封面故事|内容感知图像缩放

2018 年 5 月 9 日 中国图象图形学报

点击论文题目,可以阅读全文呦~

基于弹簧变形模型的图像缩放方法

作者:谷香丽,迟静,张彩明

来源:《中国图象图形学报》2018年第5期

DOI: 10.11834/jig.170374

论文看点

1. 从弹簧系统模型的角度分析处理网格变形,把每个三角形的边看作一个弹簧,为图像构建弹簧系统,通过优化该系统的变形实现图像缩放。 

2. 根据图像显著度设置弹簧的弹性系数, 该系数可在缩放时有效保持图像的主体区域, 避免主体内容缩放不均匀或变形; 

3. 把图像中重要区域和直线特征的保持作为约束,构造用于约束弹簧系统变形的目标函数,优化弹簧系统变形,该函数可在保持主体区域的同时, 很好地保护图像中的特征直线。

专家评语

1. 采用弹簧模型和直线约束,对非等比例图像缩放的目标变形有很好的抑制效果。

2. 通过弹簧系统变形带动网格变形进而实现图像缩放,与现有的内容感知图像缩放方法相比,本文方法所处理的图像视觉效果更好,能够有效、快速地处理各种图像的内容感知缩放。

研究方法

     首先,为控制图像缩放,对输入图像进行显著性检测和特征直线检测;

     其次,在图像上构建一个平面三角网格,视三角网格的每一条边为一根弹簧,则整个三角网格构成一个弹簧系统,可利用该弹簧系统的变形实现图像缩放,其中,根据每根弹簧所在图像区域的显著度设置弹簧的弹性系数,该系数可在缩放时有效保持图像的主体区域,避免主体内容缩放不均匀或变形;

      然后,以图像直线特征保持为约束,构造用于约束弹簧系统变形的目标函数;

      最后,利用纹理贴图技术把弹簧系统每个三角形对应的图像贴回弹簧系统,得到缩放后的目标图像。

结果展示

       为证明本文方法的有效性,对大量图像进行多比例缩放测试,并与现有方法进行比较。在同比例缩放下,本文方法可以更好地保持图像中的主体区域,以及特征直线,使放缩后的图像整体具有更好的视觉效果。本文方法的计算时间小于0.19 s,时间成本与现有方法大致相同。

结论

       运用弹簧系统实现网格的缩放,一方面通过设定弹簧的弹性系数,较好的实现图像主体的保护;另一方面通过构造目标函数对网格进行变形优化,更好的保持了图像特征。

       实验证明应用该方法对图像进行不同比例缩放时,在有效突显出图像中的显著区域或重要物体的同时很好地保持了图像的主要直线特征,使放缩后的图像整体具有较好的视觉效果。但由于目前的显著性检测和直线检测仍然存在很多问题有待提高,如直线检测的稳定性和如何检测到较短直线区域或者边界不够清晰区域的直线,是下一步研究要考虑的问题。

作者简介

谷香丽

现在山东财经大学计算机应用技术专业攻读硕士研究生,研究方向为数字图像处理。Email: xiangligu1@163.com

迟静

山东财经大学副教授,硕士生导师。山东省省属优青人才基金获得者。担任中国工业与应用数学学会几何设计与计算专业委员会委员、山东计算机学会数字媒体技术与艺术专业委员会委员。研究方向为图像处理、计算机动画和几何造型。在国内外权威期刊和学术会议上发表论文40余篇。授权和受理国家发明专利3项。主持国家自然科学基金、省自然科学基金重点项目等各类科研项目10余项。获教育部高等学校科学研究优秀成果奖二等奖1项、山东省科技进步奖二等奖1项、山东高等学校优秀科研成果奖一等奖2项、二等奖3项和三等奖8项。

Email:peace_world_cj@126.com

张彩明

山东大学教授,山东财经大学特聘教授,博士生导师,享受国务院政府特殊津贴专家,山东省有突出贡献的中青年专家。现任山东大学计算机应用技术研究所所长。2003年至2014年兼任山东财经大学计算机科学与技术学院院长,现兼任数字媒体研究院院长。长期从事计算机辅助几何设计、计算机图形学、科学计算可视化、医学图像处理等方面的理论研究与系统开发工作,在国内外有影响的杂志和学术会议上发表相关论文330余篇,出版计算机图形学专著一部。多次主持国家自然科学基金重点项目和重大国际合作项目及面上项目、863计划及省部级科技项目。获教育部科技进步一等奖1次、二等奖2次,山东省科技进步二等奖5次、三等奖3次。

实验室简介

       山东省数字媒体技术重点实验室依托于山东财经大学数字媒体技术研究院和计算机科学与技术学院,拥有“计算机科学与技术”一级学科硕士点、“计算机应用技术”与“计算机软件与理论”二级学科硕士点和自主设置的“数字媒体技术”二级学科硕士点。

       实验室主要从事几何设计与可视媒体计算、并行处理与科学计算可视化、数字视频与图像处理、计算机动画与游戏以及金融大数据可视化分析等方向的基础理论、算法和应用技术研究,形成了特色鲜明、国内有一定知名度的学科方向。其中,由张彩明教授带领的数字视频与图像处理研究团队多年来致力于数字图像和医学图像处理的基础理论和应用技术研究以及系统研发工作。先后承担了一批国家、省级和地方重大科研项目,包括国家自然科学基金重点项目、国家自然科学基金重大国际合作项目、国家自然科学基金联合基金项目、国家自然科学基金面上项目10余项,山东省自然科学基金重点项目、山东省重点研发计划、山东省自然科学基金面上项目9项。

