CN109191427B - 基于双目抑制的dwt域亮度掩蔽模型构建方法及装置 - Google Patents
基于双目抑制的dwt域亮度掩蔽模型构建方法及装置 Download PDFInfo
- Publication number
- CN109191427B CN109191427B CN201810820759.2A CN201810820759A CN109191427B CN 109191427 B CN109191427 B CN 109191427B CN 201810820759 A CN201810820759 A CN 201810820759A CN 109191427 B CN109191427 B CN 109191427B
- Authority
- CN
- China
- Prior art keywords
- sub
- curve
- band
- fitting
- basic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000000873 masking effect Effects 0.000 title claims abstract description 37
- 238000010276 construction Methods 0.000 title claims abstract description 29
- 230000001629 suppression Effects 0.000 title abstract description 15
- 238000012360 testing method Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000008859 change Effects 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 238000004088 simulation Methods 0.000 claims description 40
- 230000003247 decreasing effect Effects 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 231100000656 threshold model Toxicity 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种基于双目抑制的DWT域亮度掩蔽模型构建方法及装置，包括：获取用于生成立体图像的左视图和右视图；将左视图和右视图进行小波变换；在左视图各子带不加噪声时，对右视图的各子带添加噪声，通过对所述立体图像的观测，得到所述右视图的各子带的小波系数在不同亮度均值下的噪声阈值的测试值；采用曲线拟合方法拟合右视图的各子带的小波系数的噪声阈值随亮度均值变化的拟合曲线；通过右视图上不同亮度均值下在各子带的拟合曲线上对应的噪声阈值以及左图像上对应子带的小波系数的噪声能量构建右视图的小波域子带的双目恰可察觉失真模型。所述装置及方法构建了面向立体图像的DWT域的双目恰可察觉失真阈值模型。
Description
技术领域
本发明涉及图像分析技术领域，更为具体地，涉及一种基于双目抑制的DWT域亮度掩蔽模型构建方法及装置。
背景技术
人类随时随地都在通过视觉、听觉、触觉、嗅觉等形式来获取各种各样的信息，视觉装置则是人类获取外界信息的重要装置，人们每天凭视觉装置获取的信息占所有感知通道信息总和的4/5。这些视觉信息的载体可以是文字，雕塑，绘画等等。随着时代进步，科学技术的迅猛发展，计算机、多媒体及网络技术得到极大应用，视觉信息的载体也开始数字化，比如数字图像、视频等，并成为人们获取信息的重要来源之一。为了提高数字图像视频的传输效率和安全性，学者们开始研究在保证图像视觉信息没有缺失的情况下，对图片进行压缩编码，嵌入数字水印等处理。
