[发明专利]基于模糊推理的自适应空域差错掩盖方法

权利要求书

1.一种基于模糊推理的自适应空域差错掩盖方法，其特征是：分析由丢失块及 其邻块所组成的局部图像，提取出多个可以反映该局部图像局部纹理分布的特征； 由这些图像特征根据对实际情况的经验分析设计出相应的模糊规则，依据构造出的 模糊规则采用模糊推理方法对丢失块的内容进行估计，分别计算出丢失块对于平滑 块、边缘块以及纹理块三种块类型的隶属度；采用最大隶属度值所对应的块类型作 为丢失块内容的估计，当判断丢失块为平滑块时采用双线性内插算法，为边缘块时 采用方向插值算法，为纹理块时采用邻近块匹配算法，从而实现基于丢失块内容的 自适应差错掩盖；

该方法主要包括以下四个方面：

1)图像特征的提取：首先对丢失块的所有邻块中的像素进行边缘检测，获取 0～180度之间8个方向的边缘分布，计算出方向熵；在边缘检测过程中通过设置合 适的阈值，统计丢失块的邻块中的边缘点个数；

2)模糊规则的设计：模糊规则的设定是依据实际经验，分析图像特征之间的 联系对于块类型判断的影响，方向熵很小表明纹理分布较为简单，该局部图像中很 大可能具有明显的一到两条边缘；边缘点个数很少说明该局部图像区域较为平滑， 而数目很多的时候则表明该区域的纹理偏向于复杂，判断丢失块为纹理块、边缘块 和平滑块的可能性为很大的规则是：对于纹理块构造，“如果方向熵很大，而且边缘 点数目很多，则丢失块为纹理块的可能性很大”；对于边缘块构造，“如果方向熵很 小，而且边缘点数目一般，则丢失块为边缘块的可能性很大”；对于平滑块构造，“如 果方向熵一般，而且边缘点数目很少，则丢失块为平滑块的可能性很大”；

3)依据模糊规则进行推理：将提取出的特征作为模糊推理的输入变量，将丢 失块隶属于某种块类型的程度作为输出变量，并在其各自的论域中构造出多个模糊 集，模糊集的构造取决于隶属度函数的定义，定义为三角型隶属度函数，为了描述 输入输出变量的模糊性，在论域上分别定义了“很大”、“一般”、“很小”三个模糊 集，模糊推理的输出是对所有模糊规则输出的模糊集合进行综合的结果，每个输出 变量的隶属度函数表示，为了得到具体的判断结果，必须采用重心法进行去模糊化， 分别计算出丢失块对于三种块类型的隶属程度；

4)最终掩盖结果的获取：通过执行模糊推理过程，可以获得丢失块对应于三 种块类型的隶属程度，为了实现自适应差错掩盖，一种方式是采用最大隶属度原则， 选择最大隶属度值所对应的块类型作为丢失块内容的估计，进而采用对应的掩盖算 法进行恢复；而另一种方式则是模糊地看待块类型判断过程，认为丢失块同时隶属 于三种块类型，模糊推理过程中计算得到的隶属度值为丢失块内容隶属于某种块类 型的隶属程度，因此将得到的三个隶属度值作为权值，对三种块类型各自对应掩盖 算法的结果进行加权平均来获得最终结果。