一種圖像全局最小可覺察差異的測定方法
2023-10-08 19:30:49 1
一種圖像全局最小可覺察差異的測定方法
【專利摘要】本發明提供一種圖像全局最小可覺察差異的測定方法，模型建立階段根據每組測試圖片特徵參數生成相對應的測試圖片，利用階梯法得到對應的噪聲強度閾值，獲取針對對比度掩蔽的視覺特性模型，提出全局最小可覺察差異的計算模型。模型應用階段，利用模型建立階段所得全局最小可覺察差異的計算模型，計算獲取任意輸入灰度圖像的圖像全局最小可覺察差異。本發明生成的測試圖片具有更大的均方誤差MSE與隱藏噪聲的能力，更有效地挖掘人眼的感知冗餘；本發明提出的圖像全局最小可覺察差異的計算模型，綜合了對比度掩蔽效應與其他掩蔽效應，結果更準確。
【專利說明】一種圖像全局最小可覺察差異的測定方法
【技術領域】
[0001]本發明涉及圖像處理領域，具體涉及一種圖像全局最小可覺察差異的測定方法。【背景技術】
[0002]近年來，視頻內容逐漸朝著高畫質與高解析度發展，但高質量的視頻也伴隨著巨大的數據量。為了降低傳輸和存儲成本，需要提出更好地視頻壓縮方法，以達到壓縮比和視頻質量之間的平衡。
[0003]傳統的視頻壓縮方法通過去除空間和時間統計冗餘來達到壓縮的目的。為了獲得更好地壓縮效率，需要更加深入的研究人類視覺系統(HVS)的感知冗餘特性。研究者已經使用JND (最小可覺差)來模擬HVS的亮度、對比度與時空掩蔽效應。JND將感知冗餘量化成為一個閾值(visibility threshold),低於這個閾值的噪聲將無法被人眼察覺。目前相關學者提出了許多JND模型，大體上可以分為兩類:基於變化域的JND模型，例如DCT域或wavelet域的JND模型；基於像素域的JND模型，如SJND等。
[0004]目前大部分JND模型都基於一個假設，即認為人眼對圖像或視頻上每一個像素點的敏感性相同。然而，相關生理、心理學實驗表明，視網膜上的感光細胞分布並不均勻。在中央凹區域，視錐細胞分布密度大，敏感性高，隨著與中央區域的距離增大，感光細胞密度減小，導致相對應的敏感性也就減小，即可以容忍更多的噪聲。
[0005]基於相同敏感性假設的傳統JND模型，可以用圖像本地最小可覺察差異來表示。而在基於視網膜感光細胞分布不均勻前提下的JND模型，則可以用圖像全局最小可覺察差異來表示。理論上，基於圖像全局最小可覺察差異的產生的失真圖像具有更大的均方誤差MSE，能夠更好地體現人眼的視覺冗餘。
【發明內容】
[0006]本發明的目的在於針對傳統圖像本地最小可覺察差異模型的不足，提出一種基於視角圖像全局最小可覺察差異的測定方法。
[0007]本發明技術方案提供一種圖像全局最小可覺察差異的測定方法，包括模型建立階段和模型應用階段，
[0008]模型建立階段包括以下步驟，
[0009]步驟1.1，輸入多組不同的測試圖片特徵參數，每組測試圖片特徵參數包括背景灰度bg、對比度eh和噪聲出現半徑e ；
[0010]所述測試圖片包括固定背景部分、對比部分、噪聲部分和輔助注意力集中部分，固定背景部分的灰度設置為bg ;對比部分為以測試圖片的圖像中心為圓心，半徑為e的圓形區域，區域內灰度設置為bg-eh ;噪聲區域隨機分布在圓形區域的圓周上某一位置，噪聲區域內部隨機分布若干噪聲；輔助注意力部分設置在測試圖片的圖像中心處；
[0011]步驟1.2，根據步驟1.1輸入的每組測試圖片特徵參數，生成相對應的測試圖片；
[0012]步驟1.3，對每一組測試圖片特徵參數相對應的測試圖片，分別利用階梯法得到對應的噪聲強度閾值；
