一种像素域内基于层次选择性视觉注意力机制的图像JND阈值计算方法，属于图像/视频编码技术领域。采用的技术方案包括步骤：步骤S1：对原始输入图像计算背景亮度自适应阈值。步骤S2：对图像计算基于边缘的纹理掩蔽阈值。步骤S3：将步骤S1和S2得到的亮度自适应阈值和纹理掩蔽阈值相加，并减去二者重叠的部分，得到基本的JND阈值。步骤S4：根据输入图像的大小，设置层次选择性的层次值。步骤S5：将原始输入图像下采样到不同的分辨率，并在不同的分辨率下对图像利用PQFT显著性检测方法进行显著图检测。步骤S6：将不同分辨率下的显著图上采样到原始图像分辨率大小。等等。本发明专利技术可容纳更多的噪声，且具有更好的视觉质量。
【技术实现步骤摘要】
像素域内基于层次选择性视觉注意力机制的图像JND阈值计算方法
本专利技术涉及图像/视频编码
。技术背景传统的图像/视频编码技术主要针对空间域冗余、时间域冗余以及统计冗余进行压缩编码，但很少考虑到人眼视觉系统特性和心理效应，因此大量视觉冗余数据被编码并传输，为了进一步提高编码的效率，研究人员开始了致力于去除视觉冗余的研究。目前一个表征视觉冗余的有效方法就是基于心理学和生理学的最小可察觉失真模型，简称JND模型，也可称为恰可察觉失真模型，即人眼不能感知的变化，由于人眼的各种屏蔽效应，人眼只能觉察超过某一阈值的噪声，该阈值就是人眼的恰可觉察失真，代表着图像中的视觉冗余度。JND模型常用来指导图像或视频的感知编码和处理，如预处理、自适应量化、码流控制、运动估计等。现有的恰可察觉失真(JND)模型可以大致分为像素域JND模型和变换域内的JND模型，像素域的JND模型由于计算简单，得到广泛使用，其基本原理大多是通过表征亮度自适应效应和纹理掩蔽效应来建模，例如文献I (参见X.Yang，W.Lin，Z.Lu，E.P.0ng,and S.Yao, “Just-noticeable-distortion profile with nonlinear additivitymodel for perceptual masking color images”， IEEE Trans.Circuits Syst.Video Technol.，vol.15，n0.6，pp742_752，Jun.2005)中提出了基于空间域的彩色图像JND模型，近年来随着视觉注意力模型的发展，学者们开始提出多种视觉注意力检测方法，例如文献2 (L.1tti, C.Koch, E.Niebur, et al., “A model of saliency-based visualattention for rapid scene analysis,，，? IEEE Trans, on Pattern Analysis andMachine Intelligence, vol.20, n0.11, pp.1254 - 1259, 1998.)基于该视觉显著性检测模型，有学者开始将视觉注意力机制应用到图像的JND建模中，例如文献3(Z.Chen andC.Guillemont, “Perceptually-friendly H.264/AVC video coding based on foveatedjust-noticeable-distortion model，，， IEEE Trans Circuits Syst Video Technol.,vol.20, n0.6, June 2010)，该文献中的JND模型首先通过文献2中的视觉显著性模型计算得到图像的显著点，然后计算给定像素点和显著点之间的距离，以及给定像素点相比于显著点的偏心率，然后基于偏心率和观测距离的关系，构造了一个调制函数，对文献I中的JND模型进行调制，得到基于视网膜中央凹的JND模型，但是一方面由于文献2中的视觉显著性检测方法没有考虑人眼在观测图像 过程中的层次选择性特性，另一方面对于高清图像，使用基于视网膜偏心率和可视距离关系的调制函数计算得到的调制系数对文献I中的JND阈值进行调制，可能会由于显著点和像素点之间的距离较远而调制超过实际可能容忍的噪声，所以该模型并不能准确计算人眼对图像的视觉冗余阈值。相比于文献2，文献4 (C.L.Guo and L.M.Zhang, “A novel multiresolution spatiotemporal saliencydection model and its applications in image and video compression，，，IEEE TransImage processing, vol.19, n0.1, Jan 2010)中的 PQFT (Quaternion Fourier phasespectrum)图像显著性检测方法通过在不同的分辨率下计算图像的显著区域，能够很好地模拟人眼在观测图像过程中的层次选择性特性。
技术实现思路
