2012移動結(jié)題報告

項(xiàng)目名稱：終端動項(xiàng)目名稱：終端動漫圖片處理優(yōu)選方案及面向移動終端的矢量素材處理的研究與實(shí)項(xiàng)目負(fù)責(zé)人：廖明承擔(dān)單位：廈門大起止時間20131至201412結(jié)題時間：日一、結(jié)題（驗(yàn)收）項(xiàng)目成果簡 二、項(xiàng)目成果摘 三、計劃任務(wù)、考核指標(biāo)及主要技一、結(jié)題（驗(yàn)收）項(xiàng)目成果簡 二、項(xiàng)目成果摘 三、計劃任務(wù)、考核指標(biāo)及主要技術(shù)經(jīng)濟(jì)指標(biāo)、計劃執(zhí)行評價五、成果轉(zhuǎn)化情況，取得的經(jīng)濟(jì)、社會效益六、該項(xiàng)目的人才培養(yǎng)情況九、主管部門意見（注：教育部直屬高校不填此欄）十一、專家組驗(yàn)收意見2?、結(jié)題（驗(yàn)收）項(xiàng)目成果3項(xiàng)目經(jīng)費(fèi)（萬其中國撥150姓12345?、結(jié)題（驗(yàn)收）項(xiàng)目成果3項(xiàng)目經(jīng)費(fèi)（萬其中國撥150姓12345678后博碩登國讀記家士士論著物物告告告告告人數(shù)人數(shù)人數(shù)人數(shù)項(xiàng)冊篇篇篇4220060043100404IS后博碩登國讀記家士士論著物物告告告告告人數(shù)人數(shù)人數(shù)人數(shù)項(xiàng)冊篇篇篇4220060043100404ISTEISCI二、項(xiàng)目成果摘要（不少于500字二、項(xiàng)目成果摘要（不少于500字52-12-2-2-12-2-6圖2-圖2-圖2-圖2-2-37圖2-2-5.圖2-2-5.8圖2-62-圖圖2-62-圖2-79圖2-8圖2-8圖2-2-10圖2-2-10圖2-11.移動終端圖2-11.移動終端矢量播放三、計劃任務(wù)、考核指標(biāo)及主要技術(shù)經(jīng)濟(jì)指標(biāo)、計劃執(zhí)行評3.1三、計劃任務(wù)、考核指標(biāo)及主要技術(shù)經(jīng)濟(jì)指標(biāo)、計劃執(zhí)行評3.11.3.2(a(b12(c12(c121233.33.3.11.參數(shù)調(diào)整工具都必須能夠滿足交互應(yīng)用的需要，各個元操作的耗時盡量控制在3.3.211.參數(shù)調(diào)整工具都必須能夠滿足交互應(yīng)用的需要，各個元操作的耗時盡量控制在3.3.21(f233.3.3(f233.3.3圖3-1(1.1)均值:圖3-1(1.1)均值:1:遍歷項(xiàng)目中所有的像素點(diǎn)，通過歐拉距離計算兩個像素值的距離，若距離小于閾值A(chǔ)，則將這兩個點(diǎn)歸為一類3:同樣根據(jù)歐拉距離，計算每兩個類的顏色均值的距離，若距離小于閾值B，則將這兩個類歸為一個大類5:endfor4:5:(1.2)指定顏色數(shù)輸入:1:A256A個，即簡化之A3256Ai簡化為A*（i-1）+A/2(1.3)將圖一按就近原則，轉(zhuǎn)換成了16級灰度(直接把8bit灰度的后4bit砍掉)，圖（c）1616（c）的效果明顯好于圖（b。其原因是使用的誤差擴(kuò)散算法，顧名思義，就圖3-2誤差擴(kuò)散輸入:1:256120圖3-2誤差擴(kuò)散輸入:1:2561200~255)，將這張圖轉(zhuǎn)換成16級灰度，最簡單的方法是將每個像素點(diǎn)除以16，那么轉(zhuǎn)換后的值就是120/16=7.5保留整數(shù)位后就是7。