河北工业大学人工智能与数据科学学院, 天津 300401
随着5G的发展和多种显示终端的出现,图像重定向算法倍受关注。目前大多数的算法没有考虑到重定向后图像的美学分布,因而影响了人类的视觉美学感知。鉴于此现状,提出了一种基于多层级注意力融合的图像美学评价网络,通过对不同细粒度的特征的提取,并根据注意力机制自适应地融合后获得美学信息,将学习到的美学信息与图像的显著图、梯度图和直线特征图融合作为具有美学分布的重要度图,以此来指导多操作的图像重定向算法。通过实验验证了生成的重要度图能够很好地保护图像重定向中的美学信息,图像重定向结果相较于主流方法具有更好的视觉感知效果。
图像处理 图像重定向 美学评价 注意力机制 特征融合 激光与光电子学进展
2021, 58(24): 2410002
本文提出一种新的图像显著区域提取方法, 分别提取原始图像的亮度、颜色、方向三个特征, 并将三个特征的多尺度图像特征合并成一幅总的显著图；其中, 在图像颜色特征提取中融入图像的频域特征, 简化了算法的复杂度及实现难度, 在图像方向特征提取中应用新的特征函数, 使得方向特征图更加完善。实验结果显示本文方法相比较 Itti 算法显著图更为明显且易于实现, 在图像目标重定位应用中图像形变少, 效果更好。
显著区域 显著图 特征提取 视觉注意 图像目标重定位 salient regions saliency map feature extraction visual attention image retargeting
