[发明专利]一种基于局部均匀缩放的图像目标重定位方法

摘要

本发明公开了一种基于局部均匀缩放的图像目标重定位方法，首先将源图像I分解为卡通部分u和纹理部分v；然后计算卡通部分u上每个像素的高阶统计量HOS，检测显著性边，得到源图像的能量地图，并根据所述能量地图上显著性目标的位置，将源图像分为I1、I2和I3三块，其中I1和I3为背景部分，I2为显著性区域；最后将背景部分I1、I3和显著性区域I2按照不同的缩放比例进行缩放，最终得到目标图像。本发明能够准确地检测图像的显著性目标以及大尺度结构，而且缩放速度相较于其他的基于内容的缩放算法要更快，可以很好地保护图像的大尺度结构不被破坏，保持大尺度结构的光滑性和连续性。

主权项

一种基于局部均匀缩放的图像目标重定位方法，其特征在于，所述方法包括如下步骤：步骤1，将源图像分解为卡通部分u和纹理部分v；步骤2，计算卡通部分u上每个像素的高阶统计量，并据此检测显著性边，得到源图像的能量地图，并根据所述能量地图上显著性目标的位置，将源图像分为I1、I2和I3三块，其中I1和I3为背景部分，I2为显著性区域；具体步骤如下：步骤2.1，计算卡通部分u在每个像素位置x＝(x1,x2)的高阶统计量：HOS(x)=1NΣy∈B(x)|u(y)-μ(x)|2;]]>其中,B(x)代表x的邻域像素集,u(y)表示B(x)中属于卡通部分u的像素，N为B(x)内包含像素的个数；μ(x)＝(1/N)∑y∈B(x)u(y)表示邻域像素集样本集B(x)的均值；设置邻域半径为11；步骤2.2，计算源图像第k列的高阶统计量为：HOS(k)=Σx=1mHOS(x,k);]]>则HOS(k)越大,第k列越显著，m表示源图像第k列的像素个数，HOS(x,k)表示第k列的每个像素x的HOS；步骤2.3，取前l个高阶统计量最大的列作为显著列,l具体根据源图像内容人为设置；步骤2.4，根据显著性区域是一个局部连接整体的性质，确定属于显著性区域的显著列：假设前L列已经确定的属于显著性区域的显著列的中心为n0,则对第L+1个显著列来说,倘若它的位置坐标与n0的差小于等于w,则认为第L+1个显著列属于显著性区域,w具体根据源图像内容人为设置；其中,n0初始化设置为最显著列，即HOS最大的列的坐标；步骤2.5，在确定了属于显著性区域的显著列后,取这些列的最小、最大列坐标分别为m和M，则源图像中的显著性区域I2为源图像中的[m,M]列，背景部分I1和I3分别为图像中列[0,m‑1]列和[M+1,W]列，W为源图像的宽度；步骤3，将背景部分I1、I3和显著性区域I2按照不同的缩放比例进行缩放，先将背景部分按一定的比例预先缩放，背景部分的缩放比例为1/4；然后用目标图像大小减去缩放后的背景部分大小得到显著性区域应该缩放的大小；最终得到目标图像；为了达到图像缩放的目的,保证I2的缩放，只缩放背景区域后的图像大小应当大于或等于目标图像的大小，即有：bW1+W2+bW3≥a(W1+W2+W3)；其中，W1、W2、W3分别为I1、I2、I3的宽度，a为源图像的缩放比例，b为背景部分的缩放比例；整理后得W2≥a-b1-a(W1+W3)⇒W2≥a-b1-bW;]]>如果所述显著性区域的大小不满足该条件时,则规定显著性区域为源图像的1/2。