CN104517262A - 基于dct域视觉显著性检测的自适应图像缩放方法 - Google Patents
基于dct域视觉显著性检测的自适应图像缩放方法 Download PDFInfo
- Publication number
- CN104517262A CN104517262A CN201510013804.XA CN201510013804A CN104517262A CN 104517262 A CN104517262 A CN 104517262A CN 201510013804 A CN201510013804 A CN 201510013804A CN 104517262 A CN104517262 A CN 104517262A
- Authority
- CN
- China
- Prior art keywords
- energy
- point
- image
- visual
- represent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000001514 detection method Methods 0.000 title claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims abstract description 33
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 238000005520 cutting process Methods 0.000 claims description 20
- 230000003044 adaptive effect Effects 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 17
- 238000012217 deletion Methods 0.000 claims description 12
- 230000037430 deletion Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007500 overflow downdraw method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 7
- 230000001681 protective effect Effects 0.000 abstract 3
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 241000282994 Cervidae Species 0.000 description 2
- 241000692870 Inachis io Species 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 102000011842 Serrate-Jagged Proteins Human genes 0.000 description 1
- 108010036039 Serrate-Jagged Proteins Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于DCT域的视觉显著性检测的自适应图像缩放方法，首先将JPEG图像部分解码至DCT域并获得视觉显著性检测图，对视觉显著图进行阈值分割得到空间能量分布图，并在能量分布图中提取视觉显著区域得到保护框的大小和位置以及含保护框能量分布图，根据保护框的大小来计算需删除的裁剪线数目，并根据需删除裁剪线数目以及受保护能量图进行基于DCT块的线裁剪，最后根据用户端的分辨率进行微调，获得满足用户端的尺寸需求的图像输出。实施本发明方法，能够检测并保护视觉显著内容，从而提高图像缩放技术的质量。
Description
技术领域
本发明涉及图像缩放方法，特别涉及基于DCT域的视觉显著性检测的自适应图像缩放方法。
背景技术
基于内容感知的图像缩放方法——线裁剪方法与传统的缩放方法如最邻近插值、双线性插值以及裁剪等相比，能够随意改变图像的纵横比而不会让内容变扭曲，非常适用于现在显示尺寸日益多样化的移动终端设备。以下简单介绍现有的几类基于线裁剪的图像缩放方法。
第一类方法，单独采用线裁剪技术进行图像缩放，其缩放方法是在图像能量图上查找优化裁剪缝隙，然后通过插入或移除裁剪缝隙来改变图像大小。然而这种方法的缺点是：仅依靠删除裁剪缝隙改变图像大小，图像内容容易产生锯齿形失真，进而影响视觉内容的完整性。