這樣轉(zhuǎn)換后的值就有了0.52:最簡單的誤差擴(kuò)散方法是將這0.5的誤差放到這個點(diǎn)右邊/和下邊的點(diǎn)加上(0.5*16)*3/8=3,把右下的點(diǎn)加上3:實(shí)際上，3:2:37:3:5:1的分法X3542X824841242Filter2系統(tǒng)中的亮度/對比度調(diào)24841242Filter2系統(tǒng)中的亮度/對比度調(diào)整的方案采用如同 (2.1)對比度增量，是按給定值的正負(fù)分別處理的，閾值范圍設(shè)定在-150~150之G、B分量，Threshold為給定的閥值，ContrastnewRGB=RGB+(RGB-Threshold)*(1/(1-Contrast/255)-Contrast255時(RGBThreshold)*(11Contrast255)1)為無限RGB2550Threshold來2)newRGB=RGB+(RGB-Threshold)*Contrast/Contrast等于-255RGB(2.2)我們采用的是最常用的非線性亮度調(diào)整（PhoposhopCS3種亮度調(diào)整方式，CS3及以上版本也保留了該亮度調(diào)整方式的選項(xiàng) 圖像亮度/對比度綜合調(diào)整算(3.1)(3.1)表3-1測試環(huán)PVD(PreferredViewingDistance)表3-2以圖像高度H計算的最佳觀看距離和角20人左右，并且這些人沒有(3.2)(a)表3-2以圖像高度H計算的最佳觀看距離和角20人左右，并且這些人沒有(3.2)(a)雙激勵失真測量法(DoubleStimulusImpairmentScale3-3544Perceptibly,butnot33Slightly221兩種方法的示意圖。其中T1T1 T1T3 T1兩種方法的示意圖。其中T1T1 T1T3 T13-3DSIS方法評分過程圖(a)方法一(b)(b)雙激勵連續(xù)質(zhì)量測量法(DoubleStimulusContinuousQualityScale,段與DSIS方法中相同。T1T3 T13-4DSCQS打3-5DSCQS3-5DSCQS(c)單激勵連續(xù)質(zhì)量評價法(SingleStimulusContinuousQualityEvaluation, SS)不需要參考圖像，只需展示測試圖像。(d)刺激對比較方法(Stimulus- 評估的過程可以采用一個顯示器或者兩個并排的顯示器?？梢韵胂螅琒C方法法與評價尺度在JND(just- distortion)性能的法與評價尺度在JND(just- distortion)性能的評估上比較適用3-4SC(3.3)3-601233-73-73-83-9PSNRvsMOS(3.4)主觀實(shí)驗(yàn)中，測試材料包括一系列的參考圖像與測試圖像集，用表示。參圖像主觀實(shí)驗(yàn)中，測試材料包括一系列的參考圖像與測試圖像集，用表示。參圖像經(jīng)過失真算法處理得到測試圖像。主觀分值處理中的平均主觀分MOS(MeanOpinionScores)如公式3-1所示1NNuu=(3-在公3-1中，代表觀察者的人數(shù)圖像失真類型試圖像的評價分?jǐn)?shù)DMOS差平均主觀分?jǐn)?shù)(DifferenceMeanOpinionScores,DMOS)也是經(jīng)常質(zhì)量越好在最終的實(shí)驗(yàn)結(jié)果上，置信區(qū)間是必不可少的，一般是采用標(biāo)準(zhǔn)差及樣個數(shù)計算得到。通常采用的95%的置信區(qū)間計算為，其中Sd(3-N標(biāo)準(zhǔn)差的計算公式為(u-N (3-在圖像質(zhì)量評價中，會得到大量關(guān)于圖像的主客觀分值，如何對這些數(shù)進(jìn)行處理與分析是確保實(shí)驗(yàn)結(jié)果正確與否的關(guān)鍵。如果得到的主觀數(shù)據(jù)的范0~100內(nèi)，可以用公式3-4進(jìn)行歸一化處理score=RawDifferenceScore-(3-Max-其中Max代表該評價者的最大原始分?jǐn)?shù)，Min代表該觀測者的最小原始數(shù)客觀數(shù)據(jù)分析可以從非線性回歸分析和加權(quán)回歸分析進(jìn)行?？陀^數(shù)據(jù)和察者的主觀數(shù)據(jù)之間存在一定的非線性關(guān)系，在VQEG提出的性能評價方中，所有檢驗(yàn)屬性的度量都是在補(bǔ)償了這個非線性映射之后進(jìn)行的。非線性歸消除了不同算法在量綱和單位上的差異，使比較結(jié)果更為準(zhǔn)確。