基于显著性检测和全变分的最小可察觉失真方法及系统技术方案

本发明专利技术公开了一种基于显著性检测和全变分的最小可察觉失真方法，包括：S1、将原始图像数据使用全变分方法分解为结构分量和纹理分量；S2、根据结构分量和纹理分量计算像素域JND阈值和变换域JND阈值；S3、对原始图像数据进行显著性检测，得到显著性映射图；使用显著性映射图加权像素域JND阈值和变换域JND阈值，取最大值作为最终的JND阈值。本发明专利技术还涉及一种配合上述基于显著性检测和全变分的最小可察觉失真方法的系统，能够更好地利用人眼视觉特性以及更精确地计算出JND阈值。

【技术实现步骤摘要】

本专利技术涉及视频压缩
，尤其涉及一种基于显著性检测和全变分的最小可察觉失真方法及系统。
技术介绍
视频编码技术主要在于观看视觉效果不受影响的前提下合理的压缩数据。传统的视频编码技术主要利用视频数据的空间冗余、时间冗余等进行数据的压缩，如HEVC(HighEfficiencyVideoCoding)，HEVC是一种新的视频压缩标准。近年来，越来越多的研究者开始把注意力转向感知视频编码领域。感知视频编码是一种全新的视频编码模式，它是基于人类视觉系统(HVS)理论，人类视觉系统(HVS)是视频和图像处理的最终接受者，将HVS因素加入到图像视频处理领域中，能够获取更好的处理效果。JND(JustNoticeableDifference)是表示人类视觉系统对图像失真的最小可察觉程度。如果数据的损失程度超过了对应的JND阈值，则会被人眼察觉到。最近几年，JND模型应用在许多的图像和视频领域，比如感知图像编码、视频数据压缩等。有许多研究者提出了各种改进的JND模型，提出的JND模型主要分为：像素域的JND模型和DCT域的JND模型两类。基于像素域的JND模型生成主要在图像域中，大部分的JND模型都以亮度自适应和对比度效应作为其基本因子。像素域的JND模型对比于DCT域的JND模型在计算复杂度上更低，因为像素域的JND模型在生成过程中不需要变换到频域。Yang等人提出了基于LA和CM两个效应因子来建模JND模型。Chen等人把中央凹掩蔽模型整合到像素域的JND模型里面，同时考虑了视觉离心率等因素。基于DCT域的JND模型在频域进行建模，即建模前图像需要进行DCT变换。其模型充分的融合了HVS的特性对比度敏感函数(CSF)。Ahumada和Peterson比较早的提出了基于DCT域的JND模型，该模型加入了CSF因子。Zheng等人提出了基于纹理分解的在变换域建模的JND模型，该模型使用全变分(TV)的方法分解图像为结构分量和纹理分量，在进行DCT系数分类使用纹理分量更加准确。Zheng等人提出一种联合估计JND模型的方法，主要是在图像不同区域进行不同的估计JND阈值来提高建模JND的准确度。Wei等人提出了在DCT域下考虑时空域因素的JND模型。Jia等人提出的JND模型适应于视频处理，该模型包含了时空对比敏感度函数,眼球运动的影响、亮度适应和对比度掩蔽更符合人类感知。为了进一步提高视频压缩的性能，研究者将视觉注意力计算模型加入到视频编码中。基于感兴趣区域的视频压缩主要思想是人眼对图像感兴趣的局部给予高质量的编码，而不显著的区域给予较少的比特编码，这样就做到了比特分配的优化。1998年LaurentItti等人提出了自下而上的显著性模型，该模型计算复杂度低。Wang等人提出了视觉注意力模型融合像素域的JND模型，该模型考虑了人眼注意力特性和敏感度特性。在已有的技术中，有的算法结构简单，效果不佳；有的算法预测不够准确，没能充分利用HVS的特性。而JND模型的准确度直接影响到视频压缩的客观效果和主观质量，为了更加准确的估计JND阈值，有必要专利技术一种不仅考虑视觉注意力模型还加入全变分方法充分探索图像信息以建立更加准确的JND模型的方法。
技术实现思路
本专利技术所要解决的技术问题是，提供一种基于显著性检测结合全变分的最小可察觉失真方法及系统，能够解决现有视频编码技术未充分利用HVS特性和JND模型不够准确的问题。为了解决上述技术问题，本专利技术采用的技术方案为：一种基于显著性检测和全变分的最小可察觉失真方法，包括：S1、将原始图像数据使用全变分方法分解为结构分量和纹理分量；S2、根据结构分量和纹理分量计算像素域JND阈值和变换域JND阈值；S3、对原始图像数据进行显著性检测，得到显著性映射图；使用显著性映射图加权像素域JND阈值和变换域JND阈值，取最大值作为最终的JND阈值。本专利技术基于显著性检测和全变分的最小可察觉失真方法的有益效果在于：使用全变分方法将图像分解为结构分量和纹理分量，结构分量包含图像的轮廓等信息，而纹理分量包含更加准确的纹理信息，因而计算变换域JND阈值时需要使用纹理块进行划分，这样能更精确地得到图像块的块类型；根据所包含的不同信息的分量来生成JND阈值，能够计算出更精确地JND阈值；显著性检测利用人眼视觉特性，得到图像显著性区域，模拟人类视觉对感兴趣的区域能够得到更多的关注，从而能够更好的探索数据间的冗余，并且使得码率下降，得到的JND阈值精确，而视频的主观测试没有明显的损失。一种基于显著性检测和全变分的最小可察觉失真系统，包括：分解模块，用于将原始图像数据使用全变分方法分解为结构分量和纹理分量；计算模块，根据结构分量和纹理分量计算像素域JND阈值和变换域JND阈值；合成模块，用于对原始图像数据进行显著性检测，得到显著性映射图；使用显著性映射图加权像素域JND阈值和变换域JND阈值，取最大值作为最终的JND阈值。本专利技术基于显著性检测和全变分的最小可察觉失真系统的有益效果在于：原始图像数据经分解模块分解成结构分量和纹理分量，由于结构分量包含图像的轮廓等信息，而纹理分量包含更加准确的纹理信息，因此计算模块计算变换域JND阈值时需要使用纹理块进行划分，这样能更精确地得到图像块的块类型；计算模块根据所包含的不同信息的分量来生成JND阈值，能够计算出更精确地JND阈值；合成模块结合显著性检测来获取最终的JND阈值，模拟人类视觉对感兴趣的区域能够得到更多的关注，从而能够更好的探索数据间的冗余，并且使得码率下降。附图说明图1为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的感知视频编码框架图；图2为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的STJ模型；图3为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的BQTerrace实例失真性能；图4为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的BasketballDrive实例失真性能；图5为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的Cactus实例失真性能；图6为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的ParkScene实例失真性能；图7为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的PeopleOnStreet实例失真性能；图8为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的BasketballDrill实例失真性能；图9为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的4个方向的滤波模块；图10为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的背景亮度的滤波模块；图11为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的码率实验结果；图12为本专利技术实施例一的基于显著性检测和全变分的最小可察觉失真方法的PSNR实验结果；图13为本专利技术本文档来自技高网...

