基于概率随机裁剪的图像缩放算法Content-awareimageresizing.PDFVIP

第 38 卷第 6 期 通 信 学 报 Vol.38 No.6 2017 年 6 月 Journal on Communications June 2017 doi:10.11959/j.issn.1000-436x.2017127 基于概率随机裁剪的图像缩放算法 郭迎春 1 ，侯骏腾 1 ，于明 1 ，王睿俐 2 （1. 河北工业大学计算机科学与软件学院，天津 300401 ；2. 梅西大学自然与数学科学系，新西兰 奥克兰 4442 ） 摘 要：为提高图像缩放的速度，提出一种结合阈值学习与依概率随机裁剪的快速内容感知图像缩放算法，通过 计算图像的重要度图，利用径向基函数（RBF, radial basis function ）神经网络进行阈值学习求出图像的重要度阈 值，根据阈值将图像分成保护区域和非保护区域，并按缩放要求为其分配不同的缩放比，分别进行依概率随机 剪。在 MSRA 图像数据库上与目前流行的内容感知缩放方法进行对比，实验结果表明，所提方法的缩放时间明显 低于其他算法，而且在缩放效果上有明显的优势。 关键词：阈值学习；径向基函数；依概率随机裁剪；快速内容感知图像缩放 中图分类号：TN911.73 文献标识码：A Content-aware image resizing based on random-carving with probability 1 1 1 2 GUO Ying-chun , HOU Jun-teng , YU Ming , WANG Rui-li (1. School of Computer Science and Engineering, Hebei University of Technology, Tianjin 300401, China; 2. Institute of Natural and Mathematical Sciences, Massey University, Auckland 4442, New Zealand) Abstract: To improve the running speed of image resizing, a fast content-aware image resizing algorithm was proposed based on the threshold learning and random-carving with probability. Firstly the important map was calculated by combining the graph-based visual saliency map and gradient map. Then the image threshold value was obtained by radial basis function (RBF) neural network learning. And by the threshold, the original image was separated into the protected part and the unprotected part which was corresponding to the important pa