随着现代科技的迅猛发展,出现了各式各样的数字图像显示设备,如宽频高清电视,笔记本电脑,平板电脑,以及移动电话等.然而,对于一幅给定分辨率和尺寸固定的数字图像,如何在这些不同分辨率和纵横比的显示设备上更好地显示图像是人们关注的热点问题即图像缩放,图像缩放问题已成为近年来数字图像处理领域的研究热点之一图像缩放问题有两个核心要求：(1)缩放后的数字图像尺寸能符合终端显示设备的尺寸和纵横比.(2)数字图像在缩放的过程中能很好地保留和显示人们关注的重要内容.传统的图像缩放方法通常采用简单的插值算法或直接裁剪算法.由于原始图像尺寸与显示设备纵横比不同,插值算法通常会导致原始图像中重要的内容在缩放过程中产生较大变形,从而不能显示令人满意的结果；而直接裁剪算法则有裁剪掉图像中重要内容的风险,使缩放后的图像丢失许多信息.近些年来,为了克服传统图像缩放方法的上述缺陷,研究者们相继提出了许多基于内容感知的图像缩放方法,使得缩放后的数字图像能够自适应地保留原始图像中的重要信息.这些方法主要包括两个步骤：第一,通过从原始图像中提出特征信息,如梯度特征,显著度特征等,用于定义重要度图；第二,根据重要度图删除或增加重要度较低的像元,达到目标尺寸.本文主要围绕已有的图像缩放算法展开讨论,提出一种新的基于视觉机制的智能图像缩放算法.论文主要工作包含以下几个方面：(1)对传统和近年提出的图像缩放算法进行了深入研究和探讨,并通过在标准数据库上进行实验进一步说明各种算法的差异及它们之间的优缺点.(2)提出了一种基于边缘图和显著图的图像缩放算法,在标准数据库上测试了该算法,并定义了一个新的用于评价缩放效果的定量指标.该方法能在缩放图像过程中有效地保留原始图像中的重要内容,在将所提出的方法与已有的主流图像缩放方法进行比较时,实验结果及相应的定量分析均证实本文方法的有效性和优越性.