发明名称 一种有效的图像自适应方法
摘要 一种有效的图像自适应方法通过图像距离评价方法将现有的细缝裁切方法和非均匀映射方法融合在一起。本方法首先采用细缝裁切的方法对图像进行裁切,每抽取一条细缝后计算当前图像与参考图像的距离,该距离由重要信息变形函数表征,由移除细缝后剩下的重要像素的子图像平均图像差分和被移除重要像素的平均能量损耗加权得到;通过重要信息变形函数评价自适应后图像相对于参考图像的形变程度,通过移除细缝后的重要信息变形函数值的平均值计算平均信息变形差值。当重要信息变形函数的值超过平均信息变形差值时终止细缝裁减方法,改用非均匀映射方法直到得到目标大小的图像。本发明不仅移除图像中非重要区域,并且有效地保持了缩放后图像中重要物体的比例和细节,实现了综合最优的图像自适应。
申请公布号 CN102253800B 申请公布日期 2013.03.06
申请号 CN201110161154.5 申请日期 2011.06.15
申请人 北京工业大学 发明人 毋立芳;宫玉;曹连超;袁星柢;刘书琴;武文斌;邓亚丽;高美琴;张娟娟
分类号 G06F3/14(2006.01)I;G06T7/00(2006.01)I 主分类号 G06F3/14(2006.01)I
代理机构 北京思海天达知识产权代理有限公司 11203 代理人 张慧
主权项 1.一种有效的图像自适应方法,具体步骤如下:1)输入原始视频序列图像作为参考图像,并设定输出图像的目标尺寸;2)提取参考图像中的重要像素信息,具体步骤如下:①将参考图像转化为灰度图像,用函数g(x,y)表示;②对上述步骤中的灰度图像进行十字中值滤波;③应用sobel算子得到灰度图像的边缘;④计算上述边缘图像的平均灰度值Ave_Gray和方差Var_Gray;⑤计算阈值r<sub>0</sub>:r<sub>0</sub>=Ave_Gray+Var_Gray;⑥提取参考图像中的重要像素信息,通过如下阈值法得到二值图像函数b(x,y),<img file="FDA00002115531600011.GIF" wi="526" he="138" />其中值为1的像素为重要像素;3)初始化,具体步骤如下:①初始化状态方程:ASF(x,y)=0,其中,ASF(x,y)记录2)⑥中得到的二值图像中每个重要像素点的状态值,初始时图像中所有重要像素的状态值为零;②初始化布尔函数值:BOOL=0;4)应用细缝裁切方法应用细缝裁切方法在参考图像中找到一条能量值最小的细缝并去除,在当前二值图像中相应的位置去除该条细缝;5)监测当前图像尺寸大小计算当前图像的长和宽,若当前图像尺寸达到目标尺寸,则跳至最后一步;否则,继续向下执行;6)更新重要像素状态更新与被移除的重要像素相邻的没有被移除的8个像素中的重要像素的状态ASF(x,y),其他像素状态不变,计算公式如下: <img file="FDA00002115531600021.GIF" wi="1066" he="289" />其中,(x<sub>u</sub>,y<sub>v</sub>)表示被移除的重要像素,(x<sub>uk</sub>,y<sub>vk</sub>)表示被移除的重要像素相邻的没有被移除的8个像素中的重要像素,1≤k≤8,且k为整数;7)计算重要信息变形函数值,具体步骤如下:①计算平均子图像的差分值ADSI当一条细缝移除,一些重要像素被遗留在当前图像中,以每一个剩下的重要像素为中心取一个大小为(2H+1)×(2H+1)的子图像窗口,计算这个窗口中细缝移除前后像素灰度值变化的平均值,然后遍历所有剩下的重要像素,计算得到所有剩下的重要像素的子图像的平均图像差分值,ADSI计算公式如下:<img file="FDA00002115531600022.GIF" wi="1302" he="127" />其中:C<sub>IP</sub>表示当前图像中重要像素的集合,NUM<sub>IP</sub>表示当前图像中重要像素的总数,(x<sub>cur</sub>,y<sub>cur</sub>)表示移除细缝后剩余的重要像素,s(x<sub>cur</sub>,y<sub>r</sub>)为移除细缝后剩余的重要像素对应的灰度值,(x<sub>ori</sub>,y<sub>ori</sub>)表示移除细缝后剩余的重要像素在细缝移除前的图像中所对应的像素,f(x<sub>ori</sub>,y<sub>ori</sub>)为移除细缝后剩余的重要像素在细缝移除前所对应的灰度值,H为正整数,i,j为子图像窗口中的像素点相对于图像窗口中心像素的位移;②计算平均能量损耗值ALE,计算公式如下:<img file="FDA00002115531600023.GIF" wi="587" he="98" />其中:C<sub>IP</sub>表示当前图像中重要像素的集合,NUM<sub>IP</sub>表示当前图像中重要像素的总数; ③计算重要信息变形函数值IIDF,计算公式如下:IIDF=α×ADSI+β×ALE其中:α,β为加权因子,且β=1-α,0&lt;α&lt;1,0&lt;β&lt;1,ADSI,ALE由步骤7中①、②求得;8)判断何时停止细缝裁切方法,具体步骤如下:①判断布尔函数的值,若其值为零,则继续执行下一步骤;若其值不为零,则跳转至步骤8)中的④;②计算平均信息变形值:<img file="FDA00002115531600031.GIF" wi="337" he="138" />其中,Y<sub>p</sub>表示抽取p条细缝后对应的IIDF的值,X<sub>p</sub>表示抽取的细缝的总数,将X<sub>p</sub>、Y<sub>p</sub>映射至二维坐标系中,每个点P(X<sub>p</sub>,Y<sub>p</sub>)的值对应二维坐标系中的一个点 ,当p=0时,X<sub>p</sub>=0,Y<sub>p</sub>=0,对应坐标系中的原点O(0,0);③若<img file="FDA00002115531600032.GIF" wi="215" he="63" />将布尔函数置为1,首个满足<img file="FDA00002115531600033.GIF" wi="190" he="63" />的点P(X<sub>p</sub>,Y<sub>p</sub>)记为拐点Q(X<sub>q</sub>,Y<sub>q</sub>),从拐点Q开始记录点(X<sub>p</sub>,Y<sub>p</sub>),将这些点组成集合{(X<sub>t</sub>,Y<sub>t</sub>),t=q+1,q+2,...q+r},然后跳转至步骤4);若<img file="FDA00002115531600034.GIF" wi="214" he="63" />保持布尔函数值为零不变,跳转至步骤4);其中,T<sub>1</sub>∈[0.03,0.05],④用点的集合{(X<sub>t</sub>,Y<sub>t</sub>),t=q+1,q+2,...q+r}拟合直线Y=kx+b;⑤计算平均信息变形差值:<img file="FDA00002115531600035.GIF" wi="551" he="136" />其中,(X<sub>t</sub>,Y<sub>t</sub>)是上述步骤④点集中的所有点,k是拟合曲线的斜率,b是拟合曲线的截距;⑥若<img file="FDA00002115531600036.GIF" wi="224" he="64" />则跳转至步骤4);若<img file="FDA00002115531600037.GIF" wi="247" he="63" />细缝裁切方法停止,采用非均匀映射方法将当前图像映射至目标大小,并继续执行;其中,T<sub>2</sub>∈[0.03,0.05];9)输出目标尺寸的图像。 
地址 100124 北京市朝阳区平乐园100号