[发明专利]一种基于区域块级JND预测的感知图像压缩方法

权利要求书

1.一种基于区域块级JND预测的感知图像压缩方法，其特征在于，包括以下步骤：

1)根据数据集中的图像和对应的JND信息，利用大津阈值方法，生成区域块级JND值，具体包括以下步骤：

11)对于平滑的区域，设定平滑区域内的区域块级JND值与图像级JND值一致，则有：

其中，S_I为测试图像I的图像级JND值，为测试图像I内第i个区域块b_i的压缩参数；

12)对于纹理复杂的区域，在图像级JND值下求取每个区域块的SSIM值；

13)将每个区域块在连续JND值下的质量差异ΔSSIM作为每个区域块的强度，利用大津阈值方法，以区域块为基本单位，自适应判断在当前图像级JND值下的失真区域；

14)循环执行步骤12)-步骤13)，直到每个图像的所有图像级JND执行完毕，生成最终的区域块级JND值；

2)根据生成的区域块级JND值，建立基于CNN的区域块级JND预测模型；

3) 将测试图像在多个固定的 QF 值下进行压缩，得到对应的多张失真图像，将全部失真图像分割为多个不重叠的区域块，并预测每个区域块的 JND 标签，最后采用标签处理方法获取每个区域块最终的 JND 值；

所述的步骤3)具体包括以下步骤：

31)将测试图像在多个固定的QF值下进行压缩，得到多个失真图像；

32)将全部失真图像分割为多个不重叠的区域块，采用区域块级JND预测模型预测每个区域块的JND标签；

33)当多张失真图像相同位置区域块的预测JND标签满足判断公式则进行步骤34)，若不满足，则进行步骤35)，其中，q_i、q_j分别为QF值，b为区域块，L(·)为预测JND标签；

34)JND标签对应的QF值即为当前区域块的JND值；

35)将JND标签值按照从小到大排序，使其满足33)中的判断公式后获取对应的QF值作为当前区域块的JND值；

4)根据目标压缩QF值和每个区域块最终的JND值，对测试图像进行预处理操作，选取区域块感知QF值中最大的作为压缩参数，并采用JPEG压缩预处理后的测试图像，具体包括以下步骤：

41)获取测试图像I第i个区域块b_i的预测JND值则有：

其中，为第k个JND值，为预测JND值的总数；

42)预先设定目标压缩QF值为则最终采用的感知QF值为：

其中，为第1个JND值，为第个JND值；

43)选取区域块感知QF值中最大的作为图像级的压缩参数其表达式为：

其中，NB^I为测试图像I内的区域块数目；

若存在部分区域块的预测JND值较小，则采用以下方式处理：

44)若区域块的JND值小于图像级的压缩参数，则对图像进行预处理；

45)当所有的DCT系数经过预处理后进行逆DCT变换操作，生成经过预处理之后的测试图像，并采用步骤43)中的图像级压缩参数采用标准JPEG进行压缩得到压缩后的图像，对图像进行预处理具体为：

其中，为经过量化后的位置(m,n)处的DCT系数。

2.根据权利要求1所述的一种基于区域块级JND预测的感知图像压缩方法，其特征在于，所述的步骤13)中，每个区域块在连续JND值下的质量差异ΔSSIM的表达式为：

其中，为在当压缩参数为时，测试图像I内第i个区域块b_i的SSIM值。

3.根据权利要求1所述的一种基于区域块级JND预测的感知图像压缩方法，其特征在于，所述的步骤2)具体包括以下步骤：

21)将生成的区域块级JND值从小到大排序，划分类别后标记训练标签值，形成数据集；

22)将数据集内90％的区域块用于训练，10％的区域块用于测试；

23)采用AlexNet网络，训练区域块级JND预测模型。