第二类方法，采用线裁剪、缩放和传统裁剪等多个操作进行图像缩放，这类方法中存在两种方法。第一种方法是结合线裁剪和比例缩放，利用图像欧氏距离的双向相似度函数、占主导地位的颜色描述相似性以及线能量变化来确定线裁剪的最佳数目。这种方法的性能优于仅采用线裁剪技术的性能，但是它的缺陷是：没有对图像中视觉显著区域进行检测和保护，容易引起重要信息的丢失，从而导致图像的失真。第二种方法是在DCT域中进行视觉显著性检测得到显著图，基于显著图进行线裁剪和比例缩放，利用能量图的纹理均匀性和连通性来确定线裁剪的最佳数目。这种方法的性能优于没有采用显著性检测的方法的性能，然而它的缺陷是：对图像进行显著性检测却没有对检测出显著性内容加以保护，在线裁剪中视觉重要内容依然容易成为裁剪线路上的点，从而导致视觉显著内容被删除而破坏视觉的完整性。
综上，现有的图像缩放方法未能体现高质量的视觉效果，现有算法的性能有待提升。
发明内容
本发明的目的在于克服现有图像缩放方法未能体现高质量的视觉效果的缺点，提供了一种基于DCT域的视觉显著性检测的自适应图像缩放方法，获得更高质量的视觉体验效果，从而提高图像缩放技术的性能。
本发明的提出的基于DCT域的视觉显著性检测的自适应图像缩放方法具体步骤如下：
步骤一：将JPEG图像部分解码至DCT域，利用DCT系数提取亮度、颜色和纹理特征；
步骤二：计算亮度、颜色和纹理特征的差异并建立基于DCT块的高斯模型，并采用归一化的融合方法获得图像的视觉显著图；
步骤三：对视觉显著图进行阈值分割得到基于8×8DCT块的能量空间分布图；
步骤四：在能量分布图中提取视觉显著区域并对能量图加权得到受保护的能量图；
步骤五：根据保护框的大小来计算需删除的裁剪线数目，并根据需删除裁剪线数目进行基于DCT块的线裁剪；
步骤六：根据用户端的分辨率进行缩放微调处理，获得满足用户端的尺寸需求的图像输出。
较佳地，步骤三所述的基于8×8DCT块的能量空间分布图是指对视觉显著图进行最大类间方差法(OTSU)阈值分割之后得到空间能量分布图，它包括了能量点(能量值是1，即显著内容)和非能量点(能量值是0，即非显著内容)，即
其中，所述代表采用OTSU选取自适应的阈值；所述和分别表示输入的视觉显著图和输出的空间能量分布图。
较佳地，步骤四所述的视觉显著区域的提取，具体提取步骤如下：
(1)以空间能量分布图的中心点为圆心，直径为图像最长边的黄金比例即0.618倍做一个黄金比例圆作为视觉显著内容的搜索区域；
(2)在黄金比例圆的范围内遍历并统计能量点分布的位置，从而确定分布在能量点区域的圆弧；
(3)在该段圆弧上随机选择一个能量点，采用八邻接寻找法进行发散式检索，检索的规则是：只要八个邻接点的其中一个点是能量点(即能量值为1)，则满足条件并归为受保护能量点(设置能量值为255)；除了能量值为255的其他点都设置能量值为0的非能量点，能量值为255的所有点集构成视觉显著区域；
(4)在视觉显著区域内找到最高点、最低点、最左点和最右点这四个极值点，并分别以这四个点作为保护框的上下左右边界线上的点得到保护框，从而确定保护框的大小和位置；
(5)得到保护框之后将保护框内的点全部设置为能量点，得到含保护框能量分布图。
较佳地，步骤四所述的受保护的能量图可通过下式计算：
其中，所述的代表含保护框能量分布图；所述的代表空间能量分布图；所述的代表视觉显著图；所述的代表受保护的能量图；所述的代表权重系数，并且。
较佳地，步骤五所述的需删除的裁剪线数目，具体的计算步骤如下：
(1)利用保护框的边界点计算需保护的数目如下所示：
其中，所述的 、 、 和 分别代表保护框的上下左右四个边界点；所述的 和 分别代表需保护的高度和宽度的数目；
(2)根据需保护的数目和原始图像大小计算线裁剪能够删除的数目如下：
其中，所述的 和 分别代表原始图像的高度和宽度；所述的 和 分别代表在水平和垂直方向上基于块的线裁剪能够删除的数目；
(3)结合用户端屏幕大小计算线裁剪需要删除的线数目如下：
其中，所述的 和 分别代表用户端屏幕的高度和宽度；所述的为原始图像高度与用户端屏幕高度之差；所述的为原始图像宽度与用户端屏幕宽度之差；所述的 和 分别代表在水平和垂直方向上需要删除的线数目。
较佳地，步骤五所述的采用前向累积能量动态规划技术进行基于DCT块的线裁剪，具体的操作步骤如下：
(1)利用以下式子计算各个块的删除成本：
其中，所述的、和分别代表所在块位置的上方、左边和右边三个相邻块的删除成本；
(2)采用动态规划技术计算需要进行线裁剪的图像的前向累积能量图如下：
其中，所述的代表基于块的最佳裁剪线的位置点；
(3)从前向累积能量图最后一行中找出最小能量值的位置点，并以此点为入口，每次取上一行中相邻的三点中累积能量最小的那个点作为该条线裁剪路线在该行的点，即：
按此规则一直搜索到第一行即可确定整个路线，获取一条最小能量的垂直线，即为当前最佳的垂直裁剪线。类似的规则，从左到右搜索可以获取当前最佳的水平裁剪线。
(4)根据需要删除的线数目，交替进行垂直和水平方向上的最佳线裁剪的路径搜索并删除该路径上的所有点，重复该步骤，直至删除的线数目跟所需要删除的线数目一致，得到新图像。
