[发明专利]一种自顶向下的自然图像恰可察觉失真阈值估计方法

说明书

本发明公开了一种自顶向下的自然图像恰可察觉失真阈值估计方法，其对源图像的灰度图像进行分块并向量化得到向量化矩阵；获取向量化矩阵的协方差矩阵及协方差矩阵的特征值与特征向量，将特征向量按特征值从大到小排列起来得到KLT核；计算KLT系数矩阵、KLT系数能量、归一化KLT系数能量、累积归一化KLT系数能量，并根据推导的感知无失真临界点计算方程计算感知无失真临界点；构建感知无失真系数重建矩阵，重建得到感知无失真系数矩阵；将感知无失真系数矩阵中的每维向量转换成图像块并重新拼接起来，得到感知无失真临界图像，进而得到恰可察觉失真阈值图；优点是能很好地反映人类视觉系统的视觉掩蔽特性，并能很好地刻画自然图像的视觉感知冗余度。

技术领域

本发明涉及一种自然图像恰可察觉失真(Just Noticeable Distortion，JND)阈值估计技术，尤其是涉及一种自顶向下的自然图像恰可察觉失真阈值估计方法，其基于自顶向下的设计思路，并利用KLT(Karhunen-Loéve Transform)变换技术，实现自然图像的恰可察觉失真阈值估计。

背景技术

恰可察觉失真(Just Noticeable Distortion，JND)是指人类视觉系统(HumanVisual System，HVS)所无法感知的视觉信号最大变化幅值。它反映了人类视觉系统(HVS)对于视觉信息变化的敏感性和视觉信号中潜在的感知冗余。这使得它在许多图像/视频感知处理等任务中都具有广泛的应用，包括图像/视频压缩、图像/视频增强、信息隐藏以及图像/视频评价等。正是由于它广泛的应用，因此自然图像的恰可察觉失真(JND)阈值估计得到了广泛关注与研究。

现有的恰可察觉失真(JND)阈值估计模型可以分成两大类：基于像素域的恰可察觉失真(JND)阈值估计模型和基于变换域的恰可察觉失真(JND)阈值估计模型。基于像素域的恰可察觉失真(JND)阈值估计模型主要考虑亮度适应性(Luminance Adaption，LA)、对比度掩蔽(Contrast Masking，CM)和模式复杂度(Pattern Complexity，PC)等因素。基于变换域的恰可察觉失真(JND)阈值估计模型将图像转换至一个特定的变换域，并估计对于每一个子带的恰可察觉失真(JND)阈值，其主要考虑对比度敏感度函数(Contrast SensitivityFunction，CSF)等因素。从设计思路上来看，现有的基于像素域的恰可察觉失真(JND)阈值估计模型与基于变换域的恰可察觉失真(JND)阈值估计模型大体上是相同的，具体而言，首先对具有不同影响的视觉掩蔽效应(如LA、CM、PC、CSF)进行建模，然后将不同的视觉掩蔽效应模型进行融合得到最终的恰可察觉失真(JND)阈值估计模型。这样的设计思路可以被视为是一种自底向上的策略，即从底部有贡献的若干影响因素开始考虑推导得到最终的恰可察觉失真(JND)阈值估计模型。然而，这样的设计思路存在一些固有的局限：首先，由于缺乏对人类视觉系统(HVS)特性的深层次全面认知，因此很难将所有潜在相关的影响因素全部考虑进来；第二，被考虑进来的影响因素也往往很难准确地通过简单的数学模型进行刻画；第三，不同的影响因素之间的相互关系也很难进行建模。因此，现有的恰可察觉失真(JND)阈值估计模型往往难以取得令人满意的效果，尽管人们可以通过实验发掘更多的影响因素和与之对应的视觉掩蔽效应，同时以更准确的数学模型对它们进行建模，但是这样的工作是无止尽的。因此，如何同时克服以上这些缺点，设计一个更为先进的恰可察觉失真(JND)阈值估计模型具有十分重要的意义。

发明内容

本发明所要解决的技术问题是提供一种自顶向下的自然图像恰可察觉失真阈值估计方法，其能够很好地反映人类视觉系统的视觉掩蔽特性，并能够很好地刻画自然图像的视觉感知冗余度，进而能够为各种视觉信号感知处理任务提供有效指导。

本发明解决上述技术问题所采用的技术方案为：一种自顶向下的自然图像恰可察觉失真阈值估计方法，其特征在于包括以下步骤：

步骤1：将待处理的一幅自然图像作为源图像；然后将源图像转换为灰度图像，记为I_Y；其中，源图像为RGB彩色图像，源图像和I_Y的宽度均为W且高度均为H；