       研究团队在医学图像处理方面取得了一系列研究成果,包括基于医学影像数据反向求解图像原场景的信息挖掘理论和方法、基于数据挖掘和数值拟合技术构造虚拟人体三维模型的方法、基于保型拟合约束的快速医学图像放大方法等。研发的具有自主知识产权的医学图像处理系统已在省内外几十家不同级别的医院推广使用,可为这些医院大大节省CT、MRI等影像设备的胶片使用费用、数据资料保存和处理费用等开支,具有很好的社会效益和经济效益。

       另外,研究团队在有理分形曲面的构造理论及其在超分辨率图像重建上的应用、图像去雾、基于网格变形的内容感知图像缩放、人脸表情建模和跟踪等方面也取得了重要的理论和技术突破,为相关领域提供了理论基础和技术支撑。

引用格式:

Gu X L,Chi J,Zhang C M.Image scaling based on the spring deformation model[J]. Journal of Image and Graphics ,2018, 23(5): 0756-0765.[谷香丽,迟静,张彩明.基于弹簧变形模型的图像缩放方法[J]. 中国图象图形学报,2018,23(5): 0756-0765.]

[ DOI:10.11834/jig.170374]

中国图象图形学报 | 订阅号

传播学术,分享信息

用知识和情怀,陪你一路成长


点击阅读原文查看更多


登录查看更多
0

相关内容

在计算机图像处理和计算机图形学中,图像缩放(image scaling)是指对数字图像的大小进行调整的过程。图像缩放是一种非平凡的过程,需要在处理效率以及结果的平滑度(smoothness)和清晰度(sharpness)上做一个权衡。当一个图像的大小增加之后,组成图像的像素的可见度将会变得更高,从而使得图像表现得“软”。相反地,缩小一个图像将会增强它的平滑度和清晰度。
多智能体深度强化学习的若干关键科学问题
专知会员服务
188+阅读 · 2020年5月24日
[CVPR 2020-港中文-MIT] 神经架构搜索鲁棒性
专知会员服务
25+阅读 · 2020年4月7日
中科大-人工智能方向专业课程2020《脑与认知科学导论》
姿势服装随心换-CVPR2019
专知会员服务
34+阅读 · 2020年1月26日
 图像内容自动描述技术综述
专知会员服务
86+阅读 · 2019年11月17日
你真的懂对抗样本吗?一文重新思考对抗样本背后的含义
GAN生成式对抗网络
6+阅读 · 2019年9月16日
自动驾驶车辆定位技术概述|厚势汽车
厚势
10+阅读 · 2019年5月16日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
稀疏&集成的卷积神经网络学习(续)
计算机视觉战队
4+阅读 · 2017年11月18日
稀疏&集成的卷积神经网络学习
计算机视觉战队
6+阅读 · 2017年11月16日
基于图片内容的深度学习图片检索(一)
七月在线实验室
20+阅读 · 2017年10月1日
上下文感知相关滤波跟踪
统计学习与视觉计算组
6+阅读 · 2017年6月17日
Arxiv
5+阅读 · 2019年2月28日
Arxiv
12+阅读 · 2018年9月15日
Arxiv
3+阅读 · 2018年6月14日
Arxiv
15+阅读 · 2018年4月5日
Arxiv
4+阅读 · 2018年3月14日
Arxiv
20+阅读 · 2018年1月17日
VIP会员
相关VIP内容
多智能体深度强化学习的若干关键科学问题
专知会员服务
188+阅读 · 2020年5月24日
[CVPR 2020-港中文-MIT] 神经架构搜索鲁棒性
专知会员服务
25+阅读 · 2020年4月7日
中科大-人工智能方向专业课程2020《脑与认知科学导论》
姿势服装随心换-CVPR2019
专知会员服务
34+阅读 · 2020年1月26日
 图像内容自动描述技术综述
专知会员服务
86+阅读 · 2019年11月17日
相关资讯
你真的懂对抗样本吗?一文重新思考对抗样本背后的含义
GAN生成式对抗网络
6+阅读 · 2019年9月16日
自动驾驶车辆定位技术概述|厚势汽车
厚势
10+阅读 · 2019年5月16日
一文读懂图像压缩算法
七月在线实验室
16+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
41+阅读 · 2018年4月26日
稀疏&集成的卷积神经网络学习(续)
计算机视觉战队
4+阅读 · 2017年11月18日
稀疏&集成的卷积神经网络学习
计算机视觉战队
6+阅读 · 2017年11月16日
基于图片内容的深度学习图片检索(一)
七月在线实验室
20+阅读 · 2017年10月1日
上下文感知相关滤波跟踪
统计学习与视觉计算组
6+阅读 · 2017年6月17日
相关论文
Arxiv
5+阅读 · 2019年2月28日
Arxiv
12+阅读 · 2018年9月15日
Arxiv
3+阅读 · 2018年6月14日
Arxiv
15+阅读 · 2018年4月5日
Arxiv
4+阅读 · 2018年3月14日
Arxiv
20+阅读 · 2018年1月17日
Top
微信扫码咨询专知VIP会员