【技术保护点】
一种基于显著性检测和全变分的最小可察觉失真方法，其特征在于，包括：S1、将原始图像数据使用全变分方法分解为结构分量和纹理分量；S2、根据结构分量和纹理分量计算像素域JND阈值和变换域JND阈值；S3、对原始图像数据进行显著性检测，得到显著性映射图；使用显著性映射图加权像素域JND阈值和变换域JND阈值，取最大值作为最终的JND阈值。

【技术特征摘要】
1.一种基于显著性检测和全变分的最小可察觉失真方法，其特征在于，包
括：
S1、将原始图像数据使用全变分方法分解为结构分量和纹理分量；
S2、根据结构分量和纹理分量计算像素域JND阈值和变换域JND阈值；
S3、对原始图像数据进行显著性检测，得到显著性映射图；使用显著性映
射图加权像素域JND阈值和变换域JND阈值，取最大值作为最终的JND阈值。
2.根据权利要求1所述的基于显著性检测和全变分的最小可察觉失真方法，
其特征在于，所述步骤S2的计算像素域JND阈值具体为：
S21、利用结构分量计算边界掩蔽效应以及利用纹理分量计算纹理掩蔽效
应；
S22、将结构分量和纹理分量分别进行4个方向的滤波计算和平均背景亮度
计算，设置纹理掩蔽效应的权重大于边界掩蔽效应的权重，进行加权求和得到
对比度掩蔽效应，最后计算亮度对比度；
S23、将对比掩蔽效应和亮度对比度进行结合生成像素域JND阈值。
3.根据权利要求1所述的基于显著性检测和全变分的最小可察觉失真方法，
其特征在于，所述步骤S2的计算变换域JND阈值具体为：
S24、计算基本阈值和亮度自适应因子，所述基本阈值包括亮度和色度分量
的基本阈值；
S25、计算色度的对比掩蔽因子，以及使用纹理分量的变换块进行块的划分，
计算亮度的对比掩蔽因子；
S26、将基本阈值、亮度自适应因子以及亮度和色度的对比掩蔽因子结合生
成变换域JND阈值。
4.根据权利要求1所述的基于显著性检测和全变分的最小可察觉失真方法，
其特征在于，所述步骤S3具体为：
S31、首先将图像转换到CIEL*a*b颜色空间，计算像素点之间的欧氏距离；
通过计算图像像素点所在块与周围的块的位置欧氏距离，欧氏距离与位置欧氏
距离成正比得到图像块之间的相异度；
S32、判断块之间的相异度确定是否为显著性像素，当前的块与周围块的相
异度越大的则为显著性；对像素在单一尺度下计算得到显著性值；计算像素在
多尺度下的显著性值，最后取得不同尺度下的显著性平均值作为显著性值；
S33、设定像素的显著性值大于设定阈值则为显著像素，显著像素与周围的
像素计算显著值，根据欧氏距离与所述周围像素的显著值的乘积取平均得到周
边像素的显著值；
S34、根据计算得到的显著值结合JND阈值，通过设定阈值与显著值之差得
到显著调节因子，最后显著调节因子与像素域JND阈值及变换域JND阈值进行
乘积计算得到最终的JND阈值。
5.一种基于显著性检测和全变分的最小可察觉失真系统，其特征在于，...

【专利技术属性】
技术研发人员：叶锋，李承欣，林晖，许力，陈家祯，郑子华，洪斯婷，李婉茹，
申请(专利权)人：福建师范大学，
类型：发明
国别省市：福建;35