[发明专利]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

说明书

技术领域

本发明涉及图像/视频编码技术领域。

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1（参见X.Yang，W.Lin ,Z.Lu,E .P.Ong, and S.Yao, “Just-noticeable-distortion profile with nonlinear additivity model for perceptual masking color images”, IEEE Trans.Circuits Syst.Video Technol.,vol.15,no.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. Itti, C. Koch, E. Niebur, et al., “A model of saliency-based visual attention for rapid scene analysis,”. IEEE Trans. on Pattern Analysis and Machine Intelligence, vol.20, no.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 and C. Guillemont, “Perceptually-friendly H.264/AVC video coding based on foveated just-noticeable-distortion model,” IEEE Trans Circuits Syst Video Technol., vol.20, no.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1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1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 saliency dection model and its applications in image and video compression”, IEEE Trans Image processing,vol.19,no.1,Jan 2010）中的PQFT（Quaternion Fourier phase spectrum）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。

发明内容

在现有技术Yang（文献1）的模型的基础上本发明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，本发明给出技术方案实施步骤为：