圖像內(nèi)容和結(jié)構(gòu)的優(yōu)化問(wèn)題研究.pdf

1、圖像內(nèi)容和結(jié)構(gòu)的優(yōu)化包括兩方面內(nèi)容:一是在對(duì)圖像中色彩飽和度或亮度分布進(jìn)行優(yōu)化，使得更多的視覺(jué)信息可以被人的視覺(jué)系統(tǒng)所感知;二是優(yōu)化圖像中視覺(jué)特征的空間分布，使得圖像的構(gòu)圖獲得優(yōu)化。作為計(jì)算機(jī)視覺(jué)領(lǐng)域中的關(guān)鍵問(wèn)題，圖像內(nèi)容優(yōu)化和結(jié)構(gòu)優(yōu)化一直以來(lái)受到研究者們的廣泛關(guān)注。本文對(duì)其中具體的兩個(gè)子問(wèn)題進(jìn)行了深入的研究，一是圖像清晰度優(yōu)化，二是圖像視覺(jué)顯著區(qū)域?qū)W習(xí)。
　　 圖像清晰度優(yōu)化是圖像內(nèi)容優(yōu)化的一種，其核心內(nèi)容是圖像的去模糊。本文

2、首先對(duì)圖像進(jìn)行分塊，學(xué)習(xí)每一塊的模糊程度和圖像熵信息，其次根據(jù)它們之間的相對(duì)關(guān)系計(jì)算得到每一塊的去模糊參數(shù)，交替進(jìn)行各向異性擴(kuò)散濾波和震蕩濾波兩個(gè)過(guò)程來(lái)估計(jì)抖動(dòng)軌跡，進(jìn)而對(duì)模糊圖像進(jìn)行反向卷積，最后采用引導(dǎo)圖像濾波消除塊與塊之間的邊緣效應(yīng)獲得清晰圖像。與傳統(tǒng)去模糊方法相比，本文基于圖像分塊模糊程度的學(xué)習(xí)和參數(shù)估計(jì)，對(duì)不同抖動(dòng)類型造成的模糊都有很好的適應(yīng)性，并且算法的執(zhí)行效率更高。
　　 在圖像結(jié)構(gòu)優(yōu)化的過(guò)程中，視覺(jué)關(guān)注區(qū)域的正確

3、預(yù)測(cè)對(duì)圖像裁剪起著核心作用。本文首先基于人類視覺(jué)感知過(guò)程中的抑制反饋機(jī)制，提取出圖像中不同的抑制關(guān)系特征，然后對(duì)其中的高層語(yǔ)義特征，又對(duì)它們之間的相對(duì)關(guān)系進(jìn)行了獨(dú)立的學(xué)習(xí)，最后對(duì)這些特征進(jìn)行融合構(gòu)建出準(zhǔn)確的視覺(jué)關(guān)注模型。這里提出的方法同時(shí)考慮了底層特征和高層語(yǔ)義特征對(duì)視覺(jué)關(guān)注區(qū)域的影響，對(duì)復(fù)雜的場(chǎng)景也有很好的適應(yīng)性。
　　 實(shí)驗(yàn)結(jié)果表明，本文提出的算法與傳統(tǒng)的算法相比，具有更強(qiáng)的適應(yīng)性和更高的算法效率，能夠更好的對(duì)圖像進(jìn)行內(nèi)容和