目前，人类视觉装置的视觉特性应用于压缩编码和信息隐藏的研究越来越多，使人们对人眼视觉特性具有了更深、更全面的了解。人类视觉装置的特性包括很多方面，如亮度敏感性、频率敏感特性、对比度掩蔽特性、边缘及纹理掩蔽特性等等，将这些特性进行定量分析和运用，对于压缩编码和信息隐藏都具有非常重要的意义。
由于各种掩蔽效应，人眼只能觉察超过某一阈值的噪声，该阈值就是人眼的恰可察觉失真，体现了人眼对图像改变的容忍度。对人眼的噪声容忍阈值进行测量分析和建模，研究者提出了基于二维图像的恰可察觉失真模型即JND(Just Noticeable Difference)模型和基于双目立体图像的空域双目恰可察觉失真模型BJND(Binocular Just NoticeableDifference)模型，这些模型在数字图像压缩、数字水印和图像质量客观评价等方面得到了广泛的应用。
空域双目恰可察觉失真模型BJND采用空域的亮度和纹理分析，获得空域像素值的恰可察觉失真噪声阈值，应用范围有限。
另外，在小波变换(DWT)领域，存在面向二维图像(单视图)的恰可察觉失真JND模型，不存在面向立体图像的双目恰可察觉失真模型BJND模型。
发明内容
鉴于上述问题，本发明的目的是提供一种小波变换的基于双目抑制的DWT域亮度掩蔽模型构建方法及构建装置。
根据本发明的一个方面，提供一种基于双目抑制的DWT域亮度掩蔽模型构建方法，包括：获取用于生成立体图像的左视图和右视图；将左视图和右视图进行小波变换，分解为LL、LH、HL和HH四个子带；对右视图的各子带添加噪声，在不同亮度均值下使用添加了噪声的右视图和未添加噪声的左视图合成立体图像，通过对所述立体图像的观测，得到所述右视图的各子带的小波系数在不同亮度均值下的噪声阈值的测试值AlimitR,S[LLR(i,j)]，其中，R表示右视图，S表示小波子带，可取LL，HL，LH，HH，LLR(i,j)表示右视图位置为(i,j)的亮度均值，AlimitR,S[LLR(i,j)]表示右视图子带S上位置为(i,j)的小波系数的噪声阈值的测试值；采用曲线拟合方法拟合所述右视图的各子带的小波系数的噪声阈值随亮度均值变化的拟合曲线；通过所述右视图上不同亮度均值下在各子带的拟合曲线上对应的噪声阈值以及所述左图像上对应子带的小波系数的噪声能量根据下式(1)构建右视图的小波域子带S的双目恰可察觉失真模型，
其中，AL,S(i,j)表示左视图子带S上位置为(i,j)的噪声能量；BJNDR,S[LLR(i,j),AL,S(i,j)]表示右视图子带S的位置为(i,j)的小波系数的双目恰可失真噪声阈值，λ为曲线指数。
根据本发明的另一个方面，提供一种基于双目抑制的DWT域亮度掩蔽模型构建装置，包括：图像获得模块，获取用于生成立体图像的左视图和右视图；图像分解模块，将左视图和右视图进行小波变换，分解为LL、LH、HL和HH四个子带；噪声融合模块，对右视图的各子带添加噪声，在不同亮度均值下使用添加了噪声的右视图和未添加噪声的左视图合成立体图像，通过对所述立体图像的观测，得到所述右视图的各子带的小波系数在不同亮度均值下的噪声阈值的测试值AlimitR,S[LLR(i,j)]，其中，R表示右视图，S表示小波子带，可取LL，HL，LH，HH，LLR(i,j)表示右视图位置为(i,j)的亮度均值，AlimitR,S[LLR(i,j)]表示右视图子带S上位置为(i,j)的小波系数的噪声阈值的测试值；曲线拟合模块，采用曲线拟合方法拟合所述右视图的各子带小波系数的噪声阈值随亮度均值变化的拟合曲线；双目恰可察觉失真模型构建模块，通过所述右视图上不同亮度均值下在各子带的拟合曲线上对应的噪声阈值以及所述左图像上对应子带的各小波系数的噪声能量根据下式(1)构建右视图的各子带的双目恰可察觉失真小波变换模型，
其中，AL,S(i,j)表示左视图子带S上位置为(i,j)的噪声能量；BJNDR,S[LLR(i,j),AL,S(i,j)]表示右视图子带S上位置为(i,j)的小波系数的双目恰可失真噪声阈值，λ为曲线指数。
