WO2015161794A1 - 一种基于图像显著性检测的获取缩略图的方法 - Google Patents

一种基于图像显著性检测的获取缩略图的方法 Download PDF

Info

Publication number
WO2015161794A1
WO2015161794A1 PCT/CN2015/077166 CN2015077166W WO2015161794A1 WO 2015161794 A1 WO2015161794 A1 WO 2015161794A1 CN 2015077166 W CN2015077166 W CN 2015077166W WO 2015161794 A1 WO2015161794 A1 WO 2015161794A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
processed
thumbnail
area
saliency
Prior art date
Application number
PCT/CN2015/077166
Other languages
English (en)
French (fr)
Inventor
张伟
傅松林
李志阳
张长定
Original Assignee
厦门美图之家科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 厦门美图之家科技有限公司 filed Critical 厦门美图之家科技有限公司
Publication of WO2015161794A1 publication Critical patent/WO2015161794A1/zh

Links

Images

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

Definitions

  • the invention relates to an image processing method, in particular to a method for acquiring thumbnails based on image saliency detection.
  • the "golden division method” is also called the "three-point rule”.
  • the "three-point rule” is to divide the whole picture into two parts in two parts in the horizontal and vertical directions. We place the subject in any straight line. Or the intersection of straight lines is more in line with human visual habits. When shooting, you can directly call up the camera's “well” word guide line and place the subject on 4 intersections, so the picture will immediately live.
  • the present invention provides a method for acquiring thumbnails based on image saliency detection, which can quickly and efficiently obtain thumbnails of a large number of images, which is convenient for the user to browse.
  • a method for acquiring a thumbnail image based on image saliency detection comprising the steps of:
  • performing image saliency detection on the image to be processed in step 20 further comprises:
  • Gaussian filter is used to filter and sample the image to form a Gaussian pyramid model with the image to be processed as the bottom layer; then each image feature is extracted from each layer in the Gaussian pyramid model to form a feature pyramid. a model; and calculating a feature map of the image to be processed according to the feature pyramid model;
  • Generating a saliency map normalizing each of the described feature maps, and performing comprehensive calculation on each normalized feature map to obtain a saliency map corresponding to the image to be processed.
  • step 20 image saliency detection is performed on the image to be processed to generate a saliency map, and the saliency map is marked in white and black to obtain a saliency region of the image, wherein white indicates a significant region in the image. Black indicates an area that is not noticeable in the image.
  • the obtaining the saliency area of the image in the step 20 refers to performing a reduction process on the image to be processed, and acquiring a saliency area of the reduced image.
  • the largest rectangular area including the saliency area is calculated, and the calculation and extraction of the connected area are performed on the saliency map mainly by a marking method, thereby obtaining a maximum rectangular area.
  • the marking method further comprises:
  • the initial mark value is recorded as 1;
  • the image is intercepted according to the maximum rectangular area, and a thumbnail of the image to be processed is obtained, mainly by expanding the maximum rectangular area to obtain a thumbnail rectangular area, and then according to the thumbnail rectangle.
  • the area is treated to process the image and truncated to the thumbnail.
  • the calculation method for expanding the maximum rectangular area to obtain a thumbnail rectangular area is:
  • Rat min(ratw,rath);
  • Tx (sw-tw)*0.5+x
  • x, y, w, h represent the abscissa, ordinate, width, and height of the starting coordinates of the largest rectangular area in the image to be processed
  • tx, ty, tw, and th represent the thumbnails in the image to be processed The abscissa, ordinate, width, and height of the starting coordinates.
  • a method for acquiring a thumbnail image based on image saliency detection which performs image saliency detection on a to-be-processed image to acquire a saliency region of the image, and calculates a maximum rectangular region including the saliency region, and finally Obtaining an image according to the maximum rectangular area to obtain a thumbnail of the image to be processed, so that the thumbnail of the large number of images can be quickly and efficiently obtained, so that the acquired thumbnail can reflect the main area of the image and fully display the entire image.
  • Information convenient for users to quickly browse.
  • FIG. 1 is a schematic flow chart of a method for acquiring a thumbnail image based on image saliency detection according to the present invention
  • Figure 3 is a view showing the image saliency detection of Figure 2;