本发明的有益效果是：能够克服现有图像缩放方法未能体现高质量的视觉效果的缺点，在DCT域中进行视觉显著性检测并在线裁剪之前对视觉重要内容加以保护，从而提高图像缩放的质量，使图像缩放技术获得更高质量的视觉体验效果。
附图说明
图1为本发明提出的自适应图像缩放方法的流程图。
图2为原始分辨率为400×326，目标分辨率为300×326的图像缩放效果比较。
图3为原始分辨率为384×256，目标分辨率为288×256的图像缩放效果比较。
图4为原始分辨率为320×480，目标分辨率为320×360的图像缩放效果比较。
图5为原始分辨率为400×400，目标分辨率为400×300的图像缩放效果比较。
具体实施方式
为使本发明的目的、技术方法及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。
在下面的实施例中，仅以一幅图像为例，对本发明的基于DCT域的视觉显著性检测的自适应图像缩放方法进行描述。如图1所示，该方法包括以下步骤：
步骤100：读入JPEG格式图像。
步骤101：对输入的JPEG压缩码流进行部分解码至DCT域，将图像划分为8×8大小的DCT块，分别提取每一个DCT块的的颜色、亮度和纹理特征。
步骤102：根据DCT块与块之间的欧氏距离，建立块与块之间基于欧氏距离的高斯模型，此高斯模型作为块与块之间差异的权重系数。
步骤103：分别计算各个特征块与块之间的差异：计算两个块的亮度或颜色特征值之差即为它们的亮度或颜色特征差异，计算两个块的纹理特征值的2范数即为它们的纹理特征差异。
步骤104：结合步骤102和步骤103的各个特征基于块的高斯模型以及块之间的差异得到各个特征基于块的显著图，再采用以归一化为基础的融合方法结合四个特征的显著图得到最终的视觉显著性检测图。
步骤105：对视觉显著图进行最大类间方差法(OTSU)阈值分割之后得到空间能量分布图，它包括了能量点(能量值是1，即显著内容)和非能量点(能量值是0，即非显著内容)，即
其中，所述代表采用OTSU选取自适应的阈值；所述和分别表示输入的视觉显著图和输出的空间能量分布图。
步骤106：以空间能量分布图的中心点为圆心，直径为图像最长边的黄金比例即0.618倍做一个黄金比例圆作为视觉显著内容的搜索区域。
步骤107：在黄金比例圆的范围内遍历并统计能量点分布的位置，从而确定分布在能量点区域的圆弧。
步骤108：在该段圆弧上随机选择一个能量点，采用八邻接寻找法进行发散式检索，检索的规则是：只要八个邻接点的其中一个点是能量点(即能量值为1)，则满足条件并归为受保护能量点(设置能量值为255)；除了能量值为255的其他点都设置能量值为0的非能量点，能量值为255的所有点集构成能量点集中分布区域，即视觉显著区域。
步骤109：在视觉显著区域内找到最高点、最低点、最左点和最右点这四个极值点，并分别以这四个点作为保护框的上下左右边界线上的点得到保护框，从而确定保护框的大小和位置；
步骤110：得到保护框之后将保护框内的点全部设置为能量点，得到含保护框能量分布图。
步骤111：获得能量图的保护范围之后，对显著性检测图、能量分布图和含保护框能量分布图添加相应的权重系数，得到受保护的能量图：
其中，所述的代表含保护框能量分布图；所述的代表空间能量分布图；所述的代表视觉显著图；所述的代表受保护的能量图；所述的代表权重系数，并且。
步骤112：计算水平和垂直方向上需删除的裁剪线数目，具体的计算步骤如下：
(1)利用保护框的边界点计算需保护的数目如下所示：
其中，所述的 、 、 和 分别代表保护框的上下左右四个边界点；所述的 和 分别代表需保护的高度和宽度的数目；
(2)根据需保护的数目和原始图像大小计算线裁剪能够删除的数目如下：
其中，所述的 和 分别代表原始图像的高度和宽度；所述的 和 分别代表在水平和垂直方向上基于块的线裁剪能够删除的数目；
(3)结合用户端屏幕大小计算线裁剪需要删除的线数目如下：
其中，所述的 和 分别代表用户端屏幕的高度和宽度；所述的为原始图像高度与用户端屏幕高度之差；所述的为原始图像宽度与用户端屏幕宽度之差；所述的 和 分别代表在水平和垂直方向上需要删除的线数目。
步骤113：采用前向累积能量动态规划技术进行基于DCT块的线裁剪，具体的操作步骤如下：
(1)利用以下式子计算各个块的删除成本：
其中，所述的、和分别代表所在块位置的上方、左边和右边三个相邻块的删除成本；
(2)采用动态规划技术计算需要进行线裁剪的图像的前向累积能量图如下：
其中，所述的代表基于块的最佳裁剪线的位置点；
(3)从前向累积能量图最后一行中找出最小能量值的位置点，并以此点为入口，每次取上一行中相邻的三点中累积能量最小的那个点作为该条线裁剪路线在该行的点，即：
