圖像內容和結構的優(yōu)化問題研究.pdf

1、圖像內容和結構的優(yōu)化包括兩方面內容:一是在對圖像中色彩飽和度或亮度分布進行優(yōu)化，使得更多的視覺信息可以被人的視覺系統(tǒng)所感知;二是優(yōu)化圖像中視覺特征的空間分布，使得圖像的構圖獲得優(yōu)化。作為計算機視覺領域中的關鍵問題，圖像內容優(yōu)化和結構優(yōu)化一直以來受到研究者們的廣泛關注。本文對其中具體的兩個子問題進行了深入的研究，一是圖像清晰度優(yōu)化，二是圖像視覺顯著區(qū)域學習。
　　 圖像清晰度優(yōu)化是圖像內容優(yōu)化的一種，其核心內容是圖像的去模糊。本文

2、首先對圖像進行分塊，學習每一塊的模糊程度和圖像熵信息，其次根據它們之間的相對關系計算得到每一塊的去模糊參數(shù)，交替進行各向異性擴散濾波和震蕩濾波兩個過程來估計抖動軌跡，進而對模糊圖像進行反向卷積，最后采用引導圖像濾波消除塊與塊之間的邊緣效應獲得清晰圖像。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習和參數(shù)估計，對不同抖動類型造成的模糊都有很好的適應性，并且算法的執(zhí)行效率更高。
　　 在圖像結構優(yōu)化的過程中，視覺關注區(qū)域的正確

3、預測對圖像裁剪起著核心作用。本文首先基于人類視覺感知過程中的抑制反饋機制，提取出圖像中不同的抑制關系特征，然后對其中的高層語義特征，又對它們之間的相對關系進行了獨立的學習，最后對這些特征進行融合構建出準確的視覺關注模型。這里提出的方法同時考慮了底層特征和高層語義特征對視覺關注區(qū)域的影響，對復雜的場景也有很好的適應性。
　　 實驗結果表明，本文提出的算法與傳統(tǒng)的算法相比，具有更強的適應性和更高的算法效率，能夠更好的對圖像進行內容和