低功耗硅基OLED微显示器的区域梯度调光策略

针对近眼显示设备存在显示功耗较大的问题,通过研究人眼视觉的特性提出一种人眼凝视点自适应的区域梯度调光算法。首先进行中心凹-亮度掩蔽实验以获取人眼的恰可觉差(Just Noticeable Difference,JND),并在此基础上改进了传统人眼凝视点的几何光路模型,得到更符合人眼自适应特性的几何光路模型,引入最大视角判别法有效提高了视角计算效率。随后,对图像进行预处理时采用改进的对比度增强算法,以在保持图像平均显示亮度基本不变的情况下增强显示效果。根据实验得到的JND阈值和凝视点信息,对图像实施了区域和全局功耗限制,从而在降低功耗的同时保持了视觉主观感受。在FPGA硬件平台上完成了算法的验证。实验结果表明,该算法在柯达标准测试集下使硅基有机发光二极管(Organic Light Emitting Diode,OLED)微显示器的显示功耗降低23.05%,基本满足硅基OLED微显示器的低功耗显示的要求,可为其性能提升提供指导。

改进的JND模型及其在图像编码中的应用

对现有的DCT域恰可察觉失真(Just-Noticeable-Distortion,JND)模型进行改进,首先对JND模型中的亮度自适应因子进行准确化,其次在考虑纹理掩盖效应时引入平均边缘权重系数对图像进行分块,使JND模型更加符合人眼的视觉特性。并将改进的JND模型应用于图像编码中。实验结果表明,改进的JND模型和人眼特性的吻合性更好,在保证图像主观质量一定的情况下,与现有JND模型相比,可以容忍更多的失真,而基于改进JND模型的图像编码方法能够大大地提高编码效率。

基于混沌序列和JND的红外图像水印算法

提出一种适用于红外图像版权保护的数字水印算法。以整数小波变换为基础,对灰度水印图像Logistic混沌加密和小波分解后,结合人类视觉系统和JND思想,选取重要感知系数,融合到红外图像特定的位置,采用分层检测的方法提取水印。实验结果表明,该算法实现速度快,嵌入水印前后红外图像温度变化在±1%内,不影响红外图像实际应用。具有较好的不可见性,对常见的JPEC压缩、滤波、加噪、剪切等攻击具有较强的鲁棒性。

纯音脉冲强度JND测试值与SPIN理论严重背离

对不同持续时间 1 k Hz纯音的强度 JND的测量表明 ,Weber比随信号持续时间的增加而减小 ,减小的速度随信号持续时间的增加而减缓 ,到信号持续时间增加到 5s时 Weber比不再随信号持续时间的增加而减小 ,此时 Weber比随强度的变化与 Weber定律极为接近 ,而与内部泊松内部噪声 ( PIN)理论、以及饱和内部泊松内部噪声 ( SPIN)

基于纹理分解的变换域JND模型及图像编码方法

为了提高变换域JND模型的精度,在计算对比度掩盖因子时只对纹理分量滤波并判断区域类型的方法避免了JND低估的问题。将改进的JND模型用于图像编码,考虑到辅助信息对编码效率的影响,把经过调整后的JND模型结合到量化过程中,能去除更多的视觉冗余并保持兼容性。仿真结果表明,纹理分解的方法提高了JND阈值,改进的编码方法在相似的视觉质量下能节省更多的码率并且不需要增加额外的比特开销,该编码思路也适用于视频编码。

结合JND模型的图像拼接缝消除方法

该文针对待拼接图像间的亮度差异而导致拼接图像存在拼接缝的问题,提出一种基于JND(Just Noticeable Difference)模型的新的亮度拼接缝去除方法。该图像拼接缝优化算法分为3个步骤。将待优化图像变换到HSV空间,并提取V分量;在V分量图中自适应确定过渡区域宽度,根据JND模型计算区域内各点的优化阈值确定优化量大小并进行优化;将优化后的V分量与分离的H,S分量结合进行逆变换即可得到最终优化的拼接图像。实验结果表明,该算法能够实现图像亮度的平滑过渡,在亮度差较大的情况下也能得到较好结果。同时,该算法能够有效地避免常用基于RGB空间的拼接缝去除方法所带来的偏色问题,具有更大的适用范围。