本文采用5Logistic函數(shù)[41]，Y為主觀預(yù)測值，X+bX+Y45(3-|b 31+(a)關(guān)于質(zhì)量模型預(yù)測5Logistic函數(shù)[41]，Y為主觀預(yù)測值，X+bX+Y45(3-|b 31+(a)關(guān)于質(zhì)量模型預(yù)測的準(zhǔn)確這個性質(zhì)是從平均意義上來說的。常用的指標(biāo)有Pearson線性相關(guān)系數(shù)(CorrelationCoefficient,CC)，均方根誤差(RootMeanSquareError,RMSE)和平均絕對誤差(MeanAbsoluteError,MAE)，這三個計算公式分別如下：（1）Pearson線性相關(guān)系數(shù)，其中Xi、Yii個評價圖像的預(yù)測主觀分?jǐn)?shù)SSpSS，n表示評價圖像的總個數(shù)；X、Y表示SSpSSn(Xi-X)(Yi-YCC= n(3-n22(X-X (Y-Yii（2）均方根誤差1nn2RMSE(X-Y(3-ii（3）平均絕對誤差nMAE=1X- (3-n(b)關(guān)于質(zhì)量模型預(yù)測的單調(diào)Spearman等級相關(guān)系數(shù)(RankOrderCorrelationCoefficient,ROCC)n 2 (RX-RYiROCC(3-n 2 (RX-RYiROCC(3-(c)關(guān)于質(zhì)量模型預(yù)測的一致的個數(shù)與所有點(diǎn)的個數(shù)的比值。離出率(OutlierOR=n(3-110圖3-.圖3-.圖3-1.圖3-1.圖3-1.I(WHP,W是圖片的寬度，H是圖片的高,P圖3-1.I(WHP,W是圖片的寬度，H是圖片的高,Psp?SPspi(rsgs,bsxsysn)到超像素集合SPspi i1 rk,,b,x,y。本文定義Sp(rs,gs,bs,xs,ys) kkinikk k k k可知S(pi)S(pj)SI(spk)。P/??N(1,2,3,4……)?的取值主要是根每個超像素spi?SP條阻隔，則設(shè)定e(ij?Espispjspispj不可達(dá)。SPE，并將G<V,E>定義SPE，并將G<V,E>定義了所有超像素的拓?fù)浣Y(jié)構(gòu)。對于spi?SPE，只要spi能在G中spi?SPE-F。函數(shù)用來評估spi到達(dá)SPB每一步的最優(yōu)選擇。該函數(shù)定義為：f(spj)=g(spj)+h(spj)，spj?SPande(i,j)?Eing(spj)=dist(spi,spj)=(xs-xs)2+(ys-ys h(spj)=min(dist(spj,spk))spk?spi?SPEf，可以快速的尋找出一條路徑,spi?SPE-B，否?SPE-F。這樣就將與線SPESPE-BSPE-F兩部分SPE中，SPE-B是屬于圖片的背景部分，SPB-F屬于圖SI(spi)D(spi,spj)*w(spi"spj?SPE-D(spispkRGBD(spi,spj)=(rs-rs)2+(gs-gs)2+(bs-bs D(spi,spj)=(rs-rs)2+(gs-gs)2+(bs-bs SPE-F作為圖片的前景，相比SPE-B中的超像素?fù)碛懈叩娘@著性值，所w(spi)用來重新評估SPE-F中超像素的顯著性特征值，w(spi)定義如下sf(spi)-minsp?SPE-F{sf(spi +d,sp?SPE-w(sp)=i{sf(sp)}-{sf(spisp?SPE-isp?SPE-iii1,spˇSPE-ispj?SPE-sf(spi)D(spi,spj通過計算SPE-F中超像 與SPE-F中其他超像素RGB距離之sf(spi，并將其結(jié)果歸一化到[0,1]時設(shè)定系d?(3,5)，這樣對于spi?SPEF就會有較高w(spi)值，而spiˇSPEFw(spi)=1計算局部顯著性由于得到的全局顯著性圖的并未能完全將顯著性特征都識別出來，尤其人物或者物體內(nèi)部的顏色與背景的顏色特別相近時。為了解決這個問題，本提出了“Saliencyflood”的方法，利用SPE-F重新評估局部顯著性值。對于然后從sq-queue取出一個超像spiG中找到與spi相鄰的超像素spj。