[發(fā)明專利]DCT域內(nèi)基于視覺(jué)注意力機(jī)制的圖像JND閾值計(jì)算方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310413594.4
• 申請(qǐng)日: 2013-09-12
• 公開(kāi)（公告）號(hào): CN103475881B
• 公開(kāi)（公告）日: 2016-11-23
• 發(fā)明（設(shè)計(jì)）人: 張冬冬;高利晶;臧笛;孫杳如
• 申請(qǐng)（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號(hào): H04N19/61
• 分類號(hào): H04N19/61;H04N19/154
• 代理公司: 上海天協(xié)和誠(chéng)知識(shí)產(chǎn)權(quán)代理事務(wù)所 31216
• 代理人: 葉鳳

技術(shù)領(lǐng)域

本發(fā)明涉及圖像／視頻編碼技術(shù)領(lǐng)域。

技術(shù)背景

傳統(tǒng)的圖像／視頻編碼技術(shù)主要針對(duì)空間域冗余、時(shí)間域冗余以及統(tǒng)計(jì)冗余進(jìn)行壓縮編碼，但很少考慮到人眼視覺(jué)系統(tǒng)特性和心理效應(yīng)，因此大量視覺(jué)冗余數(shù)據(jù)被編碼并傳輸，為了進(jìn)一步提高編碼的效率，研究人員開(kāi)始了致力于去除視覺(jué)冗余的研究。目前一個(gè)表征視覺(jué)冗余的有效方法就是基于心理學(xué)和生理學(xué)的最小可察覺(jué)失真模型，簡(jiǎn)稱JND模型，也可稱為恰可察覺(jué)失真模型，即人眼不能感知的變化，由于人眼的各種屏蔽效應(yīng)，人眼只能覺(jué)察超過(guò)某一閾值的噪聲，該閾值就是人眼的恰可覺(jué)察失真，代表著圖像中的視覺(jué)冗余度。JND模型常用來(lái)指導(dǎo)圖像或視頻的感知編碼和處理，如預(yù)處理、自適應(yīng)量化、碼流控制、運(yùn)動(dòng)估計(jì)等。

現(xiàn)有的可察覺(jué)失真(JND)模型可以大致分為兩類：第一類為像素域JND模型，其基本原理大多是通過(guò)表征亮度自適應(yīng)效應(yīng)和紋理掩蔽效應(yīng)來(lái)建模，例如文獻(xiàn)1(參見(jiàn)X.Yang，W.Lin，Z.Lu，E.P.Ong，and?S.Yao，“Just-noticeable-distortion?profile?with?nonlinear?additivity?model?for?perceptual?masking?color?images”，LEEE?Trans.CircuitsSyst.Video?Technol.，vol.15，no.6，pp742-752，Jun.2005)中提出了基于空域的彩色圖像JND模型，但是由于其無(wú)法很好的將對(duì)比敏感度函數(shù)(Contrast?Sensitive?Function，CSF)整合進(jìn)來(lái)，因此這類模型沒(méi)有辦法得到精確的JND值，常作為計(jì)算JND閾值的快速方法來(lái)使用。

第二類JND模型為子帶JND模型，這類模型是在變換域中進(jìn)行計(jì)算，例如DCT域、小波域、CONTOURLET域等。由于大多數(shù)圖像／視頻編碼標(biāo)準(zhǔn)都是基于DCT域(如JPEG、H.261／3／4、MPEG-1／2／4)，因此基于DCT域的JND模型得到了很多研究者的關(guān)注，例如文獻(xiàn)2(參見(jiàn)Z.Wei?and?K.N.Ngan，“Spatial?just?noticeable?distortion?profile?for?image?in?DCT?domain，”In?Proc.IEEE?Int.Conf.Multimeda?and?Expo，pp.925-928，2008.)中結(jié)合圖像的亮度自適應(yīng)特性，空間對(duì)比度效應(yīng)以及基于塊分類的對(duì)比度掩蓋效應(yīng)，但是該模型并沒(méi)有考慮人眼的視覺(jué)注意力機(jī)制對(duì)JND模型的影響，因此計(jì)算精度有待進(jìn)一步提高。

發(fā)明內(nèi)容

在WEI的模型的基礎(chǔ)上本發(fā)明結(jié)合視覺(jué)注意力機(jī)制提出了一個(gè)新的DCT域內(nèi)圖像JND模型建模方法，通過(guò)綜合考慮視覺(jué)注意力效應(yīng)和對(duì)比度掩蔽效應(yīng)設(shè)計(jì)出了一種綜合的調(diào)制函數(shù)和亮度自適應(yīng)效應(yīng)一起對(duì)空間對(duì)比度敏感函數(shù)進(jìn)行調(diào)制的方法。

為此，本發(fā)明給出技術(shù)方案實(shí)施步驟為：

一種基于DCT域的圖像可覺(jué)察失真度計(jì)算方法，采用如下技術(shù)方案，包括以下步驟：

步驟S1：將選定的圖像進(jìn)行8x8的DCT變換，將其由空域變換到DCT域。

步驟S2：在DCT域，根據(jù)空間對(duì)比度效應(yīng)閾值和亮度自適應(yīng)調(diào)制因子的乘積計(jì)算獲得的基本的可覺(jué)察失真度JND值。

步驟S3：利用canny邊緣檢測(cè)器對(duì)圖像進(jìn)行分塊，分為平滑塊、邊緣塊和紋理塊，得到基于塊結(jié)構(gòu)的對(duì)比度掩蔽函數(shù)。

步驟S4：利用視覺(jué)注意模型對(duì)圖像進(jìn)行顯著性檢測(cè)，得到圖像的顯著圖。

步驟S5：

若選擇方案一，此步驟則按照步驟S4所得的顯著圖對(duì)圖像進(jìn)行分割，將圖像分為顯著區(qū)域和非顯著區(qū)域，然后基于每個(gè)點(diǎn)的顯著值，得到基于視覺(jué)注意力機(jī)制的對(duì)比度掩蓋因子。

若選擇方案二，此步驟則首先將圖像分割成顯著區(qū)域和非顯著區(qū)域，然后對(duì)步驟S4所得的顯著圖分塊，用每個(gè)塊的顯著值的平均值代替整個(gè)塊的顯著值，并基于每個(gè)塊的顯著值得到基于視覺(jué)注意力機(jī)制的對(duì)比度掩蔽因子。

步驟S6：將步驟S5得到的圖像顯著區(qū)域和非顯著區(qū)域的分割結(jié)果和步驟S3所得的塊分類結(jié)果相結(jié)合，對(duì)圖像進(jìn)行更加細(xì)致的分塊，并將基于視覺(jué)注意力機(jī)制對(duì)比度掩蔽因子和基于塊結(jié)構(gòu)的對(duì)比度掩蔽因子按照線性關(guān)系結(jié)合起來(lái)，得到綜合的對(duì)比度掩蔽調(diào)制函數(shù)，

步驟S7：步驟S6計(jì)算得到的調(diào)制函數(shù)值對(duì)步驟S2計(jì)算得到的JND基本閾值進(jìn)行調(diào)制，得到最終的JND閾值。

上述技術(shù)方案體現(xiàn)出的關(guān)鍵技術(shù)要點(diǎn)：