[发明专利]一种针对JPEG图像压缩质量因子的检测方法

说明书

近年来，压缩图像的质量增强算法成为压缩图像领域研究热点。压缩图像的压缩质量因子估计对于压缩图像的质量增强有着重要的作用。本发明公布了一种针对JPEG图像压缩质量因子的检测方法。主要包括以下步骤：首先输入待检测压缩图像，提取待检测压缩图像的图像块，提取方式采用我们提出的融合空间域和梯度域的方法；提取出块之后，使用基于二阶通道注意力机制的VGG网络，对图像块进行分类判决，得出图像块所属压缩质量因子(QF)不同类别的概率，选取概率最大的类为待检测图像的压缩质量因子(QF)。实验结果表明，相较于其他检测算法，本发明对图像压缩质量因子的检测准确率更高。

技术领域

本发明涉及分类网络检测算法和图像压缩编码技术，具体涉及一种针对JPEG图像压缩质量因子的检测方法，属于图像通信领域。

背景技术

研究表明，人类在日常生活中获取的绝大部分信息来自于视觉信息。随着4G技术的全面普及和5G技术的高速发展，图像和视频信息成为人类生活中越来越不可或缺的元素之一，出于对高质量信息的需求，促使人类迈入到超高清时代。超高清时代图像和视频信息数据量大，通常都需要进行压缩编解码处理。现有的国际社会主流编解码标准较多，其中适用于静止图像压缩编解码标准的主要有JPEG和JPEG2000等，其中JPEG标准的使用更为广泛。

压缩图像的质量提升算法是图像压缩方面的研究热点之一，如何在图像经过压缩后利用一些处理方法来提升压缩后图像的主客观质量是后处理质量提升算法的研究重点，而在其中对于压缩图像的压缩质量因子检测的研究也是较为重要的内容。图像在经过JPEG编码后，其压缩质量的高低由其压缩质量因子(QF)决定。压缩质量因子的准确估计对重建压缩图像质量有较大的影响，因此可以根据压缩图像的纹理特性，对压缩图像分块以及相应的分块图像纹理分析进行研究，准确检测出相应图像的压缩质量因子。通常经过已知质量因子场景训练过的卷积神经网络(CNN)的效果优于未知质量因子场景训练过的CNN，也就是说，非盲场景的CNN是针对特定的压缩质量因子而训练的，更加具有针对性。压缩图像的压缩质量因子的检测结合卷积神经网络能有效提升压缩图像后处理算法的性能。

发明内容

本发明提出的一种针对JPEG图像压缩质量因子的检测方法，该方法通过对压缩图像分块，并使用融合空间域和频率域方差块选取方式对图像块纹理信息进行分析，继而准确判断出其压缩质量因子。相较于其他研究人员所提出的压缩质量因子检测算法，本方法表现出更为优越的检测性能。在相同条件下，本发明算法具有更高的压缩质量因子检测精度。

本发明所提出的一种针对JPEG图像压缩质量因子的检测方法，具体主要包括以下操作步骤：

(1)输入待检测压缩图像，对待检测图像进行不重叠取块；

(2)取样后的图像块进行空间域方差的计，随后将取样后图像块转换到梯度域，计算其梯度域方差；

(3)采用我们提出的融合空间域和梯度域方差块选取方法，提取出待检测图像的压缩质量因子检测图像块；

(4)根据设定的检测阈值，对所提取出的图像块进行检测前的的阈值选择，选取出待检测压缩图像最具代表性的图像块。

(5)选取后的图像块，输入到基于二阶通道注意力机制的VGG分类网络，对图像块进行所属压缩质量因子的类别判断。

(6)得出图像块所属压缩质量因子(QF)不同类别的概率，其中概率最大的类为待检测图像的压缩质量因子。