按此规则一直搜索到第一行即可确定整个路线，获取一条最小能量的垂直线，即为当前最佳的垂直裁剪线。类似的规则，从左到右搜索可以获取当前最佳的水平裁剪线。
(4)根据需要删除的线数目，交替进行垂直和水平方向上的最佳线裁剪的路径搜索并删除该路径上的所有点，重复该步骤，直至删除的线数目跟所需要删除的线数目一致，得到新图像。
步骤114：对图像的大小进行细微的调整，以满足用户端的尺寸大小：
其中，所述的代表原始图像高度与用户端屏幕高度之差，当时说明线裁剪之后的图像高度与用户端屏幕高度之间还相差个像素点，此时需要用比例缩放进行细微的调整使得新图像高度与用户端屏幕高度一致；再用类似的方法微调图像宽度，即可获得满足用户端的尺寸的图像输出。
步骤115：输出所需图像。
至此完成了整个自适应图像缩放过程，通过执行该过程，能够克服现有图像缩放方法未能体现高质量的视觉效果的缺点，在DCT域中进行视觉显著性检测并在线裁剪之前对视觉重要内容加以保护，从而提高图像缩放的质量，使图像缩放技术获得更高质量的视觉体验效果。
为了测试本发明的图像缩放方法的性能，采用专门针对图像缩放的公共图像数据库进行实验测试。为了衡量算法的性能，从图像主观效果和图像客观缩放质量两方面分别对本发明的方法和方法1进行了性能的比较。
如图2、3、4、5所示，分别是原始分辨率和目标分辨率均不相同的四幅图像的缩放结果比较。其中，图2和图3中缩放后的图像在高度上与原始图像一致，宽度变为原来的75%；图4和图5中缩放后的图像在宽度上与原始图像一致，高度变为原来的75%。图2~图5中采用方法1缩放后的图像均出现程度不同的失真，失真内容已在各个图中用黄色方框标注出来，例如，图2(b)在右侧的木头和树枝出现明显的锯齿状失真；图3(b)房子最右侧的两个窗户的状态发生了变化；图4(b)女士帽子边缘和帽子下方的头发产生了明显的锯齿状变形；图5(b)铃铛的摇棒顶端和铃铛整体形状均发生了弯曲和变形。这主要是因为方法1在线裁剪之前没有对显著的内容进行有力的保护，导致视觉显著内容被删除，进而产生锯齿状失真所造成的。而本发明方法由于在线裁剪之前先提取出显著内容并进行保护操作，视觉显著内容能够被完整地保存下来，因此就不会产生方法1的失真现象。上述分析表明，采用本发明方法重建图像的主观效果比方法1更好。
采用图像缩放质量评价标准对本发明方法的性能进行客观评价，该评价标准通过遍历原始图像和缩放图像在不同尺度空间的相关性得到图像质量评价的质量指数，该质量指数的范围是[0,1]，数值越大说明两幅图像的匹配度越高，即缩放图像的质量越好。图像质量指数比较如下表1所示。
表1 图像质量指数比较
| 图名 | 方法1 | 本发明方法 | 相对增量(%) | 图名 | 方法1 | 本发明方法 | 相对增量(%) |
| 孩子 | 0.692 | 0.726 | 4.90 | 鸟 | 0.661 | 0.668 | 1.09 |
| 孔雀 | 0.619 | 0.680 | 9.83 | 硬币 | 0.525 | 0.575 | 9.55 |
| 房子 | 0.645 | 0.713 | 10.46 | 黑衣人 | 0.622 | 0.662 | 6.44 |
| 格子 | 0.712 | 0.716 | 0.56 | 情侣 | 0.715 | 0.871 | 21.76 |
| 鹿 | 0.750 | 0.751 | 0.17 | 情侣 | 0.645 | 0.698 | 8.26 |
| 摇铃 | 0.633 | 0.725 | 14.58 | 情侣 | 0.624 | 0.646 | 3.63 |
| 红帽子 | 0.739 | 0.922 | 24.76 | 平均值 | 0.660 | 0.720 | 8.99 |
(注：相对增量(%)=(本发明方法的质量指数–方法1的质量指数)/ 方法1的质量指数)
在该实验测试中，孩子、孔雀、房子和格子这几幅图像的缩放变化是高度不变，宽度缩小至原图的75%；鹿、摇铃和红帽子这三幅图像的缩放变化是高度缩小至原图75%，宽度不变；鸟、硬币和黑衣人的缩放变化是高度缩小至原图的75%，宽度缩小至原图的75%；情侣、情侣和情侣的高度均不变，宽度的缩放变化分别是缩小至原图的宽度80%、60%和50%。
由表1可看出：本发明方法的质量指数均高于方法1的质量指数，相对增量从0.17%到24.76%不等，平均的相对增量为8.99%。上述结果表明，采用本发明方法缩放后的图像质量明显优于采用方法1获得的图像，这主要是由于本发明方法加强视觉显著内容的保护，并确保了视觉显著内容的完整性，使得缩放之后的图像与原始图像在空间上的相关性很高，匹配度也随之明显提高。由此说明，在客观评价结果上本发明方法同样具有更好的性能。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.基于DCT域的视觉显著性检测的自适应图像缩放方法，其特征是将图像部分解码至DCT域当中进行视觉显著性检测及保护并进行自适应图像缩放，包括以下步骤：
