[发明专利]基于关注区域的图像亮度JND值测定方法、预测方法

说明书

技术领域

本发明涉及图像亮度JND（Just Noticeable Difference：恰可察觉差）值测定方法，尤其涉及一种基于关注区域的图像亮度JND值测定方法。

背景技术

在信息时代，显示技术提供了一种友好的人机交互途径。市场调研表明显示图像质量是终端用户选购显示设备的重要决定因素之一。由于所有显示信息均是通过人眼被观察者观测到的，对于不同的环境和用途，人们对图像质量的评判也是不同的。因此对显示图像质量评价必须考虑人的因素。而主观评价方法尽管能较好地反映出图像的直观质量，但在工程应用中费时、费力，甚至有些情况下根本无法采用，如实时图像传输等领域。随着图像信息技术的迅速发展，人们希望能够用客观的、稳定的数学模型来表达图像质量，因此一些基于视觉特性的质量评价方法应运而生。

新的技术、新的应用场合都可能改变观察者对显示图像质量的评价。为此，Engeldrum引入了“图像质量环”模型，将消费者关注的图像显示质量与显示系统技术参数通过一些中间步骤联系起来。消费者对图像质量的主观感受是观察到的图像质量各属性的加权之和。这些图像质量属性包括清晰度，色彩丰富度，亮度，图像均一性等被观察者无意识评价的特性。然后建立主观图像质量属性与图像物理特性的联系。这些图像物理特性包括可以由测量仪器测得的光学和电学特性，如输出亮度、色域大小、显示白场、伽马值、噪声水平等。最终，通过深入了解显示物理原理，这些图像物理特性可以与显示系统的技术参数间建立联系。

基于该模型，专利[一种基于视觉特性的图像质量评价,授权公告号CN 102629379 B]首先测定图像主要属性的JND（Just Noticeable Difference：刚辨差），而后以JND为单位改变不同图像属性，研究其对终端主观图像质量的影响。该方法所面临的问题是：自然图像内容较复杂，而人眼视觉是一个很复杂的过程，JND又是非常小的差异，容易受到关注区域等诸多因素影响。只有充分理解人眼视觉特性，尤其是在给定观测任务下的重要视觉特性，才能建立较稳定的图像质量模型。

现有亮度JND测定技术难以适用于任意自然图像，例如，DICOM[Digital Imaging and Communications in Medicine (DICOM), Standard-PS 3.14-2003 [S], Part 14: Grayscale Standard Display Function, (2003), p21-27]标准发布了不同亮度条件下人眼对亮度变化的感知阈值，但其是在严格的观测条件下进行，并且采用的是均匀色块的测试图，而非自然图像。夏军等[主观图像质量影响因素的人眼可察觉变化步长（Just-noticeable-difference of influential factors of subjective images quality），夏军,秦少玲,刘璐,尹涵春,东南大学学报(自然科学版)，36(5)，2006，p695-699]对亮度的JND也做过初步研究，仅选用了两幅自然图像，且采用的试验方法为成对比较法，仅能给出亮度JND的粗略区间值。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种基于关注区域的图像亮度JND值测定方法，在进行JND值测定时充分考虑到关注区域的影响，为定量评价人眼所能察觉的对图像亮度的影响提供了一条全新的途径。

本发明具体采用以下技术方案解决上述技术问题：

基于关注区域的图像亮度JND值测定方法，包括以下步骤：

步骤A、按照以下方法对原始图像进行处理，得到测试图像：

步骤A1、通过伽马校正将原始图像转换至线性空间；

步骤A2、将步骤A1处理后的图像由RGB空间经XYZ空间转换到xyY空间；

步骤A3、在xyY空间中，保持其它分量不变，将分量Y按照一组在0.687-1之间分布的不同的压缩系数分别进行线性压缩；

步骤A4、将线性压缩后的一系列图像由xyY空间转换回RGB空间，得到一组具有不同压缩系数的测试图像；

步骤B、利用所述一组具有不同压缩系数的测试图像进行视觉感知实验，找出至少一幅测试图像作为JND临界图像；同时，根据视觉感知实验的被试对JND临界图像的关注区域，建立一个与JND临界图像等大小的新的二值化图像，将其中关注区域像素赋值为1，其余区域像素赋值为0，得到该被试的关注区域二值化图像；

步骤C、对不同的视觉感知实验的被试重复步骤B；