没有合适的资源?快使用搜索试试~ 我知道了~
基于深度学习与显著性的数字图像构图优化.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 53 浏览量
2022-07-14
13:40:28
上传
评论
收藏 1.19MB DOCX 举报
温馨提示
试读
12页
基于深度学习与显著性的数字图像构图优化.docx
资源推荐
资源详情
资源评论
随着信息技术的发展,数字图像对社会生活的影响日益深远,并已成为社交、
传媒、商业活动的重要载体。但是受限于摄影器材、拍摄环境、拍摄者摄影水
平和鉴赏者鉴赏能力等因素,许多数字图像往往难以满足较高的美学要求。此
外,由于数字图像的后期处理工作极为繁琐,无论是对于专业人士还是业余爱好
者,都会被其占用大量的时间和精力。因此,利用计算机图形学、数字图像处理
技术和人工智能算法对图像进行符合美学的优化,无论是在计算机辅助设计领
域,还是图像美学质量评价领域,都具有重要的研究意义和广泛的应用前景。
图像美学是一门交叉学科,纵观数字图像处理和人工智能在该领域的发展,
对图像美学的研究呈现出了两个不同的发展趋势:其一是以机器学习和深度学
习为代表的图像美学质量评价,即利用计算机算法,从模拟人类视觉感知
[1]
的角
度出发,基于一定的评价指标
[2,3]
自动评价图像质量的高低。然而相较于物体识
别、目标检测等的语义特征
[4]
,人类审美的奥秘目前尚未有可量化的科学解释
[5]
。
图像美学质量评价在具备客观性的同时,还存在很强的主观性
[6,7]
;其二是基于已
知的图像美学原则,对图像进行自动优化,例如利用生成式对抗网络(Generative
Adversarial Network)实现图像的域间风格转换
[8]
;利用双边滤波算法实现人物
图像 的自动美颜
[9]
;利 用深度卷积神经网络并融合多项损失函 数实现图像的实
时画质增强
[10]
等。研究表明,在影响图像美学质量的诸多因素中,例如光影、明
暗、虚实、景深、色彩饱和度和色调对比度等,构图被认为是最重要的评价指
标
[11,12]
。同时,基于传统的数字图像处理技术,例如图像去噪、锐化、均衡化、
亮度和对比度增强等均属于面向图像底层像素信息的优化,构图优化则更关注
图像高层信息特征
[13,14]
及美学质量的优化方法。
近 年 来 ,研 究 者 们 针 对 图 像 构 图 优 化 问 题 提 出 了 许 多 新 颖 的 解 决 方 法 。
Bhattacharya 等人
[15]
提出了一种交互式的优化算法,其将优化系统分为两个模
块,分别为训练美学评价的回归器和根据美学评价重定位用户选择区域主体的
分类器,以获得高美学评分的重定位图像来实现构图优化。Jin 等人
[16]
在此基础
上,结合图像 裁剪和网格形变,使图像处理前 后的尺寸比例关系保 持一致,以尽
可能多地保护图像原有信息。Guo 等人
[17]
利用显著性和 Content Aware Seam
Carving 算法,基于图像内容的比例缩放进行图像重构。Zhang 等人
[18]
在此基础
上通过提取图像前景区域的方法消除人工裁剪痕迹。Wang 等人
[19]
利用图像显
著性特征及 Hough 直线检测算法进行构图优化。Xiong
[20]
基于长直线几何形变,
利用仿射变换对图像进行旋转校正。Chen 等人
[21]
通过对图像像素点数量线性
相关性的复杂度进行计算实现图像重构。Chen 等人
[22]
通过去除图像画面主体
之外的冗余场景裁剪图像来实现优化。Wang 等人
[23]
基于带语义信息的双通道
卷积网络,通过预测图像边界框和主体特征实现了裁剪重构。
为了解决图像画面平衡感缺失和画面主体构图不合理等问题,本文提出了
一种基于深度学习和显著性模型的图像美学构图优化算法。本文利用深度卷积
神经网络对图像进行显著性检测,提取主体特征,结合视觉平衡原理和三分构图
法则来进行图像自动裁剪重构。本文深度网络架构以 VGG-16 作为主干,加权
两项损失函数并以图像像素数目值进行平均,可在训练后实现端到端的全分辨
率显著性回归,无需进行任何预处理和后处理,且在精度和性能上较传统算法均
有明显提高。本文利用摄影图像验证所提出方法的科学性和有效性。实验结果
证明,相较于目前传统的构图优化方法,本文算法在改善视觉平衡方面具有明显
优势 ,处理后 的图像画面平衡感得到显著提升,更符合美学评价原 则,且更 契合
美学评价原则和人的视觉感受,处理后的构图达到更为谐调、自然、平衡的效
果。
1 构图优 化原 理
构图是指根据图像题材和画面主体等要素,通过一定的关系将所要表现的
对象以适当的形式组织起来,构成一个协调的整体。构图被广泛地应用在摄影、
绘画、设计和图像美学评价等领域。在摄影中,为追求美学效果,需要遵循一定
的构图方法
[24]
。常用的经典构图方法有十余种,包括对称式、框架式、中心构
图、三角形构图、引导线构图、对角线构图、黄金螺旋构图等。这些方法繁杂
林立,给利用计算机算法进行图像美学自动优化带来了一定困扰。因此,本文基
于奥卡姆剃刀定律,选择三分法则和视觉平衡原理进行构图优化。
三 分 法 则 利 用 黄 金 分 割 比 例 ,设 一 条 直 线 段 长 度 为 h(h=h
1
+h
2
),当 满 足
h
1
/h
2
=h
2
/(h
1
+h
2
)的比例关系时,即可获得最佳的视觉平衡效果,从而使图像画面
达到一种更为有序、稳定的状态。利用这种关系,可将图像画面分割为 9 个区
域,形成 3×3 的网络布局以及 4 个称之为锚点的分割线交点,如图 1 所示。构图
时,将所要突出的显著主体置于锚点位置处,可很好地提升图像美学效果。基于
三分法则构图的图像如图 2 所示。
图 1
图 1 三分法则视觉平衡原理
Figure 1. Principle of trichotomy visual balance
图 2
图 2 基于三分法则构图的图像
Figure 2. Illustrations based on trichotomy principle
2 构图优 化方 法
本文优化算法的整体架构图如图 3 所示。为提取画面主体并进行构图优化,
本文基于深度卷积神经网络架构对图像进行显著性检测。本文网络以 VGG-16
剩余11页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3663
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功