  • FIG. 4 is a schematic diagram of acquiring a maximum rectangular area on the basis of FIG.
  • a method for acquiring a thumbnail image based on image saliency detection includes the following steps:
  • Performing image saliency detection on the image to be processed in step 20 further includes:
  • Gaussian filter is used to filter and sample the image to form a Gaussian pyramid model with the image to be processed as the bottom layer; then each image feature is extracted from each layer in the Gaussian pyramid model to form a feature pyramid. And obtaining a feature map of the image to be processed according to the feature pyramid model; specifically: first, the image to be processed is represented as a 9-layer Gaussian pyramid, wherein the 0th layer is a to-be-processed image, and the 1st to 8th layers respectively It is formed by filtering and sampling the image to be processed with a 5*5 Gaussian filter, and the size is 1/2 to 1/256 of the image to be processed, respectively, and then extract various features for each layer of the pyramid, for example: brightness, Features such as red, green, blue, yellow, and direction form a feature pyramid, and then calculate to obtain a feature map of each feature.
  • Gaussian filter is used to filter and sample the image to form a Gaussian pyramid model with the image to be processed as the bottom layer; then each image feature
  • Generating a saliency map normalizing each of the described feature maps to eliminate interference noise and highlighting significant portions, and comprehensively calculating each normalized feature map to obtain an image corresponding to the image to be processed Significant map; specifically: each feature map is performed by a two-dimensional Gaussian difference function Convolution, and superimpose the convolution result back to the original feature map, so that the same feature competes spatially in a side-suppressed manner; the convolution and iterative processes are performed multiple times, so that a few of the most significant points are evenly distributed On the whole feature map, only a few significant points are retained on each feature map, and a plurality of feature points can be highlighted when superimposing multiple feature maps; then each type is normalized.
  • the feature map is summed point by point, and a saliency map corresponding to each type of feature is obtained. By synthesizing the saliency of all the features, a saliency map corresponding to the image to be processed is obtained.
  • the image to be processed is subjected to image saliency detection to generate a saliency map, and the saliency map is marked with white and black to obtain a saliency region of the image, wherein white indicates a prominent region in the image, and black indicates an image.
  • the saliency area of the image obtained in step 20 refers to a saliency area in which the image to be processed is first subjected to reduction processing, and the reduced image is acquired.
  • the largest rectangular area including the saliency area is calculated, and the calculation and extraction of the connected area are performed on the saliency map mainly by a marking method, thereby obtaining a maximum rectangular area.
  • the marking method further includes:
  • the initial mark value is recorded as 1;
  • the image is intercepted according to the maximum rectangular area, and the thumbnail of the image to be processed is obtained, mainly by expanding the maximum rectangular area to obtain a thumbnail rectangular area, and then processing according to the thumbnail rectangular area.
  • the image is truncated to the thumbnail.
  • the calculation method for expanding the maximum rectangular area to obtain a thumbnail rectangular area is as follows:
  • Rat min(ratw,rath);
  • Tx (sw-tw)*0.5+x
  • x, y, w, h represent the abscissa, ordinate, width, and height of the starting coordinates of the largest rectangular area in the image to be processed
  • tx, ty, tw, and th represent the thumbnails in the image to be processed Start sitting The target's abscissa, ordinate, width, and height.
  • the invention utilizes the principle of image saliency detection to obtain the saliency area of the reduced image, that is, the main body area of the image, and then obtains the largest rectangle of the saliency area according to the area, and then uses the method of centering clipping to obtain the range containing the largest rectangle. Thumbnails, so that the thumbnails of a large number of images can be quickly and efficiently obtained, so that the obtained thumbnails can reflect the main area of the image and fully display the information of the entire image, which is convenient for the user to quickly browse.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

公开了一种基于图像显著性检测的获取缩略图的方法，其通过对待处理图像进行图像显著性检测以获取图像的显著性区域，并计算包含所述的显著性区域的最大矩形区域，最后根据所述的最大矩形区域进行图像截取，得到待处理图像的缩略图，从而能够快速有效的获取大量图像的缩略图，使得获取的缩略图能够体现图像的主体区域，并充分展示整张图像的信息，方便用户快速浏览。