果spi?SPE-FSI(spjSI(spi,否則設(shè)置SI(spiSR(spispjspsq-queuesq-queue為空。其中SR(spi,spj是根據(jù)超像spi與spjRGB空間上顏色的差別來判定SI(spj的顯著性值，D(sp,sp SI(sp)=SR(sp,sp)=SI(sp)-j i3*Saliencyflood算法描述如下AlgorithmSaliency2:Output:Saliencymap(SI)3:fori=1AlgorithmSaliency2:Output:Saliencymap(SI)3:fori=1fiMinSPE-Addspitosq-5:end6:whilesq-queueisnotemptysq-whilefinde(sp,spj)inGdoifspjisvisitedthengotolabel8ifsp?SPE-thenSI(spj)=elseSI(spj)=SR(sp,spj)addspjtoSP-Queue17:一化到[0,255]位置信息，使得離對比度高的附近也具有較高的顯著性特征值。SF和DSR圖3-1.顯著性檢圖3-1.顯著性檢測的結(jié)果：(a)原圖bC(),dC,(()S)(1+b2)PrecisionReFbbPrecision+Re(1+b2)PrecisionReFbbPrecision+Re為了強(qiáng)調(diào)正確率，設(shè)置b20.3)圖3-.a)(b)F2軸的縮放因子分別記作sx和sy。然后根據(jù)圖像p角網(wǎng)格結(jié)構(gòu)，記作 。我們通過計算與 pp目標(biāo)網(wǎng)格Mq來達(dá)到圖像適配的目的，因?yàn)槟康膱D像Iq可以從目標(biāo)網(wǎng)格MqMp到目標(biāo)網(wǎng)格Mq的變3-5.3-5. 配后坐標(biāo)為qtq0q1q2，則它們之間存在著一個依賴于q的關(guān)聯(lián)雅可比矩陣 tJt(qJt(q)T 2Er A||J(q)-RttsinqR=-sin:q?[0,2p條的形狀。對于給定特征曲線CP上的三個連續(xù)特征點(diǎn)CP,CPsinqR=-sin:q?[0,2p條的形狀。對于給定特征曲線CP上的三個連續(xù)特征點(diǎn)CP,CP 的兩條邊之間的關(guān)系可描述為 -Cp=rR(CP-CP),，其中r為CPCPP i ii+1 =Ri i為角度為 Ec=|| - )-rR -c)q i st2EssA||R-RtsAst(AsAt2,sst(ss+st2E=Er+wcEc+wsEc+ws3-6.33-6.3圖3-1.圖3-1.和Cr（圖3-11(b)束；以及一組模糊控制節(jié)點(diǎn)S（3-11(c)束；以及一組模糊控制節(jié)點(diǎn)S（3-11(c)，定義曲線所分割兩個區(qū)域之間顏色光滑過渡方式。最后，該曲線將對每一邊的顏色進(jìn)行擴(kuò)散并通過模糊在越曲線時達(dá)到柔和的過渡（3-11d3-8.(a)擴(kuò)散曲線的構(gòu)成(a)用貝塞爾樣條描述的特征曲(b值(經(jīng)過擴(kuò)散和模糊得到的最終效這樣，通過添加上述的顏色屬性信息，我們就可以將動漫圖片的顏色信息緊的記錄在擴(kuò)散曲線上，在進(jìn)行渲染時，可以根據(jù)這些記錄的顏色信息重現(xiàn)具通過掃描轉(zhuǎn)換得到一個顏色源圖像C（該圖像將顏色約束表示為貝爾樣條兩邊的顏色曲線，而其他區(qū)域未有著色）以及定義在曲線上的顏色梯約束xy方向顏色梯度Wx和Wy將顏色源的信息擴(kuò)散到整幅圖像；有了顏色源和梯度場后，我們接來就可以通過一個穩(wěn)定態(tài)擴(kuò)散過程在梯度約束下將顏色源擴(kuò)散到整幅圖像，個擴(kuò)散過程可以表示為一個泊松方程的解，這里的顏色個擴(kuò)散過程可以表示為一個泊松方程的解，這里的顏色源轉(zhuǎn)化為該方程的為部約束DI=div若像p(xy存有顏色信I(xyC(xy,式中D和div分別表示散度算子對擴(kuò)散后的圖像應(yīng)用模糊操作得到最終結(jié)果。通過前面的顏色擴(kuò)散們得到了一張?jiān)谇€處尖銳過渡的顏色圖像，這里我們再根據(jù)存儲在曲線上模糊值對顏色圖像應(yīng)用一個模糊操作。