[發明專利]一種基于稀疏表示的自然圖像恰可察覺失真閾值估計方法

在審

• 申請號: 201910034979.7
• 申請日: 2019-01-15
• 公開（公告）號: CN109872302A
• 公開（公告）日: 2019-06-11
• 發明（設計）人: 駱挺;許辰;蔣剛毅;徐海勇;姜求平;鐘才明
• 申請（專利權）人: 寧波大學科學技術學院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62
• 代理公司: 寧波奧圣專利代理事務所(普通合伙) 33226
• 代理人: 周玨

本發明公開了一種基于稀疏表示的自然圖像恰可察覺失真閾值估計方法，其對訓練集中的高清自然圖像進行分不重疊的圖像塊處理，通過計算圖像塊中的所有像素點的像素值的平均方差，選擇部分圖像塊構成訓練矩陣，將訓練矩陣代入K?VSD算法中進行字典訓練得到過完備字典；對待處理的自然圖像進行分重疊的圖像塊處理，將所有圖像塊和過完備字典代入OMP算法中得到稀疏系數矩陣，根據稀疏系數矩陣獲取結構層圖像和非結構層圖像，利用不同的計算方式獲取結構層圖像和非結構層圖像各自的恰可察覺失真閾值圖，進而融合得到待處理的自然圖像的恰可察覺失真閾值圖；優點是其能估計得到準確的恰可察覺失真閾值圖，與人眼主觀視覺感知具有更好的一致性。

技術領域

本發明涉及一種圖像信號處理方法，尤其是涉及一種基于稀疏表示的自然圖像恰可察覺失真閾值估計方法。

背景技術

人類視覺系統作為中樞神經系統的重要組成部分，其能夠對外界輸入的視覺信息進行高效地感知與處理。現有的研究表明，人眼對于不同自然圖像內容具有不同的分辨能力。主觀實驗研究表明，人眼僅能察覺到處于一定閾值以上的圖像內容變化，該臨界值(即閾值)通常被稱為恰可察覺失真(JND)閾值。圖像的JND閾值度量對圖像的壓縮編碼、質量評價以及超分辨率重建等諸多圖像處理應用具有重要的指導意義。

經典的像素域JND模型由亮度適應性方程和對比度掩模方程兩部分組成，然而，由于該模型主要作用于圖像邊緣區域，因此導致高估了圖像邊緣區域的JND閾值。

腦科學和神經科學家們研究提出了自由能量理論，該研究表明作為一個高度智能的視覺信息處理系統，人類視覺系統在理解和感知自然圖像時能夠積極預測和推導自然圖像中蘊含的確定信息(大體結構)而忽略剩余的不確定信息(雜亂細節)。也就是說，給定輸入圖像，大腦并非對輸入的視覺信息進行完全處理，而是具備一種內在推導機制使之能夠對圖像的大體結構等確定信息進行主動預測，同時忽略殘余的雜亂細節等不確定信息，從而實現對圖像的理解和感知。由自由能量理論啟發，對于自然圖像中特征不同的區域，JND閾值差異很大，因此如何可以更加精準地劃分圖像區域，如何度量不同區域的JND閾值，都是對于恰可察覺失真預測模型需要研究解決的問題。

發明內容

本發明所要解決的技術問題是提供一種基于稀疏表示的自然圖像恰可察覺失真閾值估計方法，其能夠估計得到準確的恰可察覺失真閾值圖，與人眼主觀視覺感知具有更好的一致性。

本發明解決上述技術問題所采用的技術方案為：一種基于稀疏表示的自然圖像恰可察覺失真閾值估計方法，其特征在于包括以下步驟：

步驟一：將待處理的自然圖像記為S_es；然后以尺寸大小為8×8像素的滑動窗口，以滑動步長為1像素在S_es中滑動，將S_es劃分成多個尺寸大小為8×8像素的重疊的圖像塊；其中，S_es的寬度為W且高度為H；

步驟二：訓練一個過完備字典，記為D；其中，D的維數為64×256；

步驟三：將S_es中的所有圖像塊和D代入OMP算法中，得到S_es的稀疏系數矩陣，記為X；其中，X的維數為W×H；