[发明专利]一种融合显著图与深度图的缝切割重定向方法

权利要求书

1.一种融合显著图与深度图的缝切割重定向方法，其特征在于，包括如下步骤：

1）利用GBVS算法获取图像显著图；

2）通过SIFT匹配获取图像深度图，结合上述图像显著图、图像深度图以及图像梯度图构建融合图；

3）根据步骤2）所得到的融合图的能量分布，获取能量较低位置的切割缝，记录每条缝的位置与运动过程，对原始图像进行处理，得到最终的重定向结果；

步骤（3）的步骤为：

3-1）对于m×n的输入图像，缝切割算法中其垂直方向的缝定义一条连接图像顶部到底部的路径，即

（2）；

式(2)中，为[1,m]到[1,n]的一个映射，为切割缝中某个像素的坐标，下标x代表x轴方向，当δ=1时，可以得到一个八连通的缝；m表示图像的宽度，n表示图像的高度；同理，水平方向的缝定义为

（3）；

同样的，为[1,n]到[1,m]的一个映射，为切割缝中某个像素的坐标；

3-2）计算融合图在横向x方向和纵向y方向两个方向上的梯度，得其能量函数，则其一条垂直切割缝上的能量和为

（4）；

因而，最佳裁剪线为所有八连通裁剪线中能量最小的裁剪线，即

（5）；

3-3）设矩阵M存储垂直缝切割线上每一个点的累积最小能量值，矩阵N存储当前能量函数中的能量值，使用动态规划的方法来确定最佳裁剪线，即从图像第2行遍历到最后一行，得到最后一行中的最小值

（6）；

M矩阵中最后一行中的最小值即为最优缝合线中的能量最低值；在所得最小能量值的像素点8邻域中继续选取最小值进行逆推，得到最终重定向结果；同理，遍历图像第2列到最后一列获得的最小值得到水平切割线；

3-4）根据重定向尺寸要求，通过不断增加或减少所得的水平和垂直切割线，即切割缝，重复步骤3-1）～3-3）达到重定向的目的。

2.根据权利要求1所述的融合显著图与深度图的缝切割重定向方法，其特征在于：在步骤（1）中，将待处理的图像使用GBVS算法加强显示出图像中的重要信息并弱化边缘区域。

3.根据权利要求2所述的融合显著图与深度图的缝切割重定向方法，其特征在于：步骤（1）中，GBVS算法使用马尔科夫链进行显著性计算，通过马尔科夫链的稳定状态获取特征图的显著状态，将得到多个类型的特征显著图进行叠加，得到最终显著结果。

4.根据权利要求1所述的融合显著图与深度图的缝切割重定向方法，其特征在于：步骤（2）中，对于所述图像梯度图，通过选取图像在横向x方向和纵向y方向上的梯度绝对值之和，构成梯度能量函数。

5.根据权利要求1所述的融合显著图与深度图的缝切割重定向方法，其特征在于：步骤（2）中，对于所述图像深度图，将公用数据库RGBD分为彩色图库A与其对应的深度图库B，提取输入图像以及图库A中所有图像的HOG特征，利用K-近邻算法将所有图像按所提取特征进行分类，在彩色图库A中得到个与图像属于同一类的相似图像，同时，将输入图像与所得彩色图像进行超像素分割，利用SIFT方法的图像匹配功能，得到个与输入图像最为相似的超像素区域，其中，和为大于1的自然数。