本发明所述基于双目抑制的DWT域亮度掩蔽模型构建方法及构建装置通过主观测试的方式构建了面向立体图像的DWT域的双目恰可察觉失真阈值模型，十分方便的用于计算和分析DWT域不同子带中基于双目抑制的亮度掩蔽阈值。
附图说明
通过参考以下结合附图的说明，随着对本发明的更全面理解，本发明的其它目的及结果将更加明白及易于理解。在附图中：
图1是本发明所述基于双目抑制的DWT域亮度掩蔽模型构建装置的构成框图；
图2是本发明所述曲线拟合模块一个实施例的示意图；
图3是本发明所述曲线拟合模块另一个实施例的示意图；
图4是本发明所述基于双目抑制的DWT域亮度掩蔽模型构建方法的流程图；
图5是本发明所述曲线拟合方法的一个实施例的流程图；
图6是本发明所述曲线拟合方法的另一个实施例的流程图；
图7是本发明所述LL、LH、HL和HH四个子带的拟合曲线的示意图。
在所有附图中相同的标号指示相似或相应的特征或功能。
具体实施方式
在下面的描述中，出于说明的目的，为了提供对一个或多个实施例的全面理解，阐述了许多具体细节。然而，很明显，也可以在没有这些具体细节的情况下实现这些实施例。以下将结合附图对本发明的具体实施例进行详细描述。
以下将结合附图对本发明的具体实施例进行详细描述。
图1是本发明所述基于双目抑制的DWT域亮度掩蔽模型构建装置的构成框图，如图1所示，本实施例所述DWT域亮度掩蔽模型构建装置包括：
图像获得模块1，获取用于生成立体图像的左视图和右视图；
图像分解模块2，将左视图和右视图进行小波变换，分解为LL、LH、HL和HH四个子带；
噪声融合模块3，对右视图的各子带添加噪声，在不同亮度均值下使用添加了噪声的右视图和未添加噪声的左视图合成立体图像，所述立体图像用于进行观测，以得到所述右视图的各子带的小波系数在不同背景亮度下的噪声阈值的测试值AlimitR,S[LLR(i,j)]，其中，R表示右视图，S表示小波子带，可取LL，HL，LH，HH，LLR(i,j)表示右视图位置为(i,j)的亮度均值，AlimitR,S[LLR(i,j)[表示右视图子带S上位置为(i,j)的小波系数的噪声阈值的测试值；
曲线拟合模块4，采用曲线拟合方法拟合所述右视图的各子带的小波系数的噪声阈值随亮度均值变化的拟合曲线；
双目恰可察觉失真模型构建模块5，通过所述右视图上不同亮度均值下在各子带的拟合曲线上对应的噪声阈值以及所述左图像上对应子带的小波系数的噪声能量根据下式(1)构建右视图的小波域子带S的双目恰可察觉失真模型，
其中，L表示左视图，AL,S(i,j)表示左视图子带S上位置为(i,j)的噪声能量；BJNDR,S[LLR(i,j),AL,S(i,j)]表示右视图子带S的位置为(i,j)的小波系数的双目恰可失真噪声阈值，λ为曲线指数。
上述DWT域亮度掩蔽模型构建装置中左视图和右视图是相对的概念，不能理解为对本发明的限制，在上述实施例中左视图和右视图可以互换。
在本发明的一个实施例中，如图2所示，曲线拟合模块4包括：
分类单元40，将LL、LH、HL子带作为一类，将HH子带分为另一类；
曲线拟合单元42，通过曲线拟合方法拟合右视图各子带的拟合曲线，将HH子带的拟合曲线传输给双目恰可察觉失真模型构建模块5构建HH子带的双目恰可察觉失真模型；
基础曲线设定单元43，分别设定LL、LH或HL子带作为基础子带，从曲线拟合单元调取基础子带的拟合曲线作为基础曲线；
非基础子带曲线模拟单元44，在设定范围内以设定步长递增或递减得到距离基础曲线不同截距的多条模拟曲线作为非基础曲线对应的同类其他子带的模拟曲线；
非基础子带均方根误差计算单元45，分别计算不作为基础曲线的同类其他两个子带的测试值与对应的多条模拟曲线的模拟值之间的均方根误差；
非基础子带曲线获得单元46，分别获得不作为基础曲线的其他两个非基础子带的最小均方根误差对应的模拟曲线作为其他两个非基础子带的拟合曲线；
基础子带均方根误差计算单元47，分别计算以LL、LH或HL子带的拟合曲线作为基础曲线的测试值与拟合曲线拟合值的均方根误差；
