一种图像缩放方法

摘要

本发明一种图像缩放方法，涉及应用电子设备进行图像缩放的方法，是一种基于阈值与概率的图像快速缩放方法，分为两个过程，A.径向基函数神经网络模型训练过程；B.需要进行缩放的被测试图像的缩放过程。本发明方法使用径向基函数神经网络进行机器学的方法求阈值，将需要进行缩放的图像分成保护区域与非保护区域，在缩放时使用依概率随机缩放，克服了现有技术无法在保证图像缩放效果的同时又能满足实时的图像缩放速度的缺陷。

主权项

一种图像缩放方法，其特征在于：是一种基于阈值与概率的图像快速缩放方法，分为两个过程，A.径向基函数神经网络模型训练过程；B.需要进行缩放的被测试图像的缩放过程，具体步骤如下：A.径向基函数神经网络的模型训练过程：第一步，输入训练图像进行预处理：通过USB接口输入训练用的彩色RGB图像，将输入的训练用彩色RGB图I_tn像由RGB空间转化到灰度空间得到灰度图像I_{gray_tn}，采用的公式(1)如下：I_{gray_tn}＝0.299I_R+0.587I_G+0.114I_B   (1)，其中I_R、I_G、I_B分别是RGB图像的红色、绿色和蓝色通道三个分量，同时保留原始输入的训练用的彩色RGB图像I_tn，供第二步中显著性检测算法使用，输入训练用的彩色RGB图像I_tn的大小为l_tn×w_tn像素，l_tn＞0，w_tn＞0；第二步，提取训练用的彩色RGB图像重要度图：(2.1)利用视觉显著度模型检测训练用的彩色RGB图像I_tn中的显著性目标,得到显著度图：利用视觉显著度模型检测训练用的彩色RGB图像I_tn中的显著性目标，即对第一步保留的原始输入的彩色RGB图像I_tn通过视觉显著度模型即GBVS模型计算显著度图，并将该显著图输出为原始图片的单通道尺寸l×w像素，得到显著度图I_{GBVS_tn}，l＞0，w＞0；(2.2)提取灰度图像I_{GBVS_tn}的梯度图：利用第一步中得到的灰度图像I_{gray_tn}计算图像的梯度图，分别在x方向和y方向上对灰度图像求偏导，并取其绝对值得到两个方向上的梯度，然后将两个方向上的梯度相加得到第一步中的灰度图像I_{gray_tn}的梯度图I_{Grad_tn}，采用的公式(2)如下：$I_{Grad\_tn}=\left|\frac{\partial }{\partial x}{I}_{gray\_tn}\right|+\left|\frac{\partial }{\partial y}{I}_{gray\_tn}\right|---\left(2\right),$(2.3)重要度融合：将上述(2.1)步中得到的显著度图I_{GBVS_tn}与(2.2)步中得到的梯度图I_{Grad_tn}进行融合，得到最终的重要度图I_{E_tn}，采用的公式(3)如下：I_{E_tn}＝I_{GBVS_tn}+I_{Grad_tn}   (3)，由此提取到训练用的彩色图像重要度图；第三步，计算输入训练用的彩色RGB图像的能量向量分布直方图：根据第二步得到的重要度图I_{E_tn}，计算输入训练用的彩色RGB图像的能量向量分布直方图，(3.1)计算垂直方向能量向量分布直方图：首先计算垂直方向能量向量，即垂直方向的重要度图的累加和，利用公式(4)：$V_{tn\_v}\left(j\right)={\Sigma }_{i=1}^l{I}_{E\_tn}(i,j)---\left(4\right),$其中，I_{E_tn}(i，j)是重要度图I_{E_tn}的第i行第j列个值，j＝1,…,w，V_{tn_v}(j)是能量向量V_{tn_v}的第j个值；其次，进行垂直方向能量向量归一化处理：$\overline{V_{tn\_v}}\left(j\right)=V_{tn\_v}\left(j\right)/max\left(V_{tn\_v}\right)---\left(5\right),$则的取值范围是[0,1]；最后，将的取值范围[0,1]平均分成N个子区间，N≥2，计算归一化后的垂直方向能量向量落在第k个子区间[(k‑1)/N，k/N]的垂直方向能量向量值的个数m_{tn_v}(k)，k＝1,2,…,N，统计m_{tn_v}(k)在总列数中所占的比例数h_{tn_v}(k):$h_{tn\_v}\left(k\right)=m_{tn\_v}\left(k\right)/{\Sigma }_{k=1}^N{m}_{tn\_v}\left(k\right)---\left(6\right),$根据h_{tn_v}(k)的计算得到垂直方向能量向量分布直方图：H_{tn_v}＝[h_{tn_v}(1)，h_{tn_v}(2)，h_{tn_v}(3)，...，h_{tn_v}(N)]   (7)；(3.2)计算水平方向能量向量分布直方图：首先计算水平方向能量向量，即水平方向的重要度图的累加和，利用公式(8)：$V_{tn\_h}\left(i\right)={\Sigma }_{j=1}^w{I}_{E\_tn}(i,j)---\left(8\right),$其中，V_{tn_h}(i)是能量向量V_{tn_h}的第i个值，i＝1,…,l；其次，进行水平方向能量向量归一化处理：$\overline{V_{tn\_h}}\left(i\right)=V_{tn\_h}\left(i\right)/max\left(V_{tn\_h}\right)---\left(9\right),$则的取值范围是[0,1]；最后，将的取值范围[0,1]平均分成N个子区间，N≥2，计算归一化后的水平方向能量向量落在第k个子区间[(k‑1)/N，k/N]的水平方向能量向量值的个数m_{tn_h}(k)，k＝1,2,…,N，统计m_{tn_h}(k)在总列数中所占的比例数h_{tn_h}(k):$h_{tn\_h}\left(k\right)=m_{tn\_h}\left(k\right)/{\Sigma }_{k=1}^N{m}_{tn\_h}\left(k\right)---\left(10\right),$根据h_{tn_h}(k)得到水平方向能量向量分布直方图：H_{tn_h}＝[h_{tn_h}(1)，h_{tn_h}(2)，h_{tn_h}(3)，...，h_{tn_h}(N)]   (11)，由此完成能量向量分布直方图的计算；第四步，获得阈值模型：根据MSRA图像数据集中提供的与训练用的彩色RGB图像所对应的真实标注图与上述第三步得到的能量向量分布直方图，统计图像的最佳人工阈值并训练阈值模型，步骤如下：(4.1)设定初始阈值T_m:将彩色RGB图像中能量向量大于初始阈值T_m的部分使用阴影方式标注出来；(4.2)对比带有标注的图像与真实标注图:当带有标注的图像中被标注的区域没有完全覆盖真实标注图中标出的主要物体，则减小初始阈值T_m直到带有标注的图像中被标记的区域恰好覆盖真实标注图中标出的主要物体，当带有标注的图像中被标记的区域能够完全覆盖真实标注图中标出的主要物体并且覆盖到真实标注图中标出的主要物体区域之外，则增加初始阈值T_m直到带有标注的图像中被标记的区域恰好覆盖真实标注图中标出的主要物体；(4.3)获得阈值模型：统计训练集中所有图像的经过调整的初始阈值T_m即人工阈值，将所得到的每幅图像的最佳阈值与上述第三步计算的能量向量分布直方图作为输入数据，利用径向基函数神经网络进行训练，得到阈值模型；至此，完成径向基函数神经网络的模型训练过程；B.需要进行缩放的被测试图像的缩放过程：第五步，输入需要进行缩放的被测试彩色RGB图像进行预处理：通过计算机USB接口输入需要进行缩放的被测试彩色RGB图像I_ts，并输入目标图像的大小，将得到的彩色图像由RGB空间转化到灰度空间得到灰度图像I_{gray_ts}，采用的公式(1’)为：I_{gray_ts}＝0.299I_R+0.587I_G+0.114I_B   (1’)，其中I_R、I_G、I_B分别是被测试彩色RGB图像的红色、绿色和蓝色通道三个分量，保留原始输入的被测试彩色RGB图像I_ts，供下一步中显著性检测算法使用，输入的被测试彩色RGB图像I_ts每个通道的大小为l_ts×w_ts像素，l_ts＞0，w_ts＞0，目标图像I_o每个通道的大小为l′_ts×w′_ts像素，l′_ts＞0，w′_ts＞0；第六步，提取需要进行缩放的被测试彩色RGB图像重要度图：使用与上述A中第二步相同的方法，提取需要进行缩放的被测试彩色RGB图像I_ts的重要度图I_{E_ts}，由此提取到被测试彩色图像重要度图I_{E_ts}；第七步，判断需要进行缩放的被测试彩色RGB图像缩放方式：根据上述第五步输入需要进行缩放的被测试彩色RGB图像I_ts的大小l_ts×w_ts像素和目标图像I_o大小l′_ts×w′_ts像素，用如下式(12)计算总缩放比，并判断缩放方式，即是缩小操作还是放大操作，并计算水平方向与垂直方向所要删除/复制的直线条数；$\left\{\begin{array}{c}{R}_l=l_{ts}^{\prime }/l_{ts}\\ R_w=w_{ts}^{\prime }/w_{ts}\end{array}\right.---\left(12\right),$上式中，R_l为需要进行缩放的被测试彩色RGB图像横向的总缩放率，R_w为需要进行缩放的被测试彩色RGB图像的纵向总缩放率，具体操作如下；(7.1)删除操作：将输入的需要进行缩放的被测试彩色RGB图像大小和目标图像I_o大小进行对比,当l_ts＜l′_ts或w_ts＜w′_ts时，进行删除操作，设置缩放阈值T_MAX，用于衡量缩放的尺度是否过大，当水平缩放尺度(l_ts‑l′_ts)与垂直缩放尺度(w_ts‑w′_ts)均满足下式(13a)，则水平方向删除的线条数N_l与垂直方向删除的线条数N_w，计算公式如式(13b)：$\left\{\begin{array}{c}{l}_{ts}-l_{ts}^{\prime }\le l_{ts}\times T_{\max }\\ w_{ts}-w_{ts}^{\prime }\le w_{ts}\times T_{\max }\end{array}\right.---\left(12a\right),$$\left\{\begin{array}{c}{N}_l=l_{ts}-l_{ts}^{\prime }\\ N_w=w_{ts}-w_{ts}^{\prime }\end{array}\right.---\left(13b\right),$当输入的需要进行缩放的被测试彩色RGB图像与目标图像I_o的大小在一个或两个方向不满足式(13a)，则水平方向删除的线条数N_l与垂直方向删除的线条数N_w计算公式如式(14)：$\left\{\begin{array}{c}{N}_l=l_{ts}\times (1-T_{MAX})\times \min \{\frac{l_{ts}^{\prime }}{l_{ts}}/\frac{w_{ts}^{\prime }}{w_{ts}},\frac{w_{ts}^{\prime }}{w_{ts}}/\frac{l_{ts}^{\prime }}{l_{ts}}\}\\ N_w=w_{ts}\times (1-T_{MAX})\times \min \{\frac{l_{ts}^{\prime }}{l_{ts}}/\frac{w_{ts}^{\prime }}{w_{ts}},\frac{w_{ts}^{\prime }}{w_{ts}}/\frac{l_{ts}^{\prime }}{l_{ts}}\}\end{array}\right.---\left(14\right),$(7.2)复制操作：将输入的需要进行缩放的被测试彩色RGB图像与目标图像I_o的进行对比,当l_ts＞l′_ts并且w_ts＞w′_ts时，进行复制操作，对于上述(7.1)步中的缩放阈值T_MAX，当水平缩放尺度(l′_ts‑l_ts)与垂直缩放尺度(w′_ts‑w_ts)均满足下式(15a)，则水平方向复制的线条数N_l与垂直方向复制的线条数N_w计算公式如式(15b)：$\left\{\begin{array}{c}{l}_{ts}^{\prime }-l_{ts}\le l_{ts}\times T_{\max }\\ w_{ts}^{\prime }-w_{ts}\le w_{ts}\times T_{\max }\end{array}\right.