步骤一：将JPEG图像部分解码至DCT域，利用DCT系数提取亮度、颜色和纹理特征；
步骤二：计算亮度、颜色和纹理特征的差异并建立基于DCT块的高斯模型，并采用归一化的融合方法获得图像的视觉显著图；
步骤三：对视觉显著图进行阈值分割得到基于8×8DCT块的能量空间分布图；
步骤四：在能量分布图中提取视觉显著区域并对能量图加权得到受保护的能量图；
步骤五：根据受保护的能量图的保护框的大小来计算需删除的裁剪线数目，并根据需删除裁剪线数目进行基于DCT块的线裁剪；
步骤六：根据用户端的分辨率进行缩放微调处理，获得满足用户端的尺寸需求的图像输出。
2.根据权利要求1所述的基于DCT域的视觉显著性检测的自适应图像缩放方法，其特征在于所述的基于8×8DCT块的能量空间分布图是指对视觉显著图进行最大类间方差法(OTSU)阈值分割之后得到空间能量分布图，它包括了能量点(能量值是1，即显著内容)和非能量点(能量值是0，即非显著内容)，即
其中，所述代表采用OTSU选取自适应的阈值；所述和分别表示输入的视觉显著图和输出的空间能量分布图。
3.根据权利要求1所述的基于DCT域的视觉显著性检测的自适应图像缩放方法，其特征在于所述的视觉显著区域的提取，具体提取步骤如下：
(1)以空间能量分布图的中心点为圆心，直径为图像最长边的黄金比例即0.618倍做一个黄金比例圆作为视觉显著内容的搜索区域；
(2)在黄金比例圆的范围内遍历并统计能量点分布的位置，从而确定分布在能量点区域的圆弧位置；
(3)在该段圆弧上随机选择一个能量点，采用八邻接寻找法进行发散式检索，检索的规则是：只要八个邻接点的其中一个点是能量点(即能量值为1)，则满足条件并归为受保护能量点(设置能量值为255)；除了能量值为255的其他点都设置为非能量点（能量值为0），能量值为255的所有点集构成视觉显著区域；
(4)在视觉显著区域内找到最高点、最低点、最左点和最右点这四个极值点，并分别以这四个点作为保护框的上下左右边界线上的点得到保护框，从而确定保护框的大小和位置；
(5)得到保护框之后将保护框内的点全部设置为能量点，得到含保护框能量分布图。
4.根据权利要求1所述的基于DCT域的视觉显著性检测的自适应图像缩放方法，其特征在于所述的受保护的能量图可通过下式计算：
其中，所述的代表含保护框能量分布图；所述的代表空间能量分布图；所述的代表视觉显著图；所述的代表受保护的能量图；所述的代表权重系数，并且。
5.根据权利要求1所述的基于DCT域的视觉显著性检测的自适应图像缩放方法，其特征在于所述的需删除的裁剪线数目，具体的计算步骤如下：
(1)利用保护框的边界点计算需保护的数目如下所示：
其中，所述的、、和分别代表保护框的上下左右四个边界点；所述的和分别代表需保护的高度和宽度的数目；
(2)根据需保护的数目和原始图像大小计算线裁剪能够删除的数目如下：
其中，所述的和分别代表原始图像的高度和宽度；所述的和分别代表在水平和垂直方向上基于块的线裁剪能够删除的数目；
(3)结合用户端屏幕大小计算线裁剪需要删除的线数目如下：
其中，所述的和分别代表用户端屏幕的高度和宽度；所述的为原始图像高度与用户端屏幕高度之差；所述的为原始图像宽度与用户端屏幕宽度之差；所述的和分别代表在水平和垂直方向上需要删除的线数目。
6.根据权利要求5所述的基于DCT域的视觉显著性检测的自适应图像缩放方法，其特征在于采用前向累积能量动态规划技术进行基于DCT块的线裁剪，具体的操作步骤如下：
(1)利用以下式子计算各个块的删除成本：
其中，所述的、和分别代表所在块位置的上方、左边和右边三个相邻块的删除成本；
(2)采用动态规划技术计算需要进行线裁剪的图像的前向累积能量图如下：
其中，所述的代表基于块的最佳裁剪线的位置点；
(3)从前向累积能量图最后一行中找出最小能量值的位置点，并以此点为入口，每次取上一行中相邻的三点中累积能量最小的那个点作为该条线裁剪路线在该行的点，即：
按此规则一直搜索到第一行即可确定整个路线，即为当前最佳的垂直裁剪线，类似的规则，从左到右搜索可以获取当前最佳的水平裁剪线；
(4)根据需要删除的线数目，交替进行垂直和水平方向上的最佳线裁剪路径搜索并删除该路径上的所有点，重复该步骤，直至删除的线数目跟所需要删除的线数目一致，得到新图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510013804.XA CN104517262B (zh) | 2015-01-12 | 2015-01-12 | 基于dct域视觉显著性检测的自适应图像缩放方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510013804.XA CN104517262B (zh) | 2015-01-12 | 2015-01-12 | 基于dct域视觉显著性检测的自适应图像缩放方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104517262A true CN104517262A (zh) | 2015-04-15 |