最佳基础曲线获得单元48，计算基础子带均方根误差计算单元47计算的基础曲线的均方根误差与非基础子带曲线获得单元46获得的非基础曲线的最小均方根误差的均值或/和方差值，将所述均值或/和方差的最小值对应的基础子带的基础曲线作为最佳基础曲线，将最佳基础曲线传输给双目恰可察觉失真模型构建模块5构建基础子带对应的双目恰可察觉失真模型；
最佳非基础曲线获得单元49，最佳基础曲线作为基础曲线时，其他两个非基础子带在非基础子带曲线获得单元46获得的最小均方根误差对应的模拟曲线作为其他非基础子带的最佳拟合曲线，将最佳拟合曲线传输给双目恰可察觉失真模型构建模块5构建非基础子带对应的双目恰可察觉失真模型。
在本发明的又一个实施例中，如图3所示，曲线拟合模块4包括：
分类单元40，将LL、LH、HL子带作为一类，将HH子带分为另一类；
曲线拟合单元42，通过曲线拟合方法拟合HL子带和HH子带的拟合曲线，将HH子带的拟合曲线传输给双目恰可察觉失真模型构建模块5构建HH子带的双目恰可察觉失真模型，将HL子带的拟合曲线传输给双目恰可察觉失真模型构建模块5构建HL子带的双目恰可察觉失真模型；
LL和LH子带曲线模拟单元43＇，以HL子带的拟合曲线作为基础曲线，在设定范围内以设定步长递增或递减得到距离基础曲线不同截距的多条模拟曲线；
LL和LH子带均方根误差计算单元44＇，分别计算LL和LH子带测试值与对应的多条模拟曲线的均方根误差；
LL和LH子带曲线获得单元45＇，获得LL和LH子带各自的最小均方根误差对应的模拟曲线作为LL和LH子带的最佳拟合曲线，将LL和LH子带各自的最佳拟合曲线分别发送给双目恰可察觉失真模型构建模块5构建LL和LH子带各自的双目恰可察觉失真模型。
优选地，上述两个实施例的曲线拟合模块4还包括分段单元41，找到每个子带的噪声阈值的跳变点，将跳变点发送给曲线拟合单元42，曲线拟合单元42采用分段的二次多项式拟合方式拟合各子带的拟合曲线。
在本发明的一个实施例中，上述DWT域亮度掩蔽模型构建装置还包括：
曲线指数确定模块6，将曲线指数在设定范围内进行变化，根据小波域各子带的双目恰可察觉失真小波变换模型值和测试值的均方根误差，找到各子带最小的所述均方根误差对应的曲线指数λ，作为各子带双目恰可察觉失真模型的最佳曲线指数。
图4是本发明所述基于双目抑制的DWT域亮度掩蔽模型构建方法的流程图，如图4所示，本实施例所述DWT域亮度掩蔽模型构建方法包括：
在步骤S1中，获取用于生成立体图像的右视图和左视图；
在步骤S2中，将左视图和右视图进行小波变换，分解为LL、LH、HL和HH四个子带；
在步骤S3中，对右视图的各子带添加噪声，在不同亮度均值下使用添加了噪声的右视图和未添加噪声的左视图合成立体图像，通过对所述立体图像的观测，得到所述右视图的各子带的小波系数在不同亮度均值下的噪声阈值的测试值AlimitR,S[LLR(i,j)]，其中，R表示右视图，S表示小波子带，可取LL，HL，LH，HH，LLR(i,j)表示右视图位置为(i,j)的亮度均值，AlimitR,S[LLR(i,j)]表示右视图子带S上位置为(i,j)的小波系数的噪声阈值的测试值；
在步骤S4中，采用曲线拟合方法拟合各子带的右视图噪声阈值随亮度均值变化的拟合曲线，具体地，
根据下式(2)构建双目噪声融合模型，
BN(AL,S(i,j)，AR,S(i,j))＝αAL,S(i,j)λ+βAR,S(i,j)λ (2)
其中，BN(AL,S(i,j)，AR,S(i,j))为双目噪声融合函数，α和β为双目对称系数，α+β＝1，根据双眼对称性，优选地，α和β设为0.5；
设定同一亮度均值LLR下，给定左图噪声能量为AL,S时，右视图可察觉噪声的最低阈值为AR,S[LLR,AL,S]，此时上式(2)变为：
BJNDR,S(LLR)＝0.5·AL,S+0.5·AR,S[LLR,AL,S] (3)
