[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

说明书

本发明公开了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A1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,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,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,得出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,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，能够缓解带来的非显著区域的失真现象。

技术领域

本发明涉及图像缩放领域，具体为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。

背景技术

随着手机、数码相机等设备的普及，人们无时无刻不在用照片记录生活中的一点一滴。然而，不同显示设备(手机、Pad、电视、网页等)会导致照片内容为了适应屏幕的纵横比产生严重的失真(拉伸、压缩或扭曲)。本研究针对这一问题，提出基于显著性景深特征的内容敏感图像自动缩放算法，使得图像常常需要在不同尺寸大小和分辨率的设备上进行现实。通用电子图像在拍摄完成后，其分辨率和纵横比不能随着显示设备的尺寸自动改变。在显示时，不同尺寸中切换会导致图像被严重的拉伸或者压缩，从而影响图像的正常视觉体验和图像信息丢失，图像显著性特征可以保证图像重要信息、重要区域内容不丢失；基于边缘模糊特性的景深估计算法能够提高图像结构信息的完整性。

传统图像缩放方法包括线性尺度缩放(Scale)、剪裁缩放(Crop)、像素缩放(Pixel)和最优缩放(Optimal)^[1]。其中Scale方法采用等比例缩放拉伸原理，易造成图像因为比例变化大而产生主要目标被压缩或拉宽；Crop方法通过裁剪图像的外围部分确保图像中央部分的内容，如果被裁剪图片的重要信息分布在图片一侧，该方法会产生严重信息丢失现象；Pixel算法和Optimal 算法采用基于单个像素重要性完成缩放，由于像素无法体现图像整体特征，该方法不可避免的会产生噪点，锯齿波等缺陷，除此以外，知名商业修图软件Photoshop(PS)也针对这一问题，新增了内容敏感裁剪操作：Content-aware Scale(CAS)，但是图像比例被严重破坏了，由于手机、宽屏显示器等出现，使得图像缩放过程中会出现纵横比改变较大的情况。针对大比例图像缩放，由于显著性特征的存在往往会造成显著物体周围出现扭曲(重要信息过保护现象)。

现有缩放技术在图像缩放时会出现丢失重要信息，物体边缘扭曲，图像结构信息不完整等问题，本研究结合心理学相关理论，改进传统区域显著性计算方法并且引入非显著区域结构信息保持的概念，利用稀疏学习算法对于图像(轻微)模糊特性估算得到模糊字典提出图像结构描述子并以此辅助显著性计算能够在保持显著信息、边缘完整的同时，有效减少结构信息的丢失或损坏，使缩放后的图像更符合人们的视觉体验。采用本研究提出的算法建立内容敏感图像自动缩放原型系统，能够快速、便捷的将目标图像根据现实设备的尺寸自动完成缩放，根据区域型显著性计算方法虽然可以得到图像的显著性特征，但是由于缺乏对于图像边界的约束，导致缩放后的图像在边缘处(尤其是重要区域)会发生比较严重的形变。本研究针对这一现象提出边缘敏感的显著性计算，解决边缘形变的问题。

发明内容

本发明的目的在于提供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，采用在箱体内设有能够起到多功用的单元，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：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。

在上述方法中：S0边界型显著性景深计算，其特征在于，步骤及计算如下：