Description

一种基于图像显著性检测的获取缩略图的方法 技术领域
本发明涉及一种图像处理方法，特别是一种基于图像显著性检测的获取缩略图的方法。
背景技术
目前，我们在拍摄时为了使拍摄照片更好看，往往在构图上采用“黄金分割”，它是广泛存在于自然界的一种现象，简单的说就是将摄影主体放在位于画面大约三分之一处，让人觉得画面和谐充满美感。“黄金分割法”又称“三分法则”，“三分法则”就是将整个画面在横、竖方向各用两条直线分割成等份的三部分，我们将拍摄的主体放置在任意一条直线或直线的交点上这样比较符合人类的视觉习惯。拍摄时可直接调出相机的“井”字辅助线，将拍摄主体放在4个交叉点上，这样画面立刻就活了起来。而在相册的缩略图由于整体布局以及美观的原因，采用正方形的居中裁剪方式，使得目前我们获取的缩略图在很大部分图像上无法展示用户的主体区域，导致用户无法通过缩略图了解整张图的信息，无法起到缩略图的真正作用。
发明内容
本发明为解决上述问题，提供了一种基于图像显著性检测的获取缩略图的方法，能够快速有效的获取大量图像的缩略图，方便用户浏览。
为实现上述目的，本发明采用的技术方案为：
一种基于图像显著性检测的获取缩略图的方法，其特征在于，包括以下步骤：
10.接收待处理图像；
20.对所述待处理图像进行图像显著性检测以获取图像的显著性区域；
30.计算包含所述的显著性区域的最大矩形区域；
40.根据所述的最大矩形区域进行图像截取，得到待处理图像的缩略图。
优选的，所述的步骤20中对待处理图像进行图像显著性检测进一步包括：
21.提取图像特征：采用高斯滤波器对待处理图像进行滤波和采样，形成以待处理图像为底层的高斯金字塔模型；然后对高斯金字塔模型中的每一层分别提取各种图像特征，形成特征金字塔模型；再根据该特征金字塔模型进行计算得到所述待处理图像的特征图；
22.生成显著图：把每一个所述的特征图归一化处理，并将各个归一化处理后的特征图进行综合计算，得到对应于待处理图像的显著图。
优选的，所述的步骤20中对待处理图像进行图像显著性检测后生成显著图，用白色和黑色对该显著图进行标记以获取图像的显著性区域，其中，白色表示图像中显著的区域，黑色表示图像中不显著的区域。
优选的，所述的步骤20中获取图像的显著性区域是指将待处理图像进行缩小处理，并获取缩小后的图像的显著性区域。
优选的，所述的步骤30中计算包含所述的显著性区域的最大矩形区域，主要通过标记法对所述显著图进行连通区域的计算和提取，从而得到最大矩形区域。
优选的，所述的标记法进一步包括：
31.初始标记值记为1；
32.对所述显著图进行逐行扫描，找到一个未标记区域的颜色为白色的像素点，标记该像素点的标记值为1；
33.检查该点的八邻域的像素点并标记像素点满足为颜色为白色的像素 点且未被标记的标记值为当前标记值，同时将新增的标记像素点记录下来作为区域增长的种子点；
34.在后续的标记像素点过程中，不断从记录种子点的数组中取出一个种子，实施上述的操作，如此循环，直到记录种子点的数组为空；
35.若一个连通区域标记结束，则标记值+1，并遍历下一个连通区域，直到所有像素点被标记为止；
36.获取每个标记值的最大区域，并将每个标记值为1的白色区域连接起来，然后计算出显著性区域与非显著性区域的比例达到最大的矩形区域为所述的最大矩形区域。
优选的，所述的步骤40中根据所述的最大矩形区域进行图像截取，得到待处理图像的缩略图，主要是通过对最大矩形区域进行扩大计算得到缩略图矩形区域，然后根据该缩略图矩形区域对待处理图像进行截取得到缩略图。
优选的，所述的对最大矩形区域进行扩大计算得到缩略图矩形区域的计算方法为：
41.计算缩略图与待处理图像中的最大矩形区域的宽比例ratw：
ratw＝tw/w；
42.计算缩略图与待处理图像中的最大矩形区域的高比例rath：
rath＝th/h；
43.计算缩略图与待处理图像中的最大矩形区域的最小比例rat；
rat＝min(ratw,rath)；
44.计算缩略图矩形区域的宽sw和高sh：
sw＝w*rat；
sh＝h*rat；
45.计算缩略图矩形区域在待处理图像中的起始坐标(tx，ty)：
tx＝(sw-tw)*0.5+x；
ty＝(sh-th)*0.5+y；
其中，x、y、w、h表示最大矩形区域在待处理图像中的起始坐标的横坐标、纵坐标、宽、高；tx、ty、tw、th表示缩略图在待处理图像中的起始坐标的横坐标、纵坐标、宽、高。
本发明的有益效果是：
本发明的一种基于图像显著性检测的获取缩略图的方法，其通过对待处理图像进行图像显著性检测以获取图像的显著性区域，并计算包含所述的显著性区域的最大矩形区域，最后根据所述的最大矩形区域进行图像截取，得到待处理图像的缩略图，从而能够快速有效的获取大量图像的缩略图，使得获取的缩略图能够体现图像的主体区域，并充分展示整张图像的信息，方便用户快速浏览。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明一种基于图像显著性检测的获取缩略图的方法的流程简图；
图2为本发明一实施例的待处理图像；