其中，当AL,S为0时，即左图不加噪时，右视图可察觉噪声的最低阈值表示为AR,S[LLR,0]，根据双目噪声融合函数可以知道，此时是右视图可加噪声的最大噪声强度，将AR,S[LLR,0]定义为AlimitR,S(LLR)，即右视图的噪声阈值，采用曲线拟合方法拟合各子带的右视图噪声阈值随背景亮度变化的拟合曲线；
在步骤S5中，通过所述右视图上不同亮度均值下在各子带的拟合曲线上对应的噪声阈值以及所述左图像上对应子带的小波系数的噪声能量根据下式(1)构建右视图的小波域子带S的双目恰可察觉失真模型，
其中，S表示小波子带，可取LL，HL，LH，HH；LLR(i,j)表示右视图位置为(i,j)的亮度均值；AL,S(i,j)表示左视图子带S位置为(i,j)的噪声能量；AlimitR,S[LLR(i,j)]表示所述右视图子带S位置为(i,j)的小波系数的噪声阈值(在左图相应子带S不加噪声时)；BJNDR,S[LLR(i,j),AL,S(i,j)]表示右视图子带S的位置为(i,j)的小波系数的双目恰可失真噪声阈值，λ为曲线指数。
优选地，上述DWT域亮度掩蔽模型构建方法，还包括：
步骤S6，将曲线指数在设定范围内进行变化，根据小波域各子带的双目恰可察觉失真模型值和测试值的均方根误差，找到各子带最小的所述均方根误差对应的曲线指数λ，作为各子带双目恰可察觉失真模型的最佳曲线指数。
在本发明的一个实施例中，如图5所示，上述步骤S4包括：
步骤S41，LL、LH、HL子带采用相同斜率的曲线拟合，
f[LLR(i,j)]＝fbssic[LLR(i,j)]+k (4)
其中，fbssic[LLR(i,j)]表示基础曲线，f[LLR(i,j)]表示基础曲线沿噪声阈值平移截距k后的模拟曲线；
步骤S42，分别以LL、LH或HL子带作为基础子带，基础子带的拟合曲线作为基础曲线，在设定范围内以设定步长递增或递减得到距离基础曲线不同截距的多条模拟曲线，例如，以LL子带的拟合曲线为fbssic[LLR(i,j)]，则LH，HL的拟合曲线可以通过平移LL拟合曲线可以得到，所以设它们的表达式分别为：
fLH[LLR(i,j)]＝fLLbssic[LLR(i,j)]+k1 (5)
fHL[LLR(i,j)]＝fLLbssic[LLR(i,j)]+k2 (6)
其中，fLLbssic[LLR(i,j)]为LL子带的拟合曲线，作为基础曲线，fLH[LLR(i,j)]为作为基础曲线fLLbssic(LL(i,j))平移截距k1得到的LH子带拟合曲线，fHL[LLR(i,j)]为作为基础曲线fLLbssic[LLR(i,j)]平移截距k2得到的HL子带拟合曲线；
将k1和k2在设定范围内以设定步长递增，可以分别得到LH和HL子带多条模拟曲线；
步骤S43，分别计算不作为基础子带的其他两个子带的测试值与对应的多条模拟曲线的均方根误差，
其中，RMSE为一个子带与一个模拟曲线的均方根误差，Xobs,i为一个子带的测试值，Xmodel,i为模拟曲线的模拟值，i为测试点索引，n为测试点的个数；
步骤S44，获得不作为基础子带的其他两个子带的各自最小均方根误差对应的模拟曲线作为其他两个子带的拟合曲线；
步骤S45，分别计算以LL、LH或HL子带的拟合曲线作为基础曲线的测试值与拟合曲线拟合值的均方根误差，分别计算基础子带的基础曲线的均方根误差与不作为基础子带的其他两个子带的上述最小均方根误差的均值或/和方差值；
步骤S46，所述均值或/和方差的最小值对应的基础曲线作为最佳基础曲线，最佳基础曲线对应的子带作为最佳基础子带，不作为最佳基础子带的其他两个子带的最小均方根误差对应的模拟曲线作为其他两个子带的最佳拟合曲线，将最佳基础曲线和最佳拟合曲线代入公式(1)得到LL、LH和HL各子带的双目恰可察觉失真模型；
步骤S47，通过曲线拟合方法拟合HH子带的拟合曲线。
在本发明的另一个实施例中，如图6所示，上述步骤S4包括：
步骤S41＇，通过曲线拟合方法拟合HL子带和HH子带的拟合曲线；
步骤S42＇，以HL子带的拟合曲线作为基础曲线，在设定范围内以设定步长递增或递减得到距离基础曲线不同截距的多条模拟曲线；
步骤S43＇，分别计算LL和LH子带测试值与对应的多条模拟曲线的均方根误差；