基于JND的压缩感知图像编码

传统的数据采集都要遵循奈奎斯特采样定理的两倍以上带宽取样,而压缩感知理论突破原有采样定理的限制,为从少量数据重建原始数据提供了可能性。提出了基于JND压缩感知的稳健性图像编码方法,该新方法将压缩感知理论应用于图像编码,并引入JND模型来提高信号的稀疏性。实验结果表明,提出的方法大大降低了压缩感知的重建时间,同时也提高了图像的重建质量。

基于改进的JND模型的视频水印算法

针对视频版权的保护,提出了一种基于改进的JND模型的视频水印算法。此算法首先选取二值图像作为图像水印,利用Logistic混沌映射对图像进行加密;然后对载体视频进行关键帧提取,将提取的帧进行4层小波分解,结合分形理论对小波系数进行D树和R树的存储,并根据人类视觉系统(HVS)提出改进的JND模型,进而将处理后的水印信息按照三个方向自适应的嵌入到D树和R树中。实验结果表明:本工作的算法具有较好的不可见性,且针对噪声、高斯滤波、旋转等攻击具有良好的鲁棒性。

基于JND的H.264编码模式选择算法

提出了一种基于JND模型的H.264编码模式选择算法,使用改进的基于DCT域的JND计算模型,同时考虑了时空域CSF、亮度自适应调节、带内/带间掩蔽等因素,对编码过程中产生的预测残差进行JND阀值计算;在率失真计算过程中,通过去除不可察觉的冗余系数进行主观质量优化。实验结果表明,在不影响视频主观质量的前提下,该算法明显降低了编码产生的数据量,提高了编码效率。

结合纹理复杂度和JND模型的图像水印算法

针对目前基于灰度共生矩阵相关水印算法存在容量较小的问题,提出一种将纹理复杂度和DCT域JND模型相结合的图像水印算法。首先将原图像分成子块,利用各子块灰度共生矩阵的四个纹理特性计算其纹理复杂度,并据此对子块进行排序以确定水印嵌入的子块位置后对原图像素矩阵进行DCT变换,结合新的分区方式计算各块JND值,根据JND值以及新的嵌入规则确定子块内水印嵌入方式。算法有效考虑了图像块的纹理特性和人眼视觉敏感性,加强了嵌入水印后的图像质量,提高了水印嵌入容量。实验结果表明,所提方法在嵌入相同容量的水印时,图像平均峰值信噪比(PSNR)较现有方法高出4. 27%左右,在嵌入超过原方法容量上限一倍的水印时,图像平均PSNR仍有53. 449 8 d B。

强度JND与强度关系的唯象模型

根据不同持续时间纯音信号的响度与强度的关系以及强度JND与强度的关系 ,建立了一个描述纯音信号强度JND与强度关系的模型 .这个模型认为 ,响度对数的辨别阈不随信号强度变化 .

基于多数字基整数和小波域JND的多重数字水印

提出了一种新颖的在小波变换域中嵌入多重数字水印的算法 .该算法通过利用人眼的视觉特性 ,计算小波域临界可见误差JND门限 ,选择加载水印信息的小波系数和控制加载的水印强度 .通过引入多数字基整数系统 ,选择合适的JND门限作为该系统的基底 ,将水印的小波系数表示为多数字基整数 ,最后转化为修改一组宿主图像的小波系数的幅值 ,从而实现水印嵌入算法 .实验结果表明 ,该算法实现的数字水印对于图像压缩、图像剪切等常见图像处理有很好的鲁棒性 .

