项目名称：重定向图像质量评价研究

　　项目简介：

随着各类智能移动设备的出现，用户对移动设备屏幕的媒体体验有了新的要求，为了在不同大小和高宽比的显示屏幕上有比较好的用户体验，传统电脑上的图像内容需要进行一定程度的内容重定向操作。高效的图像重定向算法对于移动设备的多媒体运用技术具有重大的意义，它使得适应电脑屏幕大小的图像能有效地在移动设备屏幕上显示。传统上运用比较广泛的图像重定向算法是图像缩放技术（Image Scaling）和图像裁剪（Image Cropping），但是它们会导致图像中的目标变小从而产生较差的视觉感知，或丢失图像中一些比较重要的信息。近年来，为了解决图像缩放和图像裁剪存在的问题，研究人员提出了各类内容敏感的图像重定向算法。这些图像重定向算法主要研究在图像重定向操作过程中，产生最小失真情况下如何最大限度地保留图像中最有意义的内容。目前，重定向图像质量的好坏主要是通过主观实验来评估的。主观实验评估方法的主要问题是耗时耗力，而且大多数时候只能在一个比较小的数据库中进行质量评估。因此，设计客观的重定向图像质量评估算法对于图像编辑裁剪具有重要的意义。本项目在前期研究工作的基础上，针对重定向图像大小与原始图像大小不一样的情况（部分参考图像质量评估），结合图像结构相似度和人眼视觉感知相关理论，提出一个有效的重定向图像的质量评估模型。同时，本课题探索了所提出的重定向图像质量评估算法在图像重定向算法中的应用。本项目所提出的重定向图像质量评价算法流程图如图1所示，图2显示了本项目所提出的算法在图像智能适配显示中的应用。

图1. 重定向图像评价算法流程图

图2. 图像智能适配显示算法

 

部分实验结果：

图3. 第一列：原始图像；第二列至第五列：图像经过智能适配操作后的结果，分别为原始图像的87.5%，75%，62.5%和50%。

 

参考文献：

1. Yuming Fang, Kai Zeng, Zhou Wang, Weisi Lin, Zhijun Fang and Chia-
Wen Lin, “Objective Quality Assessment for Image Retargeting Based on Structural Similarity”, IEEE Journal on 
Emerging and Selected Topics in Circuits and Systems, 4(1): 95-105, 2014.