[发明专利]基于模糊推理的自适应空域差错掩盖方法

摘要

一种基于模糊推理的自适应空域差错掩盖算法，其特征是：通过分析丢失宏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纹理分布的特征，主要为方向熵、边缘点数目或者丢失块附近区域的方差等；根据这些图像特征设计符合实际情况的模糊规则，并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，最后根据得到的块内容估计进行内容自适应的空域掩盖算法。

主权项

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区域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：首先需要对该局部图像进行边缘检测，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，统计丢失块邻块中的边缘点个数；2)模糊规则的设计：模糊规则的设定主要是依据实际经验，分析图像特征之间的联系对于块类型判断的影响，在绝大多数情况下，方向熵小表明纹理分布较为简单，该局部图像中较大可能具有明显的一到两条边缘；边缘点个数较少说明该区域较为平滑，而数目特别多的时候则表明该区域的纹理偏向于复杂，对于纹理块就可以构造“如果方向熵很大，而且边缘点个数很多，则丢失块为纹理块的可能性很大”之类的模糊规则；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，模糊集的构造主要取决于隶属度函数的定义，一般可以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，即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，也就是要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，较为基本的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。