[发明专利]一种显著性景深特征的内容敏感图像自动缩放的计算方法

权利要求书

1.一种显著性景深特征的内容敏感图像自动缩放的计算方法，包括S0边界型显著性景深计算、A0景深估算算法和A8非显著区域的形变计算。

2.根据权利要求1所述的S0边界型显著性景深计算，其特征在于，步骤及计算如下：

S1：首先用分水岭算法能够在图像物体边缘处生成岭线进行预处理；

S2：图像被分为众多小区域G；

计算：G(x，y)＝max(grad{f(x，y)}，gθ)，

S3：心理学角度人类的视觉认知系统是通过多次迭代后认知的；

S4：G按照不同尺度与相邻的区域经过相似度计算进行合并得出：颜色区分度越大，显著性越高，

计算：

得到G_i(i＝3，5，9)层，颜色区分度越大，显著性越高。

S5：位置区分度显著性得出靠近中央区域像素比周边像素显著性要高，

计算：

S0：边界型显著性景深计算；

计算：S_i＝norm(C_i)·norm(H_i)，

3.根据权利要求1所述的A0景深估算算法，其特征在于，步骤及计算如下：

A1：本文首先从1000幅高清图像中任意选取若干patch，

A2：通过(采用σ＝2的高斯模糊)进行训练得到模糊字典D_blur，

计算：计算：||x_i||₀≤k，

A3：随后对于目标图像G中的每一个patch分解为若干个基本原子的带权叠加和。

计算： ||G_i-D_blurx_i||₂≤k，

A4：通过计算目标patch分解出的基本原子的个数发现，清晰图像的细节信息比较多，需要D_blur中更多的原子进行逼近，模糊图像可分解为较少的原子叠加；

A5：将图像分解的原子数目fblur作为模糊景深描述并提出景深估算算法；

计算：f_blur＝||x_i||₀，

A0：景深估算算法；

计算：

输入.目标图像I，模糊词典Dblur.

输出.fblur.

Stepl.将目标图像I有重叠的分解为I₀，I₁，I₂，…，I_n.

Step2.for I＝0 to n.

Step3.通过公式5进行模糊分解，得到x₀，x₁，…，x_n.

Step4.通过公式6求出f₀，f₁，…，f_n.

Step5.end.

4.根据权利要求1和3所述的A8非显著区域的形变计算，其特征在于，步骤及计算如下：

A0：景深估算算法；

A6：通过对于景深F在x方向和y方向进行求导增强对背景的保护公式计算；

计算：

A7：保持显著区域的同时减少对非显著区域结构信息的改变，能够缓解非显著区域的失真现象；

A8：非显著区域形变计算；

计算：

输入：目标图像G，模糊词典Dblur，图像缩放比例r.

输出：缩放后的图像G’.

Step1.W(G)→Ge，n＝|G_e||₀.

Step2.通过Dblur，采用模糊景深算法得到图像景深数值F.

Step3.通过公式(8)，F→F’.

Step4.for i＝1 to 3.

Step4.1.for j＝1 to n.

Step4.1.1.通过公式(2)计算颜色区分度Cij.

Step4.1.2.通过公式(3)计算位置区分度Hij.

Step4.1.3.通过公式(4)进行显著性计算Sij.

Step4.1.4.

Step4.2.end.

Step4.3.由S′_ij生成S_i.

Step5.end.

Step6.对{Si}进行显著性融合，产生S(S，r)→Standard Seam Carving algorithm完成图像缩放G’。