图3为对图2进行图像显著性检测后的图；
图4为在图3的基础上获取最大矩形区域的示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明 白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，本发明的一种基于图像显著性检测的获取缩略图的方法，其包括以下步骤：
10.接收待处理图像，如图2；
20.对所述待处理图像进行图像显著性检测，如图3，以获取图像的显著性区域；
30.计算包含所述的显著性区域的最大矩形区域，如图4；主要是为了获取显著性区域最大的部分，方便接下来的获取缩略图；
40.根据所述的最大矩形区域进行图像截取，得到待处理图像的缩略图。
所述的步骤20中对待处理图像进行图像显著性检测进一步包括：
21.提取图像特征：采用高斯滤波器对待处理图像进行滤波和采样，形成以待处理图像为底层的高斯金字塔模型；然后对高斯金字塔模型中的每一层分别提取各种图像特征，形成特征金字塔模型；再根据该特征金字塔模型进行计算得到所述待处理图像的特征图；具体为：先把待处理图像表示成9层的高斯金字塔，其中第0层是待处理图像，1到8层分别是用5*5的高斯滤波器对待处理图像进行滤波和采样形成的，大小分别为待处理图像的1/2到1/256，然后对金字塔每一层分别提取各种特征，例如：亮度、红色、绿色、蓝色、黄色、方向等特征，形成特征金字塔，然后再进行计算得到各个特征的特征图。
22.生成显著图：把每一个所述的特征图归一化处理，以消除干扰噪声及突出显著部分，并将各个归一化处理后的特征图进行综合计算，得到对应于待处理图像的显著图；具体为：对每个特征图分别用二维高斯差函数进行 卷积，并把卷积结果叠加回原特征图，使同种特征以侧抑制的方式在空间上竞争；卷积和迭代过程进行多次，这样可以让少数几个最显著的点均匀分布在整个特征图上，从而每个特征图上只保留少数的几个显著点，在叠加多个特征图时能把多种显著特征的点突现出来；接下来分别把每一类归一化后的特征图逐点求和，得到对应于每一类特征的显著图,综合所有特征的显著性，就得到对应于待处理图像的显著图。
所述的步骤20中对待处理图像进行图像显著性检测后生成显著图，用白色和黑色对该显著图进行标记以获取图像的显著性区域，其中，白色表示图像中显著的区域，黑色表示图像中不显著的区域；本实施例中，所述的步骤20中获取图像的显著性区域是指将待处理图像先进行缩小处理，并获取缩小后的图像的显著性区域。
所述的步骤30中计算包含所述的显著性区域的最大矩形区域，主要通过标记法对所述显著图进行连通区域的计算和提取，从而得到最大矩形区域。
所述的标记法进一步包括：
31.初始标记值记为1；
32.对所述显著图进行逐行扫描，找到一个未标记区域的颜色为白色的像素点，标记该像素点的标记值为1；
33.检查该点的八邻域的像素点并标记像素点满足为颜色为白色的像素点且未被标记的标记值为当前标记值，同时将新增的标记像素点记录下来作为区域增长的种子点；
34.在后续的标记像素点过程中，不断从记录种子点的数组中取出一个种子，实施上述的操作，如此循环，直到记录种子点的数组为空；
35.若一个连通区域标记结束，则标记值+1，并遍历下一个连通区域，直 到所有像素点被标记为止；
36.获取每个标记值的最大区域，并将每个标记值为1的白色区域连接起来，然后计算出显著性区域与非显著性区域的比例达到最大的矩形区域为所述的最大矩形区域，如图2至图4所示。
所述的步骤40中根据所述的最大矩形区域进行图像截取，得到待处理图像的缩略图，主要是通过对最大矩形区域进行扩大计算得到缩略图矩形区域，然后根据该缩略图矩形区域对待处理图像进行截取得到缩略图。
本实施例中，所述的对最大矩形区域进行扩大计算得到缩略图矩形区域的计算方法为：
41.计算缩略图与待处理图像中的最大矩形区域的宽比例ratw：
ratw＝tw/w；
42.计算缩略图与待处理图像中的最大矩形区域的高比例rath：
rath＝th/h；
43.计算缩略图与待处理图像中的最大矩形区域的最小比例rat；
rat＝min(ratw,rath)；
44.计算缩略图矩形区域的宽sw和高sh：
sw＝w*rat；
sh＝h*rat；
45.计算缩略图矩形区域在待处理图像中的起始坐标(tx，ty)：
tx＝(sw-tw)*0.5+x；
ty＝(sh-th)*0.5+y；
其中，x、y、w、h表示最大矩形区域在待处理图像中的起始坐标的横坐标、纵坐标、宽、高；tx、ty、tw、th表示缩略图在待处理图像中的起始坐 标的横坐标、纵坐标、宽、高。
本发明利用图像显著性检测的原理，获取缩小后的图像的显著性区域，即图像的主体区域，然后根据该区域获取显著性区域的最大矩形，接着利用居中裁剪的方式获取包含最大矩形范围的缩略图，从而能够快速有效的获取大量图像的缩略图，使得获取的缩略图能够体现图像的主体区域，并充分展示整张图像的信息，方便用户快速浏览。
上述说明示出并描述了本发明的优选实施例，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (8)