---\left(15a\right),$$\left\{\begin{array}{c}{N}_l=l_{ts}^{\prime }-l_{ts}\\ N_w=w_{ts}^{\prime }-w_{ts}\end{array}\right.---\left(15b\right),$当输入的需要进行缩放的被测试彩色RGB图像与目标图像I_o的大小在一个或两个方向不满足式(15a)，则水平方向上复制的线条数N_l与垂直方向上复制的线条数N_w计算公式如式(16)，$\left\{\begin{array}{c}{N}_l=l_{ts}\times (1-T_{MAX})\times \min \{\frac{l_{ts}^{\prime }}{l_{ts}}/\frac{w_{ts}^{\prime }}{w_{ts}},\frac{w_{ts}^{\prime }}{w_{ts}}/\frac{l_{ts}^{\prime }}{l_{ts}}\}\\ N_w=w_{ts}\times (1-T_{MAX})\times \min \{\frac{l_{ts}^{\prime }}{l_{ts}}/\frac{w_{ts}^{\prime }}{w_{ts}},\frac{w_{ts}^{\prime }}{w_{ts}}/\frac{l_{ts}^{\prime }}{l_{ts}}\}\end{array}\right.---\left(16\right),$第八步，计算需要进行缩放的被测试彩色RGB图像的能量向量分布直方图：根据上述第六步得到的需要进行缩放的被测试彩色RGB图像的重要度图I_{E_ts}以及上述第七步的判断缩放方式，在需要缩放的方向上使用上述A中的第三步计算输入训练用的彩色RGB图像的能量向量分布直方图的相同的方法计算得需要进行缩放的被测试彩色RGB图像的能量向量分布直方图H；第九步，根据当前图像的阈值T_d将需要进行缩放的被测试彩色RGB图像分成保护区域与非保护区域：将上述第八步得到的需要进行缩放的被测试彩色RGB图像的能量向量分布直方图H输入到上述A中完成训练的径向基函数神经网络的模型，得到当前图像的阈值T_d，并根据阈值T_d将需要进行缩放的被测试彩色RGB图像分成保护区域与非保护区域，设V_ts为需要进行缩放的被测试彩色RGB图像的能量向量V_ts中的第i个值，当V_ts(i)≥T_d，则需要进行缩放的被测试彩色RGB图像的第i列属于保护区域；当V_ts(i)＜T_d，则原需要进行缩放的被测试彩色RGB图像的的第i列属于非保护区域；第十步，计算需要进行缩放的被测试彩色RGB图像保护区域与非保护区域的缩放比：(10.1)根据上述第七步的判断缩放方式得到需要进行缩放的被测试彩色RGB图像总缩放率，并判断需要进行缩放的被测试彩色RGB图像的保护区域与非保护区域是否都要进行缩放，为了使非保护区域不被过度删除，设定一个固定阈值T_del＝0.5，当只缩放非保护区域就能达到目标缩放比，且对非保护区域缩放量不超过固定阈值T_del，即满足下式(17)，则认为缩放比不大；反之，则认为缩放比大，$\left\{\begin{array}{c}{N}_l<N_{ul}\times T_{del}\\ N_w<N_{uw}\times T_{del}\end{array}\right.