| CN104517262B CN104517262B (zh) | 2017-08-22 |
Family
ID=52792513
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510013804.XA Active CN104517262B (zh) | 2015-01-12 | 2015-01-12 | 基于dct域视觉显著性检测的自适应图像缩放方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104517262B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107506686A (zh) * | 2017-07-12 | 2017-12-22 | 浙江工业大学 | 一种基于显著性检测的夜间车辆检测方法 |
| CN109815012A (zh) * | 2018-12-29 | 2019-05-28 | 深圳市创梦天地科技有限公司 | 一种图像可见质量值搜索方法和相关装置 |
| CN109978858A (zh) * | 2019-03-27 | 2019-07-05 | 华南理工大学 | 一种基于前景检测的双框架缩略图像质量评价方法 |
| CN112199268A (zh) * | 2019-07-08 | 2021-01-08 | 中移互联网有限公司 | 一种软件兼容性测试方法及电子设备 |
| CN114911551A (zh) * | 2021-02-08 | 2022-08-16 | 花瓣云科技有限公司 | 显示方法及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120121204A1 (en) * | 2010-11-11 | 2012-05-17 | Yuanyuan Ding | Importance filtering for image retargeting |
| CN102682429A (zh) * | 2012-04-13 | 2012-09-19 | 泰山学院 | 一种尺寸自适应块匹配变换域滤波图像去噪方法 |
| CN103634590A (zh) * | 2013-11-08 | 2014-03-12 | 上海风格信息技术股份有限公司 | 一种基于dct的视频矩形形变与像素位移的方法 |
| CN103955887A (zh) * | 2014-04-11 | 2014-07-30 | 北京工业大学 | 基于内容的快速细缝裁剪与非均匀映射相结合的图像自适应方法 |
-
2015
- 2015-01-12 CN CN201510013804.XA patent/CN104517262B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120121204A1 (en) * | 2010-11-11 | 2012-05-17 | Yuanyuan Ding | Importance filtering for image retargeting |
| CN102682429A (zh) * | 2012-04-13 | 2012-09-19 | 泰山学院 | 一种尺寸自适应块匹配变换域滤波图像去噪方法 |
| CN103634590A (zh) * | 2013-11-08 | 2014-03-12 | 上海风格信息技术股份有限公司 | 一种基于dct的视频矩形形变与像素位移的方法 |
| CN103955887A (zh) * | 2014-04-11 | 2014-07-30 | 北京工业大学 | 基于内容的快速细缝裁剪与非均匀映射相结合的图像自适应方法 |
Non-Patent Citations (2)
| Title |
|---|
| 常侃等: ""基于联合总变分最小化的视频压缩感知重建算法"", 《电子学报》 * |
| 王国忠等: ""DCT域视频图像转码的下采样算法"", 《电讯技术》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107506686A (zh) * | 2017-07-12 | 2017-12-22 | 浙江工业大学 | 一种基于显著性检测的夜间车辆检测方法 |
| CN109815012A (zh) * | 2018-12-29 | 2019-05-28 | 深圳市创梦天地科技有限公司 | 一种图像可见质量值搜索方法和相关装置 |
