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。

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。

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。

基于BCH和JND的小波域数字图像水印算法

为了提高数字图像水印的鲁棒性,提出一种结合BCH码和JND模型的小波域数字图像水印算法。该算法采用Arnold变换和BCH码对二值水印图像进行置乱加密以及编码,对载体图像分块后再进行二维离散小波变换,将加密并且编码后的水印信息嵌入到载体图像各子块的二维离散小波变换的低频子带中,嵌入强度根据载体图像的JND值自适应的选取。实验结果表明,水印的透明性很好,在遭受不同类型和强度的水印攻击时,具有较强的鲁棒性。

基于JND与梯度显著度的HDR视频编码方法

高动态范围(High Dynamic Range,HDR)成像能够呈现更加真实的画面,由于其庞大的数据量,如何结合视觉感知实现其高效编码十分重要。提出一种基于恰可察觉失真(Just Noticeable Difference,JND)与梯度显著度(Gradient Saliency,GS)的HDR视频编码方法。首先,依据最大熵定理分割HDR视频帧得到高亮、低暗与中间亮度区域,根据分割结果计算并修正针对HDR视觉内容的JND阈值。然后,出于不同复杂程度的纹理信息对于人眼显著性不同的考虑,使用GS作为人眼获取视觉信息的影响因素。最后,将GS协同JND通过感知模型,进而指导HDR视频编码的率失真优化过程,实现在HDR视频编码中更加符合视觉感知的码率分配并降低码率。实验结果表明,所提方法能够有效提高HDR视频编码性能。

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%.

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。

采用SJND模型的动态点云感知编码方法

动态点云能有效描述自然场景与3D对象,提供沉浸式视觉体验;但其数据量庞大。需对其进行有效压缩。提出了采用显著性引导的恰可察觉失真(Saliency-guided Just Noticeable Distortion,SJND)模型的动态点云感知编码方法。针对纹理图感知冗余,构建了基于离散余弦变换域的SJND模型,应用于纹理图编码过程中的DCT系数抑制;考虑到相同失真等级下显著区域的几何失真更易被察觉,提出使用投影显著图将几何图进行分层;最后,为不同层级的编码树单元进行自适应量化参数选择和编码。与V-PCC标准方法相比,在保证动态点云视觉质量的前提下,所提出方法提升了动态点云的编码效率。

基于JND的小波域数字水印算法的研究

文章对JND技术应用到图像数字水印算法中进行了阐述。为了提高纠错能力,水印嵌入前经过Goppa编码预处理,然后采用一种基于JND的分类器将分块后的载体图像分类,以不同的嵌入强度将水印信息嵌入到载体图像中。实验结果表明,利用该算法实现的水印具有很好的视觉掩蔽效应和鲁棒性。

A Perceptual Video Coding Based on JND Model

In view of the fact that the current high efficiency video coding standard does not consider the characteristics of human vision, this paper proposes a perceptual video coding algorithm based on the just noticeable distortion model (JND). The adjusted JND model is combined into the transformation quantization process in high efficiency video coding (HEVC) to remove more visual redundancy and maintain compatibility. First of all, we design the JND model based on pixel domain and transform domain respectively, and the pixel domain model can give the JND threshold more intuitively on the pixel. The transform domain model introduces the contrast sensitive function into the model, making the threshold estimation more precise. Secondly, the proposed JND model is embedded in the HEVC video coding framework. For the transformation skip mode (TSM) in HEVC, we adopt the existing pixel domain called nonlinear additively model (NAMM). For the non-transformation skip mode (non-TSM) in HEVC, we use transform domain JND model to further reduce visual redundancy. The simulation results show that in the case of the same visual subjective quality, the algorithm can save more bitrates.

基于图像小波域自适应干扰的GAN生成人脸反取证

针对现有生成对抗网络(GAN)生成人脸反取证方法攻击迁移性不强的问题,提出了一个基于图像小波域自适应干扰的GAN生成人脸反取证方法以提升攻击迁移性.该方法通过对GAN生成人脸图像的小波域信息(即图像经过小波分解后的频率分量)施加扰动以实现其对取证模型的抵抗,并且分别在空域和频域上基于最小可觉察误差(JND)设计自适应扰动阈值,对图像不同像素点位置设置不同的扰动强度,从而增强扰动的人眼不可感知性.此外,还设计了一种数据增强方式对反取证人脸进行数据分布多样性扩充,以进一步提升攻击迁移性.实验结果表明,与6种基线方法相比,所提方法生成的反取证人脸在保证扰动对人眼不可感知前提下具有更强的攻击迁移性.

一种基于位平面和位运动估计的视频数据压缩算法

高分辨率和高刷新率使得带宽传输的压力加倍。通常,视频压缩被用来解决这个问题。但传统的视频压缩方法不根据位平面进行编码和解码,会增加存储区域的成本。因此本文首先介绍了一种位恰可察觉失真(BJND)模型,计算了结合视点因子的位平面恰可察觉失真模型的阈值,并将亮度因子和纹理因子的恰可察觉失真(JND)阈值映射到位平面上,综合得出了位恰可察觉失真模型。然后提出了一种基于位运动估计算法的视频压缩方案。该方案使改进后的搜索范围不仅包括时间维度,还包括灰度维度。根据人眼的视觉特点和概率统计分析,方案新增了补充匹配块来替代残差数据,从而保证了压缩比的恒定性。实验结果表明,所提方案对低5位平面压缩具有最佳的综合效果,压缩比为1.38,数据传输量恒定,且恢复后的图像与原始图像并无明显差异,更加符合人眼的直观感受。

