[发明专利]屏幕内容图像的JND预测方法、装置、计算机设备及存储介质

说明书

本申请涉及一种屏幕内容图像的JND预测方法、装置、计算机设备及存储介质，其中该方法包括：计算图像的谱残差，并通过提取衡量像素的有序性特征得到图像中每个像素的不确定度；根据不确定度将图像划分为可预测内容部分和不可预测内容部分；通过计算对比度掩蔽度量值得到不可预测内容部分的JND阈值；通过计算亮度对比度掩蔽及模糊掩蔽度量值得到可预测部分的JND阈值；将不可预测内容部分的JND阈值和可预测部分的JND阈值进行非线性叠加，并根据基于方向的权重因子对不同方向的边缘像素赋予不同的权重得到所述图像最终的JND阈值。本发明利用人眼视觉系统对不同方向刺激的敏感性进行调整，可用于获得整张图像恰可察觉失真阈值。

技术领域

本发明涉及图像视频编码技术领域，特别是涉及一种屏幕内容图像的JND预测方法、装置、计算机设备及存储介质。

背景技术

随着互联网技术和多媒体信息技术的快速发展，产生了越来越多的屏幕图像/视频数据，给数据的压缩、传输和存储带来巨大压力。为了进一步提高编码效率，利用人眼视觉特性来去除图像/视频中的视觉冗余是当前学术界和工业界的研究热点。基于生理学和心理学的研究表明，人眼视觉系统在对图像感知过程中存在视觉掩蔽效应，即当图像像素值的变化小于一定的阈值时，人眼感知不到任何像素值的变化，该阈值就是恰可察觉失真(JustNoticeable Difference，简称JND)阈值。JND可以有效地表征人眼视觉冗余，并且已被广泛应用于基于视觉感知的图像/视频处理算法和系统中。

目前，JND模型主要分为两类：像素域JND模型和变换域JND模型。传统的像素域JND模型主要考虑亮度自适应掩蔽和对比度掩蔽，亮度自适应掩蔽指在不同的亮度背景下，物体变化的可见性阈值会不一样，对比度掩蔽是指一个物体在另一个物体存在的情况下，这个物体变化的可见性阈值会降低。亮度自适应掩蔽得到的度量值和对比度掩蔽得到的度量值通过非线性叠加模型得到最终的JND值。

在现有的JND模型中，绝大多数都是针对自然图像场景，少数专门考虑屏幕内容图像的特点。相比于自然图像，屏幕内容图像有更明显的锐利边缘和细线，并且这些边缘和细线往往更容易吸引人的注意。同时，人眼对不同方向的边缘的变化有不同的程度的掩蔽，一般情况下，人眼对水平方向和竖直方向的边缘变化的感知能力最强，对于45°和135°方向的边缘变化的感知能力最弱。现有的JND模型中并没有使用基于方向的权重因子专门针对边缘进行精确的调整。此外，图像模糊小于一定程度时也不会被人眼感知到，人眼对图像模糊的掩蔽也应该被考虑进JND模型中。

发明内容

基于此，有必要针对上述技术问题，提供一种屏幕内容图像的JND预测方法、装置、计算机设备及存储介质。

一种屏幕内容图像的JND预测方法，所述方法包括：

获取输入的待预测图像；

计算所述图像的谱残差，并通过提取衡量像素的有序性特征得到所述图像中每个像素的不确定度；

根据所述不确定度将所述图像划分为可预测内容部分和不可预测内容部分；

通过计算对比度掩蔽度量值得到所述不可预测内容部分的JND阈值；

通过计算亮度对比度掩蔽及模糊掩蔽度量值得到所述可预测部分的JND阈值；

将所述不可预测内容部分的JND阈值和所述可预测部分的JND阈值进行非线性叠加，并根据基于方向的权重因子对不同方向的边缘像素赋予不同的权重得到所述图像最终的JND阈值。

在其中一个实施例中，所述计算所述图像的谱残差的步骤包括：

将获取到的图像进行傅里叶变换，并对幅度值取对数值得到LS(u,v)；

将LS(u,v)与h(u,v)进行卷积得到均值滤波结果AS(u,v)；

将LS(u,v)减去AS(u,v)得到谱残差RS(u,v)；