---\left(17\right),$上式中，N_ul指非保护区域的需要进行缩放的被测试彩色RGB图像列数，N_uw指非保护区域的需要进行缩放的被测试彩色RGB图像行数；(10.2)当缩放比不大，则只删除或复制非保护区域的需要进行缩放的被测试彩色RGB图像列数或行数直到完成缩放目标，需要删除或复制非保护区域的图像列数或行数的公式如式18(a)和18(b)所示，当缩放比大，则先删除或复制非保护区域的图像列至达到固定阈值T_del上限，然后对非保护区域与保护区域使用同样大小的缩放比来删除或复制需要进行缩放的被测试彩色RGB图像列至完成缩放目标，即当需要进行缩放的被测试彩色RGB图像的保护区域的缩放比是x，则需要进行缩放的被测试彩色RGB图像的非保护区域的缩放比是x+T_del，其需要删除或复制需要进行缩放的被测试彩色RGB图像的非保护区域与需要进行缩放的被测试彩色RGB图像的保护区域的图像列数或行数如式(18c)～(18f)所示；$\left\{\begin{array}{cc}{N}_l=N_{udl}+N_{pdl}& \left(a\right)\\ N_w=N_{udw}+N_{pdw}& \left(b\right)\\ N_{udl}=N_l\times (x_l+T_{del})& \left(c\right)\\ N_{udw}=N_w\times (x_w+T_{del})& \left(d\right)\\ N_{pdl}=N_l\times x_l& \left(e\right)\\ N_{pdw}=N_w\times x_w& \left(f\right)\\ x_w=[(1-P_w)\times w_{ts}-w_{tsu}\times T_{del}]/w_{ts}& \left(g\right)\\ x_l=[(1-P_l)\times l_{ts}-l_{tsu}\times T_{del}]/l_{ts}& \left(h\right)\end{array}\right.---\left(18\right),$上述式(18)中，N_udl指需要进行缩放的被测试彩色RGB图像的非保护区域需要删除或复制的图像列数，N_udw指需要进行缩放的被测试彩色RGB图像的非保护区域需要删除或复制的图像行数，N_pdl指需要进行缩放的被测试彩色RGB图像的保护区域需要删除或复制的图像列数，N_pdw指需要进行缩放的被测试彩色RGB图像的保护区域需要删除或复制的图像行数，x_l指需要进行缩放的被测试彩色RGB图像的保护区域图像行的删除率，x_w指需要进行缩放的被测试彩色RGB图像的保护区域图像列的删除率，w_tsu指需要进行缩放的被测试彩色RGB图像的非保护区域的宽度，l_tsu指需要进行缩放的被测试彩色RGB图像的非保护区域的长度，至此完成需要进行缩放的被测试彩色RGB图像的保护区域与非保护区域的缩放比计算；第十一步，依概率随机缩放：根据上述第十步中计算得到的需要进行缩放的被测试彩色RGB图像的保护区域和非保护区域的缩放比，求出的需要进行缩放的被测试彩色RGB图像的保护区域和非保护区域需要删除或复制的直线数目，对需要进行缩放的被测试彩色RGB图像的保护区域与非保护区域进行依概率随机缩放，具体操作如下：(11.1)对要进行缩放行或列的需要进行缩放的被测试彩色RGB图像的保护区域和非保护区域，使用以下公式(19)对需要进行缩放的被测试彩色RGB图像的第i列计算其概率函数值P_i，P_i＝1‑[(V_ts(i)‑min(V_ts))/(max(V_ts)‑min(V_ts))]^1/2   (19),上式中，V_ts是需要进行缩放的被测试彩色RGB图像的能量向量；(11.2)获得一个在[0,1]范围内的随机值R_i，比较P_i与R_i的大小,当P_i＞R_i，则对需要进行缩放的被测试彩色RGB图像的第i列进行标注处理，当P_i＜R_i，则不对需要进行缩放的被测试彩色RGB图像的第i列进行处理,当标注的直线数达到上述第七步中得到的进行缩放要求的数目时，则停止处理，进行下述第(11.3)步；(11.3)根据在上述第七步中得到的缩放方式对标注的直线进行处理,当是缩小操作，则直接删除当前直线，并将其右侧的所有直线向左侧移动一个像素,当是放大操作，则先将其右侧的所有直线向右侧移动一个像素，再在该直线右侧一个像素处复制当前直线；至此完成需要进行缩放的被测试彩色RGB图像的快速缩放。