[发明专利]一种基于图像级JND预测的感知图像压缩方法

权利要求书

1.一种基于图像级JND预测的感知图像压缩方法，其特征在于，该方法具体为：

预测待压缩图像的JND数目，计算每个JND对应的预测QF值，根据给定压缩QF值与各预测QF值间的关系，获得最终的感知QF值，基于所述感知QF值进行图像压缩。

2.根据权利要求1所述的基于图像级JND预测的感知图像压缩方法，其特征在于，采用一训练好的SVM模型预测待压缩图像的所述JND数目。

3.根据权利要求2所述的基于图像级JND预测的感知图像压缩方法，其特征在于，训练所述SVM模型时，采用的训练数据包括源图像的JND数目以及每张源图像对应的多张失真图的平均JND标签值。

4.根据权利要求3所述的基于图像级JND预测的感知图像压缩方法，其特征在于，每张失真图的所述平均JND标签值通过一基于CNN的自适应JND标签预测模型获得。

5.根据权利要求4所述的基于图像级JND预测的感知图像压缩方法，其特征在于，所述基于CNN的自适应JND标签预测模型为两尺度的CNN分类模型，包括卷积层、池化层、全连接层和分类层。

6.根据权利要求4所述的基于图像级JND预测的感知图像压缩方法，其特征在于，所述基于CNN的自适应JND标签预测模型的训练过程具体包括：

11)将训练集中的各图像划分为多个不重叠的图像块，所述训练集包括源图像及对应的失真图像；

12)对每个图像块的每个像素点值进行归一化处理后，设置每个图像块的JND标签；

13)以处理后的训练集进行自适应JND标签预测模型的训练。

7.根据权利要求4所述的基于图像级JND预测的感知图像压缩方法，其特征在于，所述平均JND标签值的具体获得步骤包括：

21)在设定范围[1,n]内按设定间隔，获得一源图像在若干个QF值下的失真图像，利用所述自适应JND标签预测模型获得每一失真图像的平均JND标签值，n为整数，n<100；

22)在范围[1,100]内，小于若干个QF值中最大值的QF值下的失真图像的平均JND标签值通过高斯插值获得，将大于若干个QF值中最大值的QF值下的失真图像的平均JND标签值设定为0。

8.根据权利要求1所述的基于图像级JND预测的感知图像压缩方法，其特征在于，第j个JND所对应的预测QF值为：

其中，S_max为平均JND标签值集合中的最大值S_max，S_k为平均JND标签值集合中的第k个值，Step为相邻JND数值的区间大小。

9.根据权利要求8所述的基于图像级JND预测的感知图像压缩方法，其特征在于，所述相邻JND数值的区间大小Step为：

其中，S_min为平均JND标签值集合中的最小值S_min，N_I为待压缩图像的JND数目。

10.根据权利要求1所述的基于图像级JND预测的感知图像压缩方法，其特征在于，所述最终的感知QF值为：

其中，为预测QF值集合中的第i个元素，N_I为元素个数。