步骤S44＇，获得LL和LH子带各自的最小均方根误差对应模拟曲线作为LL和LH子带的拟合曲线。
在本发明的一个具体实施例中，采用下述DWT域亮度掩蔽模型构建方法：
步骤1，将右视图的灰度图像采用小波变换分为LL、LH、HL和HH四个子带；
步骤2，在不同的亮度均值下，多名测试者观察立体图像得到右视图恰可失真的噪声阈值，采用分段的二次多项式的拟合方式拟合LL、LH、HL子带的右视图噪声阈值随亮度均值变化的曲线，所述分段根据曲线的噪声阈值的跳变点进行分段，具体地：
如图7所示：
1)LL/LH/HL/HH四个子带的变化趋势是相同的，即随着亮度均值从0开始增加，右视图噪声阈值逐渐降低，亮度均值到50左右阈值达到最小值，随亮度增加，右视图的噪声容忍度也增大；
2)LH子带、HL子带以及LL子带整体上变化趋势相似，这三个子带选择相同斜率的曲线拟合，只是在决定函数上下位置的常数项(即截距)上进行区分。
3)就HH子带而言，在背景亮度在0至96之间，变化情况与其他子带是类似的，但在背景亮度96以后噪声阈值增加幅度明显大于其他子带；
步骤3，以LL子带的拟合曲线为fbssic(LL(i,j))，所述拟合曲线的表达式为
LH和HL子带的拟合曲线可以通过平移LL子带的拟合曲线可以得到，所以设它们的表达式分别为公式(5)和(6)：
fLH[LLR(i,j)]＝fLLbssic[LLR(i,j)]+k1 (5)
fHL[LLR(i,j)]＝fLLbssic[LLR(i,j)]+k2 (6)；
步骤4，将k1和k2以0.005为步长从-30递增至50，可以分别得到16000条模拟曲线；
步骤5，根据公式(7)，分别计算LH和HL子带在各测试点的噪声阈值(测试值)和上述16000条模拟曲线在各测试点的模拟值的均方根误差，分别得到各自最小均方根误差对应的模拟曲线，作为LH和HL子带的拟合曲线；
步骤6，计算在LL子带的拟合曲线作为基础曲线时，LH子带、HL子带以及LL子带的拟合曲线的均方根误差的均值和方差；
步骤7，以LH子带的拟合曲线为基础曲线，重复上述步骤3-步骤6，得到以LH子带的拟合曲线为基础曲线的三个子带的均方根误差的均值和方差；
步骤8，以HL子带的拟合曲线为基础曲线，重复上述步骤3-步骤6，得到以HL子带的拟合曲线为基础曲线的三个子带的均方根误差的均值和方差；
步骤9，采用各子带的拟合曲线的均方根误差的均值和方差同时最小为标准确定最佳基本曲线和最佳拟合曲线的表达式，下表1示出了分别以LL子带、HL子带和LH子带为基础子带得到的各子带的拟合曲线的均方根误差以及均方根误差的均值和方差，
表1
从上述表1可以看出，以HL子带作为基础子带，以HL子带的拟合曲线作为基础曲线时，三个子带的均方根误差的均值和方差最小，得到HL子带的最佳基础曲线以及LL子带和LH子带的最佳拟合曲线，表达式如下式
如果S＝LL,m＝2.060
如果S＝HL,m＝5.670
如果S＝LH,m＝7.985
其中，m为LL子带、HL子带和LH子带的不同截距；
步骤10，采用分段的二次多项式的拟合方式拟合HH子带的右视图噪声阈值随背景亮度变化的曲线，得到拟合曲线的表达式为：
步骤11，分别将各子带的双目恰可察觉失真模型的曲线指数在设定范围内进行变化，根据各子带的双目恰可察觉失真模型值和测试值的均方根误差，找到各子带最小的所述均方根误差对应的曲线指数λ，作为各子带双目恰可察觉失真模型的最佳曲线指数，下表2示出了HL子带的双目恰可察觉失真模型的曲线指数和均方根误差的变化，下表3示出了下表3示出了HH子带的双目恰可察觉失真模型的曲线指数和均方根误差(RMSE)的变化，
表2
表3
从表2可以看出，HL子带的曲线指数λ为2.25时，均方根误差最小，因此，HL子带的最佳曲线指数λ为2.25，LL子带和LH子带与HL子带的曲线斜率相同，因此，LL子带和LH子带与HL子带的最佳曲线指数也为2.25。
从表3可以看出，HH子带的曲线指数λ为1.5时，均方根误差最小，因此，HH子带的最佳曲线指数λ为1.5。
