论文部分内容阅读
显示设备的多样性和数字网络的发展,要求图像、视频等多媒体数据能够在各种显示设备上,以不同的分辨率或纵横比显示,同时能够有效地保持其中的重要信息和显著内容。本文基于图像梯度信息、图像条分割和图像中不同目标的特征信息,对内容感知图像缩放方法进行了研究。研究了基于图像分条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,将相近能量的相邻像素列划分到同—图像条中。根据图像条的累积平均能量及图像目标尺寸计算该条的缩减量,按照相应缩减量缩放各图像条。设置判别缩减比的阈值,当图像条缩减比超过该阈值时,裁剪相应图像条。实验表明,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。基于图像显著目标的特征检测技术,研究了一种结合人脸检测和人体检测的图像重定算法。利用7500张正例样本图像和5000张负例样本图像训练了一个检测效果较好的级联的人脸分类器,用于检测图像中的人脸特征;利用梯度方向直方图特征检测图像中的人体特征。在图像能量图中对人脸特征区域和人体特征区域添加权重,利用条分割算法实现图像目标重定。基于以上研究,开发了图像尺寸调整系统,实现了基于内容感知的图像缩放。在分析视频帧时间相关性和估计运动矢量的基础上,研究了一种有效的视频重定方法。首先利用块匹配法计算帧间的运动矢量,并结合像素的梯度信息构建帧图像的能量图;然后根据能量图对图像进行分条,当前帧图像的分条由前一帧的图像条边界和运动矢量信息加权确定;利用与图像条中平均能量反比例关系,确定图像条缩减量,并尽可能使前后帧中对应图像条具有协调一致的缩减比,以避免视频目标的左右晃动;最后根据缩减量,等比例缩放各自图像条来实现整幅帧图像的尺寸调整,并将所有结果帧图像合成为目标视频。实例表明,该算法在保持主要目标的同时,兼顾视频的时间相关性,有效避免视频图像的抖动现象,获得流畅的视频重定效果。