基于人眼显著性区域检测的HEVC码率控制算法

该文提出一种新的码率控制算法,基于人眼显著性区域的检测,以优化视频编码效率。该算法利用像素级的恰可感知失真(JND)模型,精准预测人眼对图像失真感知的阈值。通过分析相邻帧间的像素值变化,识别出图像中的显著性区域,并基于JND模型进一步细分这些区域。通过构建一个多级码率分配框架,以指导不同区域的码率分配。实验结果显示,在低码率环境下,该算法能够显著提升显著性区域的视觉质量,同时保持码率控制的精确性。相比现有的HM16.9算法,在码率精确性基本不变的情况下,该文算法的BD-Rate下降0.028 9%,BD-PSNR提升0.001 6%,多个测试序列的结构相似性△SSIM平均提升0.000 69。

基于深度学习的多层级恰可察觉失真预测

视觉恰可察觉失真(just noticeable distortion,JND)直接反映人眼视觉系统对视觉信号噪声的敏感程度,广泛应用于图像和视频处理领域。针对视频JND阈值的多层级预测问题,将其转化为用户满意率(satisfied user ratio,SUR)曲线的预测问题,并提出一种基于特征融合的SUR曲线预测模型。该模型主要分为关键帧选择模块、特征提取和融合模块以及SUR分数回归模块。在关键帧选择模块,根据视觉感知机制,提出空时域感知复杂度并以此作为视频关键帧判决指标。在特征提取和融合模块,基于密集残差块(dense residual block,RDB)提出多尺度密集残差网络实现图像特征提取和多尺度融合。实验结果表明,所提出的SUR曲线预测模型在JND阈值预测精度方面整体优于现有模型,且在运行效率上平均降低8.1%的时间成本。同时,该模型还可以用于预测其他层级JND阈值,可直接应用于视频多层级感知编码优化。

双目立体视频最小可辨失真模型及其在质量评价中的应用

该文针对目前最小可辨失真(JND)模型只能应用于评价单视点视频的问题,探索一种以双眼亮度关系为基本出发点的双目立体视频的JND模型。首先根据立体视频特性引入双眼亮度关系模型,然后考虑了背景亮度掩盖、纹理掩盖、帧间掩盖、空间时间对比灵敏度、眼睛运动等因素,提出了双目JND模型,最后将该双目JND模型应用到立体视频质量评价方法中。实验结果表明该文提出的质量评价方法符合人类的视觉感知特性,更接近于主观测试结果。

人类视觉对比度分辨率的非线性补偿原理和方法

在对人类视觉对比度分辨率的研究基础上,提出了对暗视觉条件下的人类视觉对比度分辨率进行非线性补偿的思想、方法和应用。将在暗视觉条件下所获得的人类视觉不能分辨的不同灰度的信息,放在恰可分辨(JND)的灰度水平上,进行非线性补偿。经过补偿后,原来人类视觉不能分辨的不同灰度的信息就清楚可辨。因此该方法可望用于构建一种新型的全天候监控系统,改善提高微光夜视系统和反隐形系统的功能。

一种视觉模型引导的小波域彩色图像盲水印算法

为了较好地解决水印不可见性与鲁棒性矛盾问题,提出了一种新的彩色图像盲水印算法。将原始彩色图像转换到YCbCr色彩空间,并对各分量进行分块处理及一级离散小波变换,利用人眼视觉特性建立视觉模型并引导水印嵌入到中频系数中。水印的提取简单且不需要原始载体图像和原始水印,鲁棒调控因子的引入协调了算法对各类攻击的抵抗能力。实验结果表明,该算法能较好地平衡不可见性和鲁棒性,并且对诸如剪切、叠加噪声等攻击具有更强的鲁棒性。

基于图像内容的脊波变换域数字水印模型和算法研究

在研究人类视觉(HVS)特性的基础上提出了一种在脊波变换域基于图像内容的数字水印模型.在此模型中,嵌入数字水印的强度归结于数字图像脊波系数的视觉掩盖效应,文中建立了脊波变换域人眼临界可见误差模型.图像的水印检测被归结为Neymann-PeaLrson准则下的统计模型,该模型被用来估算水印检测的最优阈值.作为算例,将临界可见误差模型结合扩展谱技术,提出了一种新颖的图像自适应水印算法,并给出了相应的实验结果.实验表明算法性能大幅度提高.

基于DWT-SVD域的彩色图像自适应水印算法

为了保护数字彩色图像版权,提出了一种结合离散小波变换(DWT)和矩阵奇异值分解(SVD)的彩色图像自适应水印算法。其主要设计思想是:先将原RGB彩色图像的各颜色分量进行小波分解;再将得到的中、低频带的小波系数与原水印图像分别进行奇异值分解,水印信息的奇异值重复嵌入到三通道中、低频带的小波系数奇异值中,且利用临界视觉阈值与奇异值之间的关系对水印嵌入强度作自适应调节,从而达到增强水印鲁棒性和确保水印透明性的目的。本算法适用于二值及灰度水印,在二值水印的提取过程中需设定一个提取阈值,以保证提取水印的完整性。仿真结果说明本算法对水印系统的透明性与鲁棒性作了较好的协调,是一种较稳健的算法。