综上所述，LL子带、HL子带和LH子带的双目恰可察觉失真模型为：
其中，
LL子带的m＝2.060，HL子带的m＝5.670，LH子带的m＝7.985。
HH子带的双目恰可察觉失真模型为：
其中，
本发明所述基于双目抑制的DWT域亮度掩蔽模型构建方法及构建装置在DWT域的双目恰可察觉失真阈值模型，DWT域的不同子带中双目抑制下具有不同的亮度掩蔽阈值，在立体图像进行压缩编码时，当确定一个视图(左视图或右视图)的噪声功率和另一个视图的亮度均值即能确定立体图像的压缩限度，能够对立体图像进行保真准则下的有效压缩。在嵌入数字水印等处理时，也可以根据一个视图(左视图或右视图)的噪声功率和另一个视图的亮度均值快速准确的确定水印嵌入强度。
综上所述，参照附图以示例的方式描述了根据本发明提出的所述基于双目抑制的DWT域亮度掩蔽模型构建方法及构建装置。但是，本领域技术人员应当理解，对于上述本发明所提出的装置及方法，还可以在不脱离本发明内容的基础上做出各种改进。因此，本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (10)
1.一种双目抑制的DWT域亮度掩蔽模型构建方法，其特征在于，包括：
获取用于生成立体图像的左视图和右视图；
将左视图和右视图进行小波变换，分解为LL、LH、HL和HH四个子带；
对右视图的各子带添加噪声，在不同亮度均值下使用添加了噪声的右视图和未添加噪声的左视图合成立体图像，通过对所述立体图像的观测，得到所述右视图的各子带的小波系数在不同亮度均值下的噪声阈值的测试值AlimitR，S[LLR(i，j)]，其中，R表示右视图，S表示小波子带，可取LL，HL，LH，HH，LLR(i，j)表示右视图位置为(i，j)的亮度均值，AlimitR，S[LLR(i，j)]表示右视图子带S上位置为(i，j)的小波系数的噪声阈值的测试值；
采用曲线拟合方法拟合所述右视图的各子带的小波系数的噪声阈值随亮度均值变化的拟合曲线；
通过所述右视图上不同亮度均值下在各子带的拟合曲线上对应的噪声阈值以及所述左视图上对应子带的小波系数的噪声能量根据下式(1)构建右视图的小波域子带S的双目恰可察觉失真模型，
其中，AL，S(i，j)表示左视图子带S上位置为(i，j)的噪声能量；BJNDR，S[LLR(i，j)，AL，S(i，j)]表示右视图子带S的位置为(i，j)的小波系数的双目恰可失真噪声阈值，λ为曲线指数。
2.根据权利要求1所述的DWT域亮度掩蔽模型构建方法，其特征在于，所述曲线拟合方法包括：
LL、LH、HL子带采用相同斜率的曲线拟合，
f(LL(i，j))＝fbssic(LL(i，j))+k
其中，fbssic(LL(i，j))表示基础曲线，f(LL(i，j))表示基础曲线沿噪声阈值平移截距k后的模拟曲线；
分别以LL、LH或HL子带作为基础子带，基础子带的拟合曲线作为基础曲线，在设定范围内以设定步长递增或递减得到距离基础曲线不同截距的多条模拟曲线；
分别计算不作为基础子带的其他两个子带的测试值与上述模拟曲线的均方根误差；
分别获得不作为基础子带的其他两个子带的最小均方根误差对应的模拟曲线作为其他两个子带的拟合曲线；
分别计算以LL、LH或HL子带的拟合曲线作为基础曲线的测试值与拟合曲线拟合值的均方根误差，分别计算基础子带的基础曲线的均方根误差与不作为基础子带的其他两个子带的上述最小均方根误差的均值或/和方差值；
所述均值或/和方差的最小值对应的基础曲线作为最佳基础曲线，最佳基础曲线对应的子带作为最佳基础子带，不作为最佳基础子带的其他两个子带的最小均方根误差对应的模拟曲线作为其他两个子带的最佳拟合曲线；
通过曲线拟合方法拟合HH子带的拟合曲线。
3.根据权利要求1所述的DWT域亮度掩蔽模型构建方法，其特征在于，所述曲线拟合方法包括：
通过曲线拟合方法拟合HL子带和HH子带的拟合曲线；
以HL子带的拟合曲线作为基础曲线，在设定范围内以设定步长递增或递减得到距离基础曲线不同截距的多条模拟曲线，