[0013]步驟1.4，基於步驟1.3所得結果，獲取針對對比度掩蔽的視覺特性模型。
[0014]步驟a，針對每個測試圖片，分別計算測試圖片噪聲區域對應的本地最小可覺察差
巳
升；
[0015]步驟b，針對每個測試圖片，分別計算不同視角條件下測試值與理論值的比值，得到平均比例P ；
[0016]步驟C，針對每個測試圖片，分別計算不同視角對應的對比度敏感性，並做歸一化處理，得到基於視角歸一化對比度敏感性Sf ；
[0017]步驟d，用所有測試圖片的基於視角歸一化對比度敏感性Sf與對比度eh去擬合平均比例P，得到針對對比度掩蔽的視覺特性模型如下式，
【權利要求】
1.一種圖像全局最小可覺察差異的測定方法，其特徵在於:包括模型建立階段和模型應用階段， 模型建立階段包括以下步驟， 步驟1.1，輸入多組不同的測試圖片特徵參數，每組測試圖片特徵參數包括背景灰度bg、對比度eh和噪聲出現半徑e ； 所述測試圖片包括固定背景部分、對比部分、噪聲部分和輔助注意力集中部分，固定背景部分的灰度設置為bg ;對比部分為以測試圖片的圖像中心為圓心，半徑為e的圓形區域，區域內灰度設置為bg-eh;噪聲區域隨機分布在圓形區域的圓周上某一位置，噪聲區域內部隨機分布若干噪聲；輔助注意力部分設置在測試圖片的圖像中心處； 步驟1.2，根據步驟1.1輸入的每組測試圖片特徵參數，生成相對應的測試圖片； 步驟1.3，對每一組測試圖片特徵參數相對應的測試圖片，分別利用階梯法得到對應的噪聲強度閾值； 步驟1.4，基於步驟1.3所得結果，獲取針對對比度掩蔽的視覺特性模型。 步驟a，針對每個測試圖片，分別計算測試圖片噪聲區域對應的本地最小可覺察差異；步驟b，針對每個測試圖片，分別計算不同視角條件下測試值與理論值的比值，得到平均比例P ; 步驟C，針對每個測試圖片，分別計算不同視角對應的對比度敏感性，並做歸一化處理，得到基於視角歸一化對比度敏感性Sf ； 步驟d，用所有測試圖片的基於視角歸一化對比度敏感性Sf與對比度eh去擬合平均比例P，得到針對對比度掩蔽的視覺特性模型如下式，
2.根據權利要求1所述圖像全局最小可覺察差異的測定方法，其特徵在於:模型應用階段包括以下子步驟， 步驟2.1，讀取輸入灰度圖像；步驟2.2，計算輸入灰度圖像的平均灰度矩陣、對比度矩陣和視角矩陣； 步驟2.3，計算輸入灰度圖像的基於視角歸一化對比度敏感性矩陣； 步驟2.4，計算輸入灰度圖像的圖像本地最小可覺察差異； 步驟2.5，根據步驟2.3所得輸入灰度圖像的基於視角歸一化對比度敏感性矩陣，利用模型建立階段提出的基於視角針對對比度掩蔽的視覺特性模型，計算輸入灰度圖像的基於視角歸一化對比度敏感性和像素對比度的因子Hl1 ; 步驟2.6,計算輸入灰度圖像的描述對比度掩蔽效應的視覺感知特徵S1 = fi.Iii1 ;步驟2.7,計算輸入灰度圖像的其他掩蔽效應對應的視覺感知特徵gi; i=2, 4, 5..., η ；步驟2.8，根據全局最小可覺察差異的計算模型得到輸入灰度圖像的圖像全局最小可覺察差異。
3.根據權利要求2所述圖像全局最小可覺察差異的測定方法，其特徵在於:步驟1.4的步驟c求基於視角歸一化對比度敏感性Sf和步驟2.3計算輸入灰度圖像的基於視角歸一化對比度敏感性矩陣時，按以下公式求取基於視角歸一化對比度敏感性Sf，
【文檔編號】G06T7/00GK103886608SQ201410133305
【公開日】2014年6月25日 申請日期:2014年4月3日 優先權日:2014年4月3日
【發明者】陳震中, 劉弘一 申請人:武漢大學