  1. 一种基于图像显著性检测的获取缩略图的方法，其特征在于，包括以下步骤：
    10.接收待处理图像；
    20.对所述待处理图像进行图像显著性检测以获取图像的显著性区域；
    30.计算包含所述的显著性区域的最大矩形区域；
    40.根据所述的最大矩形区域进行图像截取，得到待处理图像的缩略图。
  2. 根据权利要求1所述的一种基于图像显著性检测的获取缩略图的方法，其特征在于：所述的步骤20中对待处理图像进行图像显著性检测进一步包括：
    21.提取图像特征：采用高斯滤波器对待处理图像进行滤波和采样，形成以待处理图像为底层的高斯金字塔模型；然后对高斯金字塔模型中的每一层分别提取各种图像特征，形成特征金字塔模型；再根据该特征金字塔模型进行计算得到所述待处理图像的特征图；
    22.生成显著图：把每一个所述的特征图归一化处理，并将各个归一化处理后的特征图进行综合计算，得到对应于待处理图像的显著图。
  3. 根据权利要求1或2所述的一种基于图像显著性检测的获取缩略图的方法，其特征在于：所述的步骤20中对待处理图像进行图像显著性检测后生成显著图，用白色和黑色对该显著图进行标记以获取图像的显著性区域，其中，白色表示图像中显著的区域，黑色表示图像中不显著的区域。
  4. 根据权利要求1所述的一种基于图像显著性检测的获取缩略图的方法，其特征在于：所述的步骤20中获取图像的显著性区域是指将待处理图像进行缩小处理，并获取缩小后的图像的显著性区域。
  5. 根据权利要求3所述的一种基于图像显著性检测的获取缩略图的方 法，其特征在于：所述的步骤30中计算包含所述的显著性区域的最大矩形区域，主要通过标记法对所述显著图进行连通区域的计算和提取，从而得到最大矩形区域。
  6. 根据权利要求5所述的一种基于图像显著性检测的获取缩略图的方法，其特征在于：所述的标记法进一步包括：
    31.初始标记值记为1；
    32.对所述显著图进行逐行扫描，找到一个未标记区域的颜色为白色的像素点，标记该像素点的标记值为1；
    33.检查该点的八邻域的像素点并标记像素点满足为颜色为白色的像素点且未被标记的标记值为当前标记值，同时将新增的标记像素点记录下来作为区域增长的种子点；
    34.在后续的标记像素点过程中，不断从记录种子点的数组中取出一个种子，实施上述的操作，如此循环，直到记录种子点的数组为空；
    35.若一个连通区域标记结束，则标记值+1，并遍历下一个连通区域，直到所有像素点被标记为止；
    36.获取每个标记值的最大区域，并将每个标记值为1的白色区域连接起来，然后计算出显著性区域与非显著性区域的比例达到最大的矩形区域为所述的最大矩形区域。
  7. 根据权利要求1所述的一种基于图像显著性检测的获取缩略图的方法，其特征在于：所述的步骤40中根据所述的最大矩形区域进行图像截取，得到待处理图像的缩略图，主要是通过对最大矩形区域进行扩大计算得到缩略图矩形区域，然后根据该缩略图矩形区域对待处理图像进行截取得到缩略图。
  8. 根据权利要求7所述的一种基于图像显著性检测的获取缩略图的方法，其特征在于：所述的对最大矩形区域进行扩大计算得到缩略图矩形区域的计算方法为：
    41.计算缩略图与待处理图像中的最大矩形区域的宽比例ratw：ratw＝tw/w；
    42.计算缩略图与待处理图像中的最大矩形区域的高比例rath：rath＝th/h；
    43.计算缩略图与待处理图像中的最大矩形区域的最小比例rat；rat＝min(ratw,rath)；
    44.计算缩略图矩形区域的宽sw和高sh：
    sw＝w*rat；
    sh＝h*rat；
    45.计算缩略图矩形区域在待处理图像中的起始坐标(tx，ty)：tx＝(sw-tw)*0.5+x；
    ty＝(sh-th)*0.5+y；
    其中，x、y、w、h表示最大矩形区域在待处理图像中的起始坐标的横坐标、纵坐标、宽、高；tx、ty、tw、th表示缩略图在待处理图像中的起始坐标的横坐标、纵坐标、宽、高。
PCT/CN2015/077166 2014-04-24 2015-04-22 一种基于图像显著性检测的获取缩略图的方法 WO2015161794A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201410169290.2A CN103903223B (zh) 2014-04-24 2014-04-24 一种基于图像显著性检测的获取缩略图的方法
CN201410169290.2 2014-04-24

