[发明专利]实时人类视觉系统性能模型化

说明书

本发明涉及视频图像质量评价，更具体地说涉及实时人类视觉系统性能模型化，用于产生客观测量，以予示视频图像信号中的主观误差评估。视频图像信号通过如视频压缩这样有损失的方法被记录和传递。

为予测观察者对引进经受如视频压缩这样的有损失的处理的视频图像信号的误差的主观反应采用人类视觉系统模型的方法包括计算上昂贵的人类视觉系统(HVS)模型，这些模型如下面文章描述的：J.Lubin，“A Visual Discrimination Model for Imaging SystemDesign and Evaluation”，Vision Models for Target Detection andRecognition，World Scientific Publishing，River Edge，NJ1995，pp.245-283，或者S.Daly“The Visible DifferencesPredictor：An Algorithm for the Assessment of ImageFidelity”，Digital Images and Human Vision，MITPress，Cambridge，MA 1993，pp.162-206.不采用人类视觉模型的用于予示主观受损伤评估的测量包括ANSI/IRT测量(见“DigitalTransport of One-Way Signals-Parameters for ObjectivePerformance Assistance”，ANSI T1.801.03-yyy)ANSI/IRT测量一般比较快，但要给一组充分变化的视觉图像内容，不像包括HVS模型方法那样与主观评估相关。

多数HVS方法是建立在予测一般称为最小易见差(JND)的易见差阈值方法的基础上，最小易见差阈值如对比度检测和鉴别阈值。由于模型成分是建立在阈值模仿性能的基础上，所以在阈值以上，即在超阈值(Supra threshold)处的性能不被保证。这些HVS模型一般包括一个或多个计及接近递增的对比度检测和鉴别阈值的实验上确定的性能的一个或多个的步骤。这些性能受如下参数影响：

-平均亮度；

-在视网膜上的目标映像的角度范围和尺寸；

-取向(旋转的，目标映像图样和掩蔽器两者)；

-空间频率(目标映像图样和掩蔽器两者)；

-瞬时频率(目标映像和掩蔽器两者)；

-周围场(或旁边掩蔽效果)；

-偏心率(或离视线/凹斑中心的角距)。接着的是简要概述在HVS模型中如何已计算这X个参数的一个或多个的影响。

首先值得注意的是在现有技术中对图像处理流结构的解决方法。在HVS模型中所需的大部分处理时间是由于两个共用的实施步骤引起的：

-滤波器组(如高斯棱锥体的图像分解)；

-对比度增益控制(对比度掩蔽的非线性)。

滤波器组普遍用于以在各种取向、空间频带、偏振性等的最大响应将图像分解成神经系统图像或通道。为了实际的实施，2个取向(水平的、垂直的)、4个空间频带和2个偏振性的最小分解需要每参考图像信号处理步骤2*4*2=16个图像，对受损伤的视频图像信号也一样。

对于典型的HVS，已用称为对比度灵敏度的函数计算了作为空间频率函数的模型响应灵敏度。模型的对比度灵敏度部分按如下实施：

·计算在每个滤波器组通道的每个像素的对比度，对应子空间频带和旋转取向唯一组合，作为高频能量与低(DC)频能量之比或等值。

·标定依赖于子频带和旋转取向的对比度数值。

计算对比度需要2个不同的滤波器，高通和低通滤波器，以及每个通道的每个像素的分段。即使用这个复杂又昂贵的算法步骤，也没考虑图像的分段部分的或自相似区的局部平均亮度的空间频率灵敏度函数上的和角度范围上的变化。在这些模型中不呈现“线性范围”。在灵敏度大概为最大的频率上，在每角度一个和4个周期之间对比度灵敏度大致与平均亮度的方根成比例增加，而对于角度范围也一样。于是，当现有技术包括了相当复杂和计算上昂贵的方法时，通过忽略平均亮度和角度范围的影响，阈值予测可以在大于一个数量级的误差上。虽然已提议部分HVS模型计及平均亮度和角度范围的影响，但显然由于进一步增加的复杂性明显地没有将它们采纳成后来的全HVS模型。