响度与响度JND的关系

根据解释强度与强度JND关系的唯象模型 ,可得与ISO 1 3 1 1 979(E)同形式的响度变化模式 .也可得响度与响度JND间存在的关系 :响度JND与响度的比 (ΔL/L)是不依赖信号强度变化的常数 .响度与响度JND间的这种关系可从响度的听神经发放率表达机制得到定性的解释 .

基于JND视觉模型的自适应数字水印算法

为了实现水印的版权保护功能,要求水印具有良好的鲁棒性,同时又不降低原始载体的视觉特性,这就要求所生成的水印对原始载体具有自适应能力。该文使用由原始图像自身生成的二值图像作为水印信息,利用视觉特性推出的JND模型对图像的小波系数进行自适应量化嵌入,经实验验证,该算法对于压缩、裁剪、以及调整图象大小等都具有较好的鲁棒性,而且水印提取无需原始图像。

结合像素域JND阈值空间相关性与图像块类型的残差滤波算法

为了更好地将人眼视觉感知特性应用于视频压缩系统,从而去除视频的视觉冗余成分,在利用像素域的恰可察失真(Just Noticeable Distortion,JND)阈值的基础上,结合JND阈值的空间相关性与图像块类型,提出了一种改进的残差滤波算法。该算法首先在像素域计算出每个像素的JND阈值,然后在变换单元(Transform Unit,TU)中挖掘每个像素JND阈值与其周围邻近像素JND阈值之间的空间相关性,再利用索贝儿(Sobel)边缘检测算子将TU分成不同类型的图像块,并且计算出对应的复杂度因子,最后结合上述像素JND阈值的空间相关性和TU复杂度因子对TU残差进行滤波。提出的算法模型可以嵌入到高效率视频编码(High Efficiency Video Coding,HEVC)框架。实验结果表明,在全I帧配置下,提出的算法与标准算法HM16.0相比,在人眼主观感知质量基本一致的情况下,平均可节省16.1%的码率。

基于人眼JND门限的多分辨率水印嵌入算法

提出了一种基于人眼JND门限的多分辨率水印嵌入算法。按照JND门限决定水印嵌入强度的小波域水印嵌入算法能充分利用人的视觉特性,在不影响图像质量的前提下尽可能提高水印的嵌入强度,使用JBIG降分辨率的方法对二值图像水印进行预处理,把水印信息按照重要度进行分级,对重要信息优先选用抗攻击能力强的小波参数进行嵌入,可以进一步提高水印的抗攻击能力。

一种基于Watson模型的图像失真JND门限

文章提出了一种基于Watson模型的图像失真JND门限,该技术的设计要点是利用人类视觉系统的特点,在不可见的前提下,根据Watson模型并结合JPEG图像压缩中常用的DCT变换及JPEG压缩量化表,计算出JND门限,为图像的数字水印技术作基础。

基于行程编码和JND门限的数字水印算法

该文提出了一种新的数字水印算法.该算法以小波变换为基础,对小波系数进行JND量化,结合伪随机序列和行程编码对水印进行嵌入。结果实现了将二维彩色图像作为水印信息嵌入到二维图像数据中。实验结果表明:提出的算法有较强的抵抗JPEG压缩攻击能力,并且对噪声、滤波、剪切等图像处理操作也取得了良好的鲁棒性。

面向视频压缩的显著性协同检测JND模型

为了更好的将人眼感知特性用于视频压缩系统,提出了一种改进的基于显著性协同检测的恰可察觉失真模型(Just Noticeable Distortion,JND).该模型通过像素域和变换域下联合建模计算得到的最优JND模型,基于上下文感知的显著性算法得到相应的显著图,并将检测结果用于JND模型权值分配.提出的JND残差滤波器可以嵌入到HEVC视频编码框架中.实验结果表明:在全I帧配置下,提出的算法编码结果与HM16相比,在视觉主观感知质量一致的情况下,平均码率可节省10.7%.