我們首先通過一個類似的擴(kuò)散過程由線上的模糊值生成一張模糊圖，該過程最終也是歸結(jié)為泊松方程的求解，區(qū)在于我們并不需要用到梯度信息DB=B(xy)s(x,y若像p(x,y位于曲線3-.基于擴(kuò)散曲線的矢量圖渲染流2)動漫特征線條的統(tǒng)一提如前所述，已有大多數(shù)動漫內(nèi)容都是以位圖的形式存儲的，有必要提供種半自動化的工具將已有的動漫高效的轉(zhuǎn)化為矢量形式。對于基于擴(kuò)散曲線轉(zhuǎn)化來說，這個過程可以分為兩步：首先確定動漫圖像中用于矢量編碼的主要，直接影響著后續(xù)編碼過程以及最終矢量化效果。特征線條是動漫圖片中于刻畫內(nèi)容的主要方式，因此，也是進(jìn)行擴(kuò)散曲線Bezier擬合的最好候選如何提取動漫特征則是我們首要解決的問題。如圖3-20所示，在矢量型動3-.3-.3-21為W2*wb3-22們設(shè)定f(x)表示邊界曲線的曲線方程，其中w表示曲線的寬度，h26,為W2*wb3-22們設(shè)定f(x)表示邊界曲線的曲線方程，其中w表示曲線的寬度，h26,x<-wb|x|￡x>wb0fb(x)=x（3-+hbrb(x)=gd(x)*fbx-e2sx1g(x)（3-d--e2sg'(x)x-e2sx1g(x)（3-d--e2sg'(x)（3-d3x-x2-sg''(x)e2s（3-d5通過公式3-2—公式3-5，我們可以得出邊界曲線同高斯函數(shù)卷積后的一導(dǎo)數(shù)及二階導(dǎo)數(shù)在不同尺度因子s下的幾何圖像如圖3-23所示（a）卷積后的一階導(dǎo)（b）卷積后的二階圖3- 邊界曲線同高斯函數(shù)卷積后的一階和二階偏導(dǎo)數(shù)幾何圖裝飾曲線，往往會在特征識別的過程中被忽略，裝飾曲線對于局部區(qū)域特征起到很大的作用。這種作用在卡通形象的刻畫上體現(xiàn)得尤為明顯。正是于這些裝飾性的線條，增加了卡通人物的生動性與真實(shí)性而頗受人們的喜愛裝飾曲線的結(jié)構(gòu)為脈沖型，其周圍的灰度變化呈現(xiàn)為拋物狀變化。即其在很多基于梯度運(yùn)算的特征識別算法中，無法識別裝飾曲線圖3- 脈沖型邊緣灰度變化及其圖3-25)3-25)fd(x)=（3-0|x|>d|x|￡wdf(x)（3-d0|x|>drd(x)=gd(x)*fd(x)=-h(rd(x)=gd(x)*fd(x)=-h(fs(x+wd)-fs(x-wdrd'(x)=gd'(x)*fd(x)=-h(gs(x+wd)-gs(x-wdrd''(x)=gd''(x)*fd(x)=-h(g(x+'')-g(x-ws d-f(x)=xs2有公式2-7—公式2-11，可以得出裝飾曲線同高斯函數(shù)卷積后的一階導(dǎo)數(shù)（a）卷積后的一階導(dǎo)（b）卷積后的二階導(dǎo)裝飾曲線同高斯函數(shù)卷積后的一階和二階偏導(dǎo)數(shù)幾何圖3-3)矢量創(chuàng)作系統(tǒng)開發(fā)集基于前述研究的成果，我們開發(fā)了一個內(nèi)容敏感的動漫圖像終端適配系統(tǒng)系統(tǒng)支持對動漫圖片區(qū)域重要度的指定，支持對動漫圖像保特征的實(shí)時適配，3-27圖3-7.3.4表3-5分項(xiàng)完成率圖3-7.3.4表3-5分項(xiàng)完成率小于15%利申報和獲獎情況[1]JuncongLin,JiazhiXia,XingGao,MinghongLiao,YingHeXianfengGu,InteriorStructureTransferviaHarmonic1-forms,利申報和獲獎情況[1]JuncongLin,JiazhiXia,XingGao,MinghongLiao,YingHeXianfengGu,InteriorStructureTransferviaHarmonic1-forms,Toolsandapplication(JCR4、CCFC18June,[2]JuncongLin,QianSun,GuilinLi,YingHe.“SnapBlocks:a[3]JuncongLin,XingGao,MinghongLiao,Jiazh