[发明专利]一种基于纹理掩蔽效应的图像恰可察觉失真阈值估计方法

说明书

本发明公开了一种基于纹理掩蔽效应的图像恰可察觉失真阈值估计方法，将原始图像的灰度图像变换为双精度浮点型图像，采用差分盒计数方法计算该图像中的每个图像块的分形维数，将其作为衡量该图像块纹理粗糙度的权值，并得到权值图；根据权值图计算灰度图像中的每个像素点的纹理复杂度，再根据纹理复杂度和亮度对比度得到纹理掩蔽效应，根据亮度对比度得到对比度掩蔽效应；提取出对象边缘；根据纹理掩蔽效应、对比度掩蔽效应和对象边缘对应的二值图像，获得灰度图像中的每个像素点的空间掩蔽效应；根据空间掩蔽效应和亮度自适应性获得初步恰可察觉失真阈值，结合灰度图像的显著图获得最终恰可察觉失真阈值；优点是恰可察觉失真阈值估计准确度高。

技术领域

本发明涉及一种图像恰可察觉失真(Just Noticeable Difference，JND)阈值估计方法，尤其是涉及一种基于纹理掩蔽效应的图像恰可察觉失真阈值估计方法。

背景技术

随着不同的社交软件的出现，人们更乐于在这些社交软件或网络上上传自己的生活及娱乐照片或视频，来和他人分享自己的乐事。这就涉及到图像的编码任务，如何隐藏无用的并保留有效的信息是节省网络资源的关键，而JND阈值估计技术正是为此服务的。在过去的十几年中有不少的JND阈值估计方法被提出，然而大部分的方法都不能对图像的JND阈值做出十分准确地估计，例如有些方法只考虑了亮度对图像JND阈值的影响，有些方法虽然考虑了亮度自适应性与对比度掩蔽效应的同时作用，但依然无法准确有效地估计出图像的JND阈值。

传统的图像JND阈值估计方法对估计图像中纹理比较粗糙的区域的阈值并没有很好的表现。根据人眼视觉系统(Human Visual System，HVS)的特性，相较于纹理相对平坦的区域，HVS对纹理比较粗糙的区域的失真程度有着更高的容忍度，这些区域的JND阈值理应更高，但以往提出的图像JND阈值估计方法忽略了这一点，从而导致对图像的JND阈值的估计不准确。因此，如何有效地描述图像局部区域的纹理粗糙度，并依此对图像的JND阈值做出有效的估计，是JND阈值估计领域中需要研究与解决的问题。

发明内容

本发明所要解决的技术问题是提供一种基于纹理掩蔽效应的图像恰可察觉失真阈值估计方法，其能够很好地计算出图像局部区域纹理的粗糙度，进而可以实现对图像JND阈值的有效估计。

本发明解决上述技术问题所采用的技术方案为：一种基于纹理掩蔽效应的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：将原始图像记为{I_o(x,y)}；然后对{I_o(x,y)}进行灰度处理，得到{I_o(x,y)}对应的灰度图像，记为{I_or(x,y)}；其中，1≤x≤R，1≤y≤C，R表示{I_o(x,y)}和{I_or(x,y)}的宽度，C表示{I_o(x,y)}和{I_or(x,y)}的高度，I_o(x,y)表示{I_o(x,y)}中坐标位置为(x,y)的像素点的像素值，I_or(x,y)表示{I_or(x,y)}中坐标位置为(x,y)的像素点的像素值；

步骤2：对{I_or(x,y)}进行尺度变换，将{I_or(x,y)}变换为双精度浮点型且宽度为R′、高度为C′的图像，记为{I_rs(x′,y′)}；然后将{I_rs(x′,y′)}分割成个尺寸大小为8×8的互不重叠的图像块，将{I_rs(x′,y′)}中的第n个图像块记为Block_n；其中，符号“”为向上取整运算符号，1≤x′≤R′，1≤y′≤C′，I_rs(x′,y′)表示{I_rs(x′,y′)}中坐标位置为(x′,y′)的像素点的像素值，