基于超像素的恰可察觉失真模型制造技术

本发明专利技术公开了一种新的基于超像素的恰可察觉失真模型。本模块的建立步骤为：1、输入图像处理，2、区域特征计算，3、建立区域权重模型，4、建立联合纹理粗糙度的对比掩蔽模型，5、获得基于超像素的感知模型。本发明专利技术在相关测试图像上进行试验，实验结果显示具有良好的准确性和鲁棒性。本发明专利技术引入区域权重模型和区域粗糙度调制模型，前者联合了区域层级的颜色对比度和凹形调制效应，用以估计各区域的视觉重要程度，后者是在Tamura纹理粗糙度的基础上细化窗口尺寸的选取，并考虑窗口间平均灰度差值的影响，用以估计各区域的纹理状况。

【技术实现步骤摘要】
基于超像素的恰可察觉失真模型
本专利技术涉及一种图像视觉冗余估计方法，特别是涉及一种基于超像素的恰可察觉失真(justnoticeabledistortion，JND)模型，属于图像处理、计算机视觉领域。
技术介绍
随着互联网和多媒体信息技术的快速发展，图像和视频已经成为主要的信息传播媒介，日益增长的数据量对现有的编码技术带来巨大的挑战。考虑到人眼是图像/视频的最终接收者，而人眼对低于某一阈值的像素值变化是察觉不到的，该值也被称为JND阈值，因此可以利用人类视觉系统(HumanVisualSystem，HVS)的特点来去除图像中的视觉冗余，以提升现有的编码效率，进而节省宝贵的网络带宽资源。JND模型是一种有效的估计视觉冗余的方法，有着广泛的应用，例如视频编码、主观评价、数字水印等等。JND模型一般分为像素域JND模型和变换域JND模型两大类，像素域JND模型根据图像的像素值特性建立的模型，变换域JND模型是根据像素值在变换域的特性建立的模型。JND模型的发展是基于人类视觉系统的研究的，像素域JND模型主要包括亮度掩蔽(Luminance本文档来自技高网...

【技术保护点】
1.一种基于超像素的恰可察觉失真模型，其特征在于，包括如下步骤：/n步骤1、输入图像的预处理：/n包括超像素分割和颜色空间的转换，使用超像素分割算法中的简单线性迭代聚类对输入图像进行区域分割，将超像素视为视觉输入单元；同时将输入图像转换到视觉感知均匀的LAB颜色空间，以便后续的操作处理；/n步骤2、区域特征的计算：/n包括颜色特征和纹理特征，对于颜色特征，首先计算超像素区域内所有像素的空间坐标X、Y的平均值和颜色分量L、A、B的平均值，再依次计算与其它超像素的空间距离和颜色差异，计算超像素之间的颜色对比度；此外，考虑到人眼的凹形特性，选取颜色对比度高的5个区域建立基于区域的凹形调制模型；对于纹...

【技术特征摘要】
1.一种基于超像素的恰可察觉失真模型，其特征在于，包括如下步骤：
步骤1、输入图像的预处理：
包括超像素分割和颜色空间的转换，使用超像素分割算法中的简单线性迭代聚类对输入图像进行区域分割，将超像素视为视觉输入单元；同时将输入图像转换到视觉感知均匀的LAB颜色空间，以便后续的操作处理；
步骤2、区域特征的计算：
包括颜色特征和纹理特征，对于颜色特征，首先计算超像素区域内所有像素的空间坐标X、Y的平均值和颜色分量L、A、B的平均值，再依次计算与其它超像素的空间距离和颜色差异，计算超像素之间的颜色对比度；此外，考虑到人眼的凹形特性，选取颜色对比度高的5个区域建立基于区域的凹形调制模型；对于纹理特征，根据纹理粗糙程度对人眼的掩蔽效应，在Tamura纹理粗糙度的基础上，进一步细化窗口尺寸的选取，同时考虑窗口之间平均灰度差值的影响，建立基于区域的纹理粗糙度模型；
步骤3、区域权重模型的建立：
根据人眼视觉特性，人眼对同一幅图像中不同区域的关注度是不一样的，在步骤2中，通过各区域的颜色分量和空间坐标建立了基于区域的对比度模型和凹形调制模型，估计各区域的关注程度，建立区域权重模型；对比度越高，越易受到关注；离中心凹区越近，越易受到关注；
步骤4、联合纹理粗糙度的对比掩蔽模型：
在步骤2中，根据纹理对人眼的视觉掩蔽效应，建立基于区域的纹理粗糙度模型；考虑到对比掩蔽模型仍需要进一步完善，利用纹理粗糙度来提升模型的准确度，建立联合纹理粗糙度的对比掩蔽模型；
步骤5、基于超像素的感知模型：
在步骤3和4的基础上，将联合纹理粗糙度的对比掩蔽模型与亮度掩蔽模型进行融合，在区域权重模型的加权下，得到最后的感知模型。


2.根据权利要求1所述基于超像素的恰可察觉失真模型，其特征在于，在所述步骤1中，使用超像素分割算法SLIC，将图像分割为K个区域；
K＝[w·h/n](1)
其中K为正整数，w和h分别为图像的宽和高；超像素是由具有相同或相似的颜色、纹理等特征的相邻像素点组成，可以将超像素视为一个视觉输入单元。


3.根据权利要求1所述基于超像素的恰可察觉失真模型，其特征在于，在所述步骤2中，考虑到区域特征与人眼视觉特征之间的关系，主要通过基于区域的颜色对比度，基于区域的凹形调制效应和基于区域的纹理粗糙度三个环节：
(1)基于区域的颜色对比度：
对于颜色特征，依次对每一个超像素区域，计算所有像素点的空间坐标X、Y的平均值，以及颜色分量L、A、B的平均值，作为各个超像素的空间坐标(xk，yk)和颜色分量值(lk，ak，bk)，计算超像素区域间的颜色差异和空间距离：






其中k和i为超像素的索引，(lk，ak，bk，xk，yk)和(li，ai，bi，xi，yi)分别表示超像素k和i，表示超像素k与超像素i的颜色差异，表示超像素k与超像素i的空间距离；
根据HVS特性，某区域的颜色与周围区域的颜色差异很大，说明该区域的颜色对比度较大，如果颜色对比度高的区域相邻或集中，那么认为这部分更加吸引人眼的关注；因此颜色对比度与颜色的欧氏距离成正比，与位置的欧氏距离成反比，计算颜色对比度定义如下：






其中为ck超像素k总的颜色对比度，c(k，i)为区域k和i之间的颜色对比度，和已归一化到[0，1]，这里c1设为3；
(2)基于区域的凹形调制模型
根据人眼凹形特征，人类视觉系统对映射到人眼中央凹区的区域最敏感，并随着离中央凹区的距离越来越远人眼的敏感度快速下降；选取颜色对比度最高的5个区域作为中心凹区；离心率定义如下：



其中i＝1，2，...，5，xi和yi表示选取的区域空间坐标值，x和y表示其他区域的空间坐标值，d表示观测距离；
距离中心凹区越近，离心率越小，越容易受到人眼的关注，定义凹形调制模型：



fi＝ln(λei)(8)
其中m为选取的中心凹区的总数，fi表...

【专利技术属性】
技术研发人员：王永芳，王闯，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海;31