Seam Carving和显著性分析的图像缩放方法研究

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (30): 168-171.

• 图形、图像、模式识别 • 上一篇下一篇

Seam Carving和显著性分析的图像缩放方法研究

王玺1，2，夏清国1，窦召虎2，李群组1

1.西北工业大学计算机学院，西安 710129
2.解放军94153部队

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-21 发布日期:2011-10-21

Image resizing based on combination of Seam Carving and salient region analysis

WANG Xi1，2，XIA Qingguo1，DOU Zhaohu2，LI Qunzu1

1.College of Computer，Northwestern Polytechnical University，Xi’an 710129，China
2.Unit of 94153，PLA

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-21 Published:2011-10-21

摘要/Abstract

摘要： 提出一种基于Seam Carving和显著性分析相结合的图像缩放方法。通过不断移除（插入）缝合线来实现对图像尺寸的缩小（放大）。通过研究Seam Carving在图像缩放及目标保留移除中存在的问题，已有的基于像素点计算图像能量函数的方法会对某些图像失效，提出一种基于显著性区域求解图像能量函数的SDRS方法。实验结果表明，Seam Carving方法对自然图像的处理能够达到令人满意的效果。Seam Carving方法和SDRS方法的结合，也是一个创新点。

关键词: Seam Carving, 尺寸缩放, 能量函数, 显著区域检测和分割（SRDS）

Abstract: A new image resizing based on Seam Carving and salient region analysis is presented.By repeatedly carving out or inserting seams in different directions the aspect ratio of an image can be changed.The original Seam Carving method fails when it meets some special images on resizing，object reserving，and object removing.With the analysis of the method called Seam Carving and the definition of the energy function，another method Salient Region Detection and Segmentation（SRDS） is introduced into the paper.The experiments on real image show that Seam Carving is acceptable in nature image processing.The combine of the Seam Carving and the SRDS is an innovation.

Key words: Seam Carving, image resizing, energy function, Salient Region Detection and Segmentation（SRDS）

王玺1，2，夏清国1，窦召虎2，李群组1. Seam Carving和显著性分析的图像缩放方法研究[J]. 计算机工程与应用, 2011, 47(30): 168-171.

WANG Xi1，2，XIA Qingguo1，DOU Zhaohu2，LI Qunzu1. Image resizing based on combination of Seam Carving and salient region analysis[J]. Computer Engineering and Applications, 2011, 47(30): 168-171.

[1]	郭泓邑，张红民，李萍萍. 一种视差伪影最小化的视频拼接方法[J]. 计算机工程与应用, 2020, 56(20): 186-190.
[2]	朱鹭伟，陈昭炯. 结合美学原则的内容感知图像缩放算法[J]. 计算机工程与应用, 2017, 53(4): 189-194.
[3]	王雷，黄晨雪，王高波. 改进的MRF彩色图像分割算法[J]. 计算机工程与应用, 2016, 52(13): 191-194.
[4]	牛文斐，汪西莉. 基于形状先验和图割的彩色图像分割[J]. 计算机工程与应用, 2015, 51(1): 162-166.
[5]	侯培1，2，田庆国1，2，葛宝臻1，2. 基于优化DRG的三维人体点云骨架提取方法[J]. 计算机工程与应用, 2014, 50(18): 182-187.
[6]	裴芳1，高屾1，韩旭里2. 三次Hermite插值曲线的能量优化[J]. 计算机工程与应用, 2014, 50(12): 184-187.
[7]	曾纪国，余国和，谢旭升，刘建明. 快速鲁棒的立体匹配方法[J]. 计算机工程与应用, 2013, 49(14): 196-198.
[8]	叶秀芬，王雷，王天. BEMD-分层水平集侧扫声纳图像快速分割算法[J]. 计算机工程与应用, 2012, 48(30): 24-27.
[9]	卞维新，徐德琴. Snake模型在指纹图像分割中的应用[J]. 计算机工程与应用, 2011, 47(7): 205-207.
[10]	刘光帅，李柏林，何朝明. 分段光滑曲面重构的面片图稀疏优化方法[J]. 计算机工程与应用, 2011, 47(4): 22-25.
[11]	谢意1，杨玲2. 自适应模型的水平集图像分割方法[J]. 计算机工程与应用, 2011, 47(27): 221-224.
[12]	袁晓光，刘红，程鸿，韦穗. 用图割构造长景物图像[J]. 计算机工程与应用, 2011, 47(12): 196-199.
[13]	潘志红，金曦. H.264/AVC帧内4×4块快速帧内预测算法[J]. 计算机工程与应用, 2011, 47(11): 175-177.
[14]	喻莹^1,2,杨扬¹,董才林³,何秀玲³,陈增照³. 小波包变换在手写体金融汉字识别中的应用[J]. 计算机工程与应用, 2008, 44(31): 229-232.
[15]	王鸿斌^1,2,李福平¹,张立毅¹,王华奎¹. 基于改进型Hopfield神经网络的盲多用户检测算法[J]. 计算机工程与应用, 2008, 44(10): 230-233.

Seam Carving和显著性分析的图像缩放方法研究

Image resizing based on combination of Seam Carving and salient region analysis

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics