在手机、PDA和MP4等移动终端上观看图像和视频时,需要对原始图像和视频进行缩放,以适应显示设备的分辨率。但传统的缩放技术,并不能得到好的缩放效果。例如,图像重采样会使缩放后的图像的内容不够清晰或发生畸变,而图像剪切虽然保留了图像的重要信息,却丢失了太多的次要信息。近年来,基于内容感知的图像和视频缩放技术逐渐成为视频自适应领域的主流方法。本文对现有的几种基于内容感知的缩放技术进行了分析和总结,并提出了两种改进的基于内容感知的图像和视频缩放技术。首先,在分析了最流行的Seam Carving技术基础上,针对其能量函数的局限性和动态规划算法的复杂性,提出一种结合显著度图和自适应能量线的快速图像缩放技术。它结合基于视觉注意力模型的显著度图,完善图像内容的能量描述。同时,提出一种基于图像内容的粗、细能量线自适应机制,与层次加速动态规划一起,加速缩放效率。仿真实验结果表明：该算法不仅有效保护了图像的重要区域,更大大减少了图像缩放时间。其次,提出了一种基于重要度扩散的图像和视频自适应采样技术。根据图像和视频的三个基本特征图创建可以反映图像和视频中各像素重要性的重要度图。在此基础上,引入重要度扩散函数和自适应采样函数。重要度扩散函数将删除像素重要性扩散至其邻域以避免过多删除图像非重要区域而造成图像整体概貌失真。自适应采样函数则根据各行列像素的重要性进行权值采样以保护图像的重要区域。结合这两种函数的优点,定义一种平衡缩放的能量函数,以便平衡图像的整体概貌和重要区域保护之间的关系,使之达到最优。此外,通过考虑帧间一致性约束,该算法还可适用于视频的缩放处理。仿真实验结果表明：本文算法优于其它方法,既可以有效地克服重采样后图像和视频重要内容不清晰的缺陷,也能够保持图像和视频的全貌。