[發明專利]用于圖像數據的隱寫處理和壓縮的方法和設備

在審

• 申請號: 202011230098.1
• 申請日: 2020-11-06
• 公開（公告）號: CN112785660A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: B·桑吉內蒂;C·克勞森
• 申請（專利權）人: 多普頓股份公司
• 主分類號: G06T9/00
• 分類號: G06T9/00;G06T5/00;H04N19/46;H04N19/85
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 周陽君

本發明涉及一種用于具有可忽略信息損失的圖像數據的隱寫處理和壓縮的方法，其中所述圖像數據包括噪聲和信息。該方法包括以下步驟：?獲取要被處理和/或壓縮以供存儲和/或傳輸的圖像數據(210)，?準備(235)所獲取的圖像數據(210)以供壓縮，所述準備步驟(235)包括以下步驟：°確定適于反映由用于捕獲所述圖像數據的源圖像傳感器(SA)產生的噪聲的輸入噪聲模型(215)和相應的參數，°通過使用所述輸入噪聲模型(215)從所獲取的圖像數據(210)中消除噪聲(305)，其中信息損失可忽略，以產生降噪圖像數據(325)，?存儲和/或傳輸所述圖像數據，準備(235)所獲取的圖像數據(210)的步驟還包括以下步驟：°確定適于反映由真實或理想目標圖像傳感器(SB)產生的噪聲的目標噪聲模型(220)和相應的參數，°根據所述目標噪聲模型(220)生成(320)偽噪聲，以及°以隱寫方式將所生成的偽噪聲添加(330)到所述降噪圖像數據(325)中，以便產生偽噪聲圖像數據(335)，所述偽噪聲圖像數據(335)與用所述目標圖像傳感器(SB)獲取的圖像數據相比在統計上是等效的，并且所述存儲和/或傳輸的步驟包括：°存儲和/或傳輸所述偽噪聲圖像數據(335)，以允許基于所述偽噪聲圖像數據(335)和所述目標噪聲模型的參數(220)對所述偽噪聲進行再現和/或減除。

技術領域

本發明涉及一種用于以可忽略的信息損失來隱寫處理和壓縮圖像數據的方法以及相應的設備，其中，所述圖像數據包括噪聲和信息。該方法包括獲取圖像數據并準備所獲取的圖像數據的步驟，其中，所述準備步驟包括以下步驟：確定輸入噪聲模型和適于反映由用于捕獲所述圖像數據的源圖像傳感器創建的噪聲的相應參數，通過以可忽略的信息損失去除來自所獲取的圖像數據的噪聲，例如以產生噪聲減少的圖像數據，該方法還包括用于存儲和/或發送圖像數據的步驟。

背景技術

每年產生的數字圖像和視頻的數量一直在加速增長。幾十年來，壓縮在實現有效存儲和分發這些圖像方面一直發揮著至關重要的作用。通常，該技術已被分為兩個領域：無損壓縮以較低的壓縮比(通常為2:1)為代價，保持了原圖的完整、逐位相同的副本，而有損圖像壓縮以高壓縮比(通常為10:1的數量級)，產生視覺上與原圖相似但不相同的圖像。然而，有損壓縮可能會生成“偽影”，即不是原圖一部分的圖像特征(例如，塊狀偽影、后代振鈴、混疊、模糊……)，并引入偏差。現代算法，例如JPEG2000或H265等，試圖使這些偽影對人眼幾乎不可見，并且可以表示為“視覺無損”。然而，此類算法主要是針對將數據分發給最終用戶而設計的，并且使用此類算法壓縮的后處理圖像可能會暴露人眼以前看不見的偽影，例如在JPEG圖像“抬起陰影”時觀察到的。此外，重新壓縮已經由此類算法壓縮的圖像可能會導致這兩種算法之間的相互作用以及產生可見偽影。

在專業和技術應用中，其中圖像被認為是有價值的數據，用戶一直對使用有損壓縮持謹慎態度，因為這可能會導致無法預料的后果或在數據中引入偏差，從而導致計量上不準確。隨著越來越多地使用機器學習方法，確保人類視覺系統看不到壓縮損失變得不那么重要，并且圖像質量變得更關鍵。特別是在關鍵應用中，例如醫學診斷、自動駕駛汽車或基礎設施監控，以客觀的方式保持圖像質量至關重要。

為了滿足該需求，申請人在先前的工作中開發了一種壓縮技術，其中可以根據信息內容限制信息損失，這是與人類視覺系統無關的客觀度量，例如歐洲專利申請EP 3 185555中所公開的。其中提出的技術實現了5：1到10：1的壓縮比，同時從計量學的角度對無偽影提供了一些嚴格的保證。盡管該壓縮技術已在許多情況下證明令人滿意，但在長期使用過程中發現了一些不便之處。特別是，某些特定的分析技術產生的結果與通過分析未壓縮數據所獲得的結果在統計上顯著不同。而且，利用這種壓縮技術，不可能預先推斷出壓縮數據適合于哪種分析，以及不適用于哪種分析。例如，壓縮數據可能適用于所有當前的分析技術，但是一旦技術變得更加先進，將來可能會變得不足。對于用戶來說，這意味著使用現有的壓縮技術時，存在沒有對壓縮帶來的弊端的清晰、簡單的指導以及將其應用于特定數據集的適用性的情況。

發明內容

發明目的