在现有技术Yang (文献I)的模型的基础上本专利技术结合层次选择性视觉注意力机制提出了一个新的像素域内图像JND模型建模方法，通过仔细考虑人眼在观察图像过程的层次选择性视觉注意力机制，并将该视觉注意力机制和基于纹理的掩蔽效应相结合建立了多层次的调制函数，对传统的JND阈值进行调制，从而建立更加精确的JND模型。为此，本专利技术给出技术方案实施步骤为: 一种像素域的图像恰可觉察失真度计算方法，采用如下技术方案，包括以下步骤: 步骤S1:对原始输入图像计算背景亮度自适应阈值。步骤S2:对图像计算基于边缘的纹理掩蔽阈值。步骤S3:将步骤SI和S2得到的亮度自适应阈值和纹理掩蔽阈值相加，并减去二者重叠的部分，最终得到基本的JND阈值。步骤S4:根据输入图像的大小，设置层次选择性的层次值L，在本专利技术中对于类似于512*512大小的图像，层次值L=2，对于720 X 1280，L=3，而对于更大的图像，L=4。步骤S5:将原始输入图像下采样到不同的分辨率，该分辨率分别是原始图像(1/2) 倍大小，并在不同的分辨率下对图像利用PQFT显著性检测方法进行显著图检测。步骤S6:将不同分辨率下的显著图上采样到原始图像分辨率大小。步骤S7:利用自适应阈值确定法——大津法得到每个显著图的阈值T1,并利用该阈值将显著图分割为显著区域和非显著区域。步骤S8:将所有的分割完后的显著图按照从大到小的嵌套方式，得到多层次的显著性掩蔽图。步骤S9:对原始图像利用canny边缘检测器进行检测，将图像分为纹理区，边缘区，平滑区。步骤SlO:基于步骤S8和S9以及S6得到的多层显著区和纹理等特性，建立多层次的综合掩蔽调制函数，对S3得到的阈值进行调制，得到最终的JND阈值。已知，人眼的视觉系统在视觉注意过程中具有层次选择性，即视觉注意从物体群组-群组中的物体-物体特征-空间点的由粗到细的层次选择过程。因此，人眼观察图像时首先会捕捉图片中的全局显著区域，而后会对全局显著区域进行从粗到细逐层分析观察，结合这一生物学性质，本专利技术提出了一种基于多层次视觉注意检测的JND模型，本专利技术方法技术方案为实现专利技术任务还体现出的贡献性的关键技术要点: 1、针对传统图像恰可察觉失真模型没有考虑层次选择性视觉注意力机制这个问题，本专利技术通过在不同分辨率大小下进行显著性检测，并将这些显著图进行嵌套从而得到多层显著区域，模拟人眼在观察图像过程中从粗到精的观测过程。2、本专利技术基于人眼在观察图像过程中的层次选择性注意力特性，建立了一个基于多层显著区域的掩蔽调制函数。3、本专利技术在综合的掩蔽调制函数中不仅考虑了层次选择性注意力机制，并且考虑了边缘区，纹理区以及平滑区对噪声的不同掩蔽能力。4、本专利技术针对不同分辨率大小的图像设置不同的层次选择值，使得本模型可以应用于不同大小的图像。本专利技术方法的有益效果为:使用考虑了层次选择性视觉注意力机制的多层次调制函数计算得到的值对传统的JND阈值进行调制，最终得到更加准确的JND阈值。相比于Ya本文档来自技高网...
【技术保护点】
一种像素域内基于层次选择性视觉注意力机制的图像JND阈值计算方法，采用如下技术方案，包括以下步骤：步骤?S1：对原始输入图像计算背景亮度自适应阈值；步骤S2：对图像计算基于边缘的纹理掩蔽阈值；步骤S3：将步骤S1和S2得到的亮度自适应阈值和纹理掩蔽阈值相加，并减去二者重叠的部分，最终得到基本的JND阈值；步骤S4：根据输入图像的大小，设置层次选择性的层次值L，对于类似于512*512大小的图像，层次值L=2，对于720×1280，L=3，而对于更大的图像，L=4；步骤S5：?将原始输入图像下采样到不同的分辨率，该分辨率分别是原始图像（1/2）0~L?1倍大小，并在不同的分辨率下对图像利用PQFT显著性检测方法进行显著图检测；步骤S6：将不同分辨率下的显著图上采样到原始图像分辨率大小；步骤S7：利用自适应阈值确定法得到每个显著图的阈值Ti，并利用该阈值将显著图分割为显著区域和非显著区域；步骤S8：将所有的分割完后的显著图按照从大到小的嵌套方式，得到多层次的显著性掩蔽图；步骤S9：对原始图像利用canny边缘检测器进行检测，将图像分为纹理区，边缘区，平滑区；步骤S10：基于步骤S8和S9以及S6得到的多层显著区和纹理等特性，建立多层次的综合掩蔽调制函数，对?S3得到的阈值进行调制，得到最终的JND阈值。...
【技术特征摘要】
1.一种像素域内基于层次选择性视觉注意力机制的图像JND阈值计算方法，采用如下技术方案，包括以下步骤: 步骤S1:对原始输入图像计算背景亮度自适应阈值； 步骤S2:对图像计算基于边缘的纹理掩蔽阈值； 步骤S3:将步骤SI和S2得到的亮度自适应阈值和纹理掩蔽阈值相加，并减去二者重叠的部分，最终得到基本的JND阈值； 步骤S4:根据输入图像的大小，设置层次选择性的层次值L， 对于类似于512*512大小的图像，层次值L=2， 对于 720X1280, L=3， 而对于更大的图像，L=4 ； 步骤S5:将原始输入图像下采样到不同的分辨率，该分辨率分别是原始图像(1/2...
【专利技术属性】
技术研发人员：张冬冬，高利晶，臧笛，孙杳如，
申请(专利权)人：同济大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。