کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6866732 678246 2014 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
High quality image resizing
ترجمه فارسی عنوان
تغییر اندازه تصویر با کیفیت بالا
کلمات کلیدی
ترجمه چکیده
تعداد روزافزون دستگاههای صفحه نمایش با اندازه های ثابت خواستار یک استراتژی سازگار برای نمایش بهینه می شوند. برای این منظور، تکنیک های تغییر اندازه تصاویر محتوا توسعه می یابد. کارهای قبلی عمدتا توجه خود را بر کارکرد انقباض تصویر مورد بررسی قرار می دهند. تلاش های کمتری برای دستکاری در گسترش انجام می شود. اگر چه بعضی از ادعا، گسترش عملیات انقباض خود را برای به تصویر کشیدن به روش مشابه، ادعا می کنند، نتایج به دست آمده رضایت بخش نیست. در این مقاله یک روش تغییر اندازه تصویر با کیفیت بالا پیشنهاد شده است تا جزئیات را هنگام کشیدن یک تصویر حفظ کند. به جای استفاده از تکنیک های درونیابی که توسط روش های موجود مورد استفاده قرار می گیرند، یک مدل توسعه برای اولین بار از مجموعه ای از تصاویر آموزشی آموخته می شود. سپس بزرگ شدن آینده بر اساس این اصل است. آزمایشات بر روی دو مجموعه داده در دسترس عمومی اثربخشی روش ارائه شده را نشان می دهد. یک فرمت دیگر در بزرگنمایی ویدیو نیز به عنوان مثال ارائه شده است. اگرچه روش پیشنهادی در چارچوب درختکاری در نظر گرفته شده است، اما به راحتی می توان آن را به روش های دیگر مانند روش برش، تقسیم بندی و روش های تغییر اندازه پراکنده گسترش داد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
تغییر اندازه تصویر با کیفیت بالا
چکیده انگلیسی
An increasing amount of display devices with fixed sizes call for an adaptive strategy for optimal display. For this purpose, content aware image resizing techniques are developed. Previous works mainly lay their attention on the shrinkage operation of the examined image. Less efforts are paid on the expansion manipulation. Though some literatures claim an extension of their shrinkage operation to expanding the image in a similar way, the obtained results are not satisfying. In this paper, a high quality image resizing method is proposed to retain the details when stretching an image. Instead of using interpolation based techniques which are taken for granted by existing methods, an expansion model is first learned from a set of training images. Then the future enlargement is based on this principle. Experiments on two publicly available datasets demonstrate the effectiveness of the presented method. A further extension on video enlargement is also presented as an example. Though the proposed method is formulated in the context of seam carving, it can be readily extended to other techniques such as cropping, segmentation and warping based resizing methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 131, 5 May 2014, Pages 348-356
نویسندگان
, ,