Publications (1)

Publication Number Publication Date
WO2015161794A1 true WO2015161794A1 (zh) 2015-10-29

Family

ID=50994530

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2015/077166 WO2015161794A1 (zh) 2014-04-24 2015-04-22 一种基于图像显著性检测的获取缩略图的方法

Country Status (2)

Country Link
CN (1) CN103903223B (zh)
WO (1) WO2015161794A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109427055A (zh) * 2017-09-04 2019-03-05 长春长光精密仪器集团有限公司 基于视觉注意机制和信息熵的遥感图像海面舰船检测方法
CN113592795A (zh) * 2021-07-19 2021-11-02 深圳大学 立体图像的视觉显著性检测方法、缩略图生成方法和装置
EP3964937A4 (en) * 2019-06-30 2022-11-09 Huawei Technologies Co., Ltd. USER PROFILE PHOTO GENERATION METHOD AND ELECTRONIC DEVICE

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103903223B (zh) * 2014-04-24 2017-03-01 厦门美图之家科技有限公司 一种基于图像显著性检测的获取缩略图的方法
CN104346772B (zh) * 2014-11-06 2018-06-05 杭州华为数字技术有限公司 缩略图制作方法和装置
WO2017173605A1 (en) * 2016-04-06 2017-10-12 Xiaogang Wang Method and system for person recognition
CN105956999B (zh) * 2016-04-28 2020-08-28 努比亚技术有限公司 缩略图生成装置和方法
CN106251283A (zh) * 2016-07-28 2016-12-21 乐视控股（北京）有限公司 一种缩略图生成方法及设备
CN107767329B (zh) * 2017-10-17 2021-04-27 天津大学 基于显著性检测的内容感知图像缩略图生成方法
CN109063085B (zh) * 2018-07-26 2021-07-13 创新先进技术有限公司 缩略图生成方法和装置
CN111664848B (zh) * 2020-06-01 2022-02-11 上海大学 一种多模态室内定位导航方法及系统
CN112016548B (zh) * 2020-10-15 2021-02-09 腾讯科技（深圳）有限公司 一种封面图展示方法及相关装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101601287A (zh) * 2006-12-01 2009-12-09 惠普开发有限公司 产生照片级真实感图像缩略图的设备和方法
CN103714161A (zh) * 2013-12-30 2014-04-09 小米科技有限责任公司 图像缩略图的生成方法、装置和终端
CN103903223A (zh) * 2014-04-24 2014-07-02 厦门美图之家科技有限公司 一种基于图像显著性检测的获取缩略图的方法
CN104346772A (zh) * 2014-11-06 2015-02-11 杭州华为数字技术有限公司 缩略图制作方法和装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8213741B2 (en) * 2008-12-19 2012-07-03 Texas Instruments Incorporated Method to generate thumbnails for digital images

