[发明专利]基于显著性检测的内容感知图像缩略图生成方法

说明书

本发明公开了一种基于显著性检测的内容感知图像缩略图生成算法，步骤(1)、用显著性检测技术得到输入图像的显著图，对输入图像和显著图同步进行列取样分析，然后计算显著图上每个取样区域的显著性密度值ρ_j；步骤(2)、得到各个取样区域的采样规则函数；步骤(3)、得到横向缩略图R^s；步骤(4)、将横向缩略图R^s与步骤(1)得到的显著图为作为输入，同步列取样变换为同步行取样，并将取样区域做转置，重复上述类似操作步骤,得到纵向压缩的缩略图R^s'，R^s'转置操作得到最终的图像缩略图。本发明能够在保证图像尺寸得到有效压缩的同时，十分有效地保留图像的显著区域，充分压缩无关紧要的信息，且不发生图像的尺寸变形。

技术领域

本发明涉及数字图像处理技术领域，特别是涉及到一种图像缩略图的生成算法。

背景技术

缩略图在生活中十分常见，用户在使用手机、平板等设备批量浏览图片时，为了提高软件的处理速度，加载的往往都是图片的缩略图，这为用户查找、浏览和管理图片文件的过程中提供了极大的方便。目前，对图像文件生成缩略图的算法都是采用将图片等比例缩放或者中央裁剪的方法。这些算法虽然实现了图片的压缩，但是这样生成的缩略图往往难以突出用户关注的图片中的重点内容和难以实现用户对批量图片的快速浏览。

随着显著目标检测技术的发展，图像中用户关注的内容已能被无标记地自动检测出来。

发明内容

基于现有技术，本发明提出了一种基于显著性检测的内容感知图片缩略图生成方法，从标准数据库中选取了一些显著目标明显、整体性强的图像来生成图像的缩略图，根据图像内容重要程度自动调整压缩率，在生成压缩图片的同时突出图片中的关键信息。

本发明的一种基于显著性检测的内容感知图片缩略图生成方法，该算法包括以下步骤：

步骤1、用显著性检测技术得到输入图像的显著图，对输入图像及其显著图同步进行列取样分析，然后计算显著图上每个取样区域的显著性密度值ρ_j，计算公式如下：

其中，R_j表示第j个列取样区域，ρ_j表示R_j的显著性密度值，S_i表示第i个像素的显著值，Num(R_j)表示该取样区域的像素点个数；显著性密度值表示不同取样区域在图像中的重要程度；

步骤2、将显著性密度值代入下述采样规则判决函数，得到各个取样区域的采样规则判决函数，公式如下：

其中，f(ρ_j)表示区域R_j的采样规则判决函数，同时满足以下公式：

其中，M₁表示采样的是取样区域全部的像素点，即保持取样区域的大小不变；M₂表示只采取取样区域中第1,2,4,5,6,8,9列的像素点组成新的图像块，横向压缩取样区域；M₃表示只采取取样区域中第2,3,5,6,8,9列的像素点组成新的图像块，横向压缩取样区域；M4表示只采取取样区域中第1,4,7,10列的像素点组成新的图像块，横向压缩取样区域；

步骤3、对各个列取样区域使用相应的采样规则判决函数进行采样，得到各列取样区域的压缩结果，计算公式如下：

其中，表示取样区域压缩后的结果；

然后将压缩后的取样区域进行列并置处理，得到横向缩略图R^s，其计算过程如下：