[发明专利]一种改进的IFFT图声转换方法

说明书

技术领域

本发明属于助盲领域，涉及图声转换领域的信息技术，特别是一种改进的IFFT图声转换方法。

背景技术

图声转换是用非语言的声音表示图像信息，可用于电子行走辅助(electronic travel aid)系统和视觉替代(vision substitution)系统，为盲人和视觉损伤患者提供基于听觉通路的无损伤视觉补偿。

目前图声转换方法有vOICe系统和IFFT(Inverse fast Fourier transform)图声转换方法。Meijer1992年提出vOICe系统，它的内部工作方式是先将输入图像(M×N)转换为灰度图像，使像素值介于0-255之间。逐列扫描灰度图像，1秒一次，从左至右。如图1，每列图像的每一个像素转换为一个声音信号，声音的振幅用像素值表示，声音的频率与像素的位置有关，将图像顶部像素映射成高频，图像底部像素映射成低频，由图像顶部到底部，频率线性降低。图像第j列的像素由(1)式转换成声音：

式中和分别为图像第j列第i行的像素转换成声音的振幅和频率，N为图像总行数，n为声音的持续时间。其中

声音信号的频率范围为f∈[f_min，f_max]Hz，根据采样定理，采样率f_s＝2*f_maxHz，故又c＝f_max-f_min，是一个常数，故公式(1)可以表示为

这种方法计算量大，实时性较差。

张璇等在vOICe系统的基础上提出一种有效的基于IFFT图声转换的盲人视觉辅助方法(An Efficient Method of Image-Sound Conversion B ased on IFFT for VisionAid for the Blind)。通过对每列图像的每一个像素值进行IDFT(Inverse Discrete Fourier Transform)，即可得到该列图像对应的声音信号。将图像从左至右逐列变换输出，最终将整幅图像转换为声音信号。

IDFT变换公式为

由欧拉公式，只取IDFT的实部即可得到

故图像第j列的像素由(6)式转换成声音：

这里x^j(n)是第j列像素经过IDFT变换后的声音信号，X^j(i)为输入图像(M×N)第j列第i行的像素值，与式(1)中对应。由于系数为常数，在图声转换中不会影响数据变化的本质，只是在幅度上产生波动，因此可忽略不计。式(6)与vOICe系统转换公式(1)比较，结构一致，故可用IDFT方法拟合vOICe系统。文中用IFFT代替IDFT，可将计算复杂度由o(N²)降为o(N*logN)。

论文中设转换后的声音信号时间为T＝1s，采样点数为N_S。采样率为最小频率间隔，即频率分辨率为经过IFFT变换后的声音信号的频率范围为f∈[0，f_N]＝[0，N*Δf]＝[0，N]Hz。

这种方法虽较vOICe系统有所改进，计算量有所降低，但没有考虑人耳最佳接受的频率范围，转换完的声音信号频带过窄、频率过低，声音的丰满度和听觉舒适度均较差。

发明内容

本方法要解决的技术问题是针对现有图声转换方法计算量大、实时性差，未能充分考虑人耳最佳接受的频率范围，声音表达的丰满度和听觉舒适度均较差的问题，提出一种改进的IFFT图声转换方法。

本发明采用如下的技术方案，如图2，步骤如下：

(1)设定参数，设定图声转换后声音信号持续时间为T，采样点数为N_S，采样频率为最小频率间隔，即频率分辨率为

(2)输入一幅M×N的图像，将其转换为灰度图像，使像素值介于0-255之间；

(3)提取(2)中的一列像素，该列像素的像素值为X^j(0)，X^j(1)，…，X^j(N-1)，j为提取图像像素所在列序号；