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101601287A (zh) * 2006-12-01 2009-12-09 惠普开发有限公司 产生照片级真实感图像缩略图的设备和方法
CN103714161A (zh) * 2013-12-30 2014-04-09 小米科技有限责任公司 图像缩略图的生成方法、装置和终端
CN103903223A (zh) * 2014-04-24 2014-07-02 厦门美图之家科技有限公司 一种基于图像显著性检测的获取缩略图的方法
CN104346772A (zh) * 2014-11-06 2015-02-11 杭州华为数字技术有限公司 缩略图制作方法和装置

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109427055A (zh) * 2017-09-04 2019-03-05 长春长光精密仪器集团有限公司 基于视觉注意机制和信息熵的遥感图像海面舰船检测方法
CN109427055B (zh) * 2017-09-04 2022-12-20 长春长光精密仪器集团有限公司 基于视觉注意机制和信息熵的遥感图像海面舰船检测方法
EP3964937A4 (en) * 2019-06-30 2022-11-09 Huawei Technologies Co., Ltd. USER PROFILE PHOTO GENERATION METHOD AND ELECTRONIC DEVICE
US11914850B2 (en) 2019-06-30 2024-02-27 Huawei Technologies Co., Ltd. User profile picture generation method and electronic device
CN113592795A (zh) * 2021-07-19 2021-11-02 深圳大学 立体图像的视觉显著性检测方法、缩略图生成方法和装置
CN113592795B (zh) * 2021-07-19 2024-04-12 深圳大学 立体图像的视觉显著性检测方法、缩略图生成方法和装置

Also Published As

Publication number Publication date
CN103903223B (zh) 2017-03-01
CN103903223A (zh) 2014-07-02

Similar Documents

Publication Publication Date Title
WO2015161794A1 (zh) 一种基于图像显著性检测的获取缩略图的方法
CN111080724B (zh) 一种红外和可见光的融合方法
US9639956B2 (en) Image adjustment using texture mask
WO2020211522A1 (zh) 图像的显著性区域的检测方法和装置
CN109325988B (zh) 一种面部表情合成方法、装置及电子设备
WO2016045242A1 (zh) 一种图像放大方法、图像放大装置及显示设备
JP2019514123A5 (zh)
TWI543586B (zh) 影像增強的方法及其影像處理裝置與電腦程式產品
JP2012521708A (ja) 色周波数に基づく顕著性マップを用いて画像を修正する方法及び装置
CN104021207A (zh) 一种基于图像的食物信息提供方法
WO2022105415A1 (zh) 关键帧图像的采集方法、装置、系统和三维重建方法
CN105120172A (zh) 一种移动终端前后置摄像头拍照方法及移动终端
KR101028628B1 (ko) 영상 텍스쳐 필터링 방법, 이를 수행하는 프로그램을 기록한 기록매체 및 이를 수행하는 장치
TW201734954A (zh) 資料處理裝置、資料處理方法以及資料處理程式產品
CN115100226B (zh) 一种基于单目数字图像的轮廓提取方法
CN103632372B (zh) 一种视频显著图提取方法
CN108038458B (zh) 基于特征摘要图的视频中的户外场景文本自动获取方法
CN103996179B (zh) 一种基于单尺度Retinex的快速实时图像增强方法
WO2017215156A1 (zh) 壁纸处理方法及装置
US10764509B2 (en) Image processing device, image processing method, and program
WO2018166084A1 (zh) 一种高尔夫球场图的图像处理方法、装置及设备
CN103077396B (zh) 一种彩色图像的向量空间特征点提取方法及装置
Jiang et al. Video-based document image scanning using a mobile device
CN110140150B (zh) 一种图像处理方法、装置以及终端设备
Zavalishin et al. Visually aesthetic image contrast enhancement

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15783460

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 20.04.2017)

122 Ep: pct application non-entry in european phase

Ref document number: 15783460

Country of ref document: EP

Kind code of ref document: A1