| CN109815012B (zh) * | 2018-12-29 | 2023-08-18 | 深圳市创梦天地科技有限公司 | 一种图像可见质量值搜索方法和相关装置 |
| CN109978858A (zh) * | 2019-03-27 | 2019-07-05 | 华南理工大学 | 一种基于前景检测的双框架缩略图像质量评价方法 |
| CN109978858B (zh) * | 2019-03-27 | 2021-02-19 | 华南理工大学 | 一种基于前景检测的双框架缩略图像质量评价方法 |
| CN112199268A (zh) * | 2019-07-08 | 2021-01-08 | 中移互联网有限公司 | 一种软件兼容性测试方法及电子设备 |
| CN112199268B (zh) * | 2019-07-08 | 2023-08-15 | 中移互联网有限公司 | 一种软件兼容性测试方法及电子设备 |
| CN114911551A (zh) * | 2021-02-08 | 2022-08-16 | 花瓣云科技有限公司 | 显示方法及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104517262B (zh) | 2017-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104517262A (zh) | 基于dct域视觉显著性检测的自适应图像缩放方法 | |
| CN105488758A (zh) | 一种基于内容感知的图像缩放方法 | |
| CN107330885B (zh) | 一种保持重要内容区域宽高比的多算子图像重定向方法 | |
| CN103337072B (zh) | 一种基于纹理与几何属性联合模型的室内对象解析方法 | |
| CN104835114A (zh) | 一种图像自适应显示方法 | |
| CN103473551A (zh) | 基于sift算子的台标识别方法及系统 | |
| CN107507206B (zh) | 一种基于显著性检测的深度图提取方法 | |
| CN106548160A (zh) | 一种人脸微笑检测方法 | |
| CN105469094A (zh) | 一种路面二值图像的边缘矢量线提取算法 | |
| CN104598933A (zh) | 一种基于多特征融合的图像翻拍检测方法 | |
| CN108829711A (zh) | 一种基于多特征融合的图像检索方法 | |
| CN104809248B (zh) | 视频指纹提取及检索方法 | |
| CN104574404A (zh) | 一种立体图像重定位方法 | |
| CN105787481A (zh) | 一种基于目标性潜在区域分析的目标检测算法及其应用 | |
| CN102663398A (zh) | 一种彩色图像颜色特征提取方法及装置 | |
| CN103218604A (zh) | 交通场景中基于路面提取的行人检测方法 | |
| CN104992403A (zh) | 一种基于视觉相似度度量的混合操作算子图像重定向方法 | |
| CN104463134A (zh) | 一种车牌检测方法和系统 | |
| CN104751112A (zh) | 一种基于模糊特征点信息的指纹模板及指纹识别方法 | |
| CN104268941A (zh) | 仿真三维地图的热区形成方法及装置 | |
| CN105956544A (zh) | 一种基于结构指数特征的遥感影像道路交叉口提取的方法 | |
| CN104992176B (zh) | 一种面向碑文的汉字提取方法 | |
| CN106022310B (zh) | 基于htg-hog和stg特征的人体行为识别方法 | |
| CN113724400A (zh) | 一种面向倾斜摄影的多属性融合建筑物点云提取方法 | |
| CN110390283B (zh) | 一种商业场景下跨摄像头行人重检索方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information |
Inventor after: Tang Zhenhua Inventor after: Luo Yadan Inventor after: Huang Sunguo Inventor after: Huang Xufang Inventor after: Qin Tuanfa Inventor before: Tang Zhenhua |
|
| COR | Change of bibliographic data | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |