简介:摘要:近年来,社会进步迅速,我国的综合国力的发展也有了改善。在平面设计中合理安排布局,能够吸引人的视觉注意。为此,平面设计师通常需要花费大量时间去完成和布局相关的重复性工作,如背景图像的裁剪。图像裁剪去除图像上不重要的内容,提高图像视觉质量,但通常需要繁琐的手工处理,且需要专业经验来获取高质量的裁剪,因此,研究者们已经提出很多方法实现自动化的图像裁剪。但是少有学者探索过怎样更好地裁剪适用于特定领域的图像,例如,如何裁剪用于平面设计的背景图像。为此,为保留更多重要的图像内容,提出了一种基于视觉感知的平面设计背景图像裁剪方法。具体建立了一个基于全卷积神经网络(FullyConvolutionalNetwork,FCN)的视觉显著性预测模型,并基于眼动跟踪数据进行重要区域的识别,然后实现相应的区域裁剪。实验结果表明,该方法相较于其他裁剪方法,裁剪后的图像可以更多吸引人的注意力,保留了更多重要区域,留有更多的空白位置以放置文本,适用于平面设计工作。
简介:摘要要想快速的对一些复杂背景图像的局部轮廓进行识别,就需要对这些复杂背景图像进行分解并且提取一些多尺度的细节特征,再将图像的原图和经过操作后的图像进行对比。在传统的方法中,一般都是利用相与操作算子对这些复杂的背景进行处理,再把图像中的干扰信号除掉,使用这种方法有一个缺点就是会忽略图像的一些细节,识别的效率也很低。研究人员根据实际的情况,提出了一种基于Tophat算法的复杂背景图像局部轮廓信息人工智能识别的方法。这种智能识别的方法能够利用对偶树复小波的变换的优良特性对复杂背景图像进行分解,在提出多尺度的细节特征。在对这些已经提出来的特征进行腐蚀和开闭运算。这种方法真正的实现了对复杂背景图像局部轮廓信息的识别,也为以后发展图像识别技术奠定了一个良好的基础。
简介:摘要要想快速的对一些复杂背景图像的局部轮廓进行识别,就需要对这些复杂背景图像进行分解并且提取一些多尺度的细节特征,再将图像的原图和经过操作后的图像进行对比。在传统的方法中,一般都是利用相与操作算子对这些复杂的背景进行处理,再把图像中的干扰信号除掉,使用这种方法有一个缺点就是会忽略图像的一些细节,识别的效率也很低。研究人员根据实际的情况,提出了一种基于Tophat算法的复杂背景图像局部轮廓信息人工智能识别的方法。这种智能识别的方法能够利用对偶树复小波的变换的优良特性对复杂背景图像进行分解,在提出多尺度的细节特征。在对这些已经提出来的特征进行腐蚀和开闭运算。这种方法真正的实现了对复杂背景图像局部轮廓信息的识别,也为以后发展图像识别技术奠定了一个良好的基础。