缩放。实验结果表明，该方法理论简单、运行高效，不仅能够完整地保护重要区域，同时还可以让图像的整体概貌过渡良好。     

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。     

自动调焦中的评价区域自动选取

在对航天遥感图像的调焦评价中,为提高评价效率,提出了采用交互和自动方式选取评价区域的方法。首先根据地球同步轨道遥感图像中的明显且封闭的地球轮廓建立参考系,排除图像的平移、缩放的配准问题。接着依据图像特点,确定了交互方式选取评价区域的准则。自动选取方式的实现采用四叉树分解的方法对图像进行分裂合并操作,以获得满足边缘提取门限的任意形状调焦评价区域。上述方法在调焦评价中显著提高了效率。     

基于像素差分网络和边缘方向插值的图像缩放算法

通过对图像在缩放过程中使用的不同插值算法分析比较，针对新的边缘定向插值算法中存在人工选取经验阈值的随意性与边缘轮廓连续性的问题，本文提出一种基于像素差分网络和边缘方向的图像缩放算法。从人工选择阈值完成边缘分割改为利用像素差分网络实现边缘分割；对边缘点3×3区域查找边缘线方向作线性插值，以保持图像边缘轮廓的连续性，从而保留图像边缘结构。实验表明：该算法能在提高图像分辨率的基础上保留图像所具有的边缘结构，有较低的时间复杂度，同时对于不同图像该算法具有较好的普适性。     

一种改进的边缘检测方法

对图像进行边缘检测是图像处理中的一项重要内容,为了克服噪声的干扰,人们提出了许多边缘检测的方法,但是都不能达到最理想的效果.基于各项异性扩散方程平滑图像的良好效果,本文将其与传统的边缘检测算法结合,提出了一种新的改进的边缘检测算法,该方法首先用各向异性扩散方程平滑图像,然后利用非极大值抑制机制和区域增长的方法处理图像,提取出细节完好的边缘.本文将提出的新方法用于核磁共振成像的心脏图像中,与传统的方法比较,可以看出该方法明显的优势.     

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.     

一种快速有效的矢量汉字转换为点阵的方法

由于矢量汉字是以字的图形坐标为基础，因而矢量汉字占用存储空间少，非常容易实现按任意比例进行缩放与按任意角度进行旋转，且缩放与旋转后文字边缘不会出现锯齿，但矢量汉字必须在相应的缩放与旋转后转换为对应的字的点阵方可显示其实心汉字。本文提出一种快速有效的矢量汉字转换为相应点阵的方法。该方法利用封闭区域的边缘链码作为启发性知识来实现汉字的填充，从而将矢量汉字快速地转换为点阵。     

基于高斯混合模型的NSCT变换遥感图像融合

遥感图像中的能量信息反映了地物的电磁散射特性,具有重要的物理意义。而基于边缘特征的方法不能有效地保留能量信息的结构。对基于边缘的算法进行了改进,综合考虑了边缘和能量结构。采用非下采样Contourlet变换(NSCT)对图像进行分解和综合。利用高斯混合模型将低频系数划分为边缘和平滑两部分,对两区域分别采用基于边缘能量和局部能量的融合规则。高频子带使用重要性测度法进行融合。实验结果表明该算法融合效果较基于边缘算法有所改善,是一种有效兼顾细节和能量结构的方法。     

基于奇异值分解与重采样的图像缩放

针对传统方法的缺点,本文提出了一种新的图像缩放算法.经典插值缩放方法忽略了图像纹理之间的突变特性,因而导致高频信息的退化.同时在进行高倍数图像放大的时候,使用该方法容易造成马赛克现象的出现.基于小波变换的图像缩放方法只能够进行原始图像偶数倍的放大,且放大效果并不一定理想.本文提出的图像放大算法,联合使用奇异值分解和重采样操作,对图像进行放大处理,不但可以克服边缘模糊化以及马赛克现象的产生,同时可以进行任意倍数的图像放大.大量实验结果表明,较传统方法而言,本文方法不仅具有良好的视觉效果,同时峰值信噪比以及灰度绝对偏差等客观评价标准也达到一定的性能指标.     

基于区域分割与形态学相融合的图像边缘检测

图像边缘检测是图像分析的基础,但现有图像边缘检测方法各有特点,有一定的局限性,因此还需要进一步的探索和研究.根据区域分割和形态学腐蚀的特点,利用基于区域的四叉树分裂合并法对图像不同区域设置不同阈值进行区域分割,对于分布比较单一的内容区域阈值设置一般比较低,然后把分割区域进行腐蚀,从而提取出边缘信息.最后对此方法进行实例仿真,并与Prewitt算子和Canny算子进行比较,可见此算法对于内容比较单一的图像具有较高的检测精度和较强的抗干扰能力.