f(LL(i，j))＝fbssic(LL(i，j))+k
其中，fbssic(LL(i，j))表示基础曲线，f(LL(i，j))表示基础曲线沿噪声阈值平移截距k后的模拟曲线；
分别计算LL和LH子带测试值与上述模拟曲线的均方根误差；
获得LL和LH子带各自的最小均方根误差对应模拟曲线作为LL和LH子带的拟合曲线。
4.根据权利要求2或3所述的DWT域亮度掩蔽模型构建方法，其特征在于，采用分段的二次多项式的拟合方式拟合基础子带和HH子带的拟合曲线。
5.根据权利要求1所述的DWT域亮度掩蔽模型构建方法，其特征在于，还包括：
将曲线指数在设定范围内进行变化，根据小波域各子带的双目恰可察觉失真模型值和测试值的均方根误差，找到各子带最小的所述均方根误差对应的曲线指数λ，作为各子带双目恰可察觉失真模型的最佳曲线指数。
6.一种双目抑制的DWT域亮度掩蔽模型构建装置，其特征在于，包括：
图像获得模块，获取用于生成立体图像的左视图和右视图；
图像分解模块，将左视图和右视图进行小波变换，分解为LL、LH、HL和HH四个子带；
噪声融合模块，对右视图的各子带添加噪声，在不同亮度均值下使用添加了噪声的右视图和未添加噪声的左视图合成立体图像，所述立体图像用于进行观测，以得到所述右视图的各子带的小波系数在不同背景亮度下的噪声阈值的测试值AlimitR，S[LLR(i，j)]，其中，R表示右视图，S表示小波子带，可取LL，HL，LH，HH，LLR(i，j)表示右视图位置为(i，j)的亮度均值，AlimitR，S[LLR(i，j)]表示右视图子带S上位置为(i，j)的小波系数的噪声阈值的测试值；
曲线拟合模块，采用曲线拟合方法拟合所述右视图的各子带小波系数的噪声阈值随亮度均值变化的拟合曲线；
双目恰可察觉失真模型构建模块，通过所述右视图上不同亮度均值下在各子带的拟合曲线上对应的噪声阈值以及所述左视图上对应子带的各小波系数的噪声能量根据下式(1)构建右视图的各子带的双目恰可察觉失真小波变换模型，
其中，AL，S(i，j)表示左视图子带S上位置为(i，j)的噪声能量；BJNDR，S[LLR(i，j)，AL，S(i，j)]表示右视图子带S上位置为(i，j)的小波系数的双目恰可失真噪声阈值，λ为曲线指数。
7.根据权利要求6所述的DWT域亮度掩蔽模型构建装置，其特征在于，所述曲线拟合模块包括：
分类单元，将LL、LH、HL子带作为一类，将HH子带分为另一类；
曲线拟合单元，通过曲线拟合方法拟合右视图各子带的拟合曲线，将HH子带的拟合曲线传输给双目恰可察觉失真模型构建模块构建HH子带的双目恰可察觉失真模型；
基础曲线设定单元，分别设定LL、LH或HL子带作为基础子带，从曲线拟合单元调取基础子带的拟合曲线作为基础曲线；
非基础子带曲线模拟单元，在设定范围内以设定步长递增或递减得到距离基础曲线不同截距的多条模拟曲线作为非基础曲线对应的同类其他子带的模拟曲线；
非基础子带均方根误差计算单元，分别计算不作为基础曲线的同类其他两个子带的测试值与上述模拟曲线的模拟值之间的均方根误差；
非基础子带曲线获得单元，分别获得不作为基础曲线的其他两个非基础子带的最小均方根误差对应的模拟曲线作为其他两个非基础子带的拟合曲线；
基础子带均方根误差计算单元，分别计算以LL、LH或HL子带的拟合曲线作为基础曲线的测试值与拟合曲线拟合值的均方根误差；
最佳基础曲线获得单元，计算基础子带均方根误差计算单元计算的基础曲线的均方根误差与非基础子带曲线获得单元获得的非基础曲线的最小均方根误差的均值或/和方差值，将所述均值或/和方差的最小值对应的基础子带的基础曲线作为最佳基础曲线，将最佳基础曲线传输给双目恰可察觉失真模型构建模块构建基础子带对应的双目恰可察觉失真模型；
最佳非基础曲线获得单元，最佳基础曲线作为基础曲线时，其他两个非基础子带在非基础子带曲线获得单元获得的最小均方根误差对应的模拟曲线作为其他非基础子带的最佳拟合曲线，将最佳拟合曲线传输给双目恰可察觉失真模型构建模块构建非基础子带对应的双目恰可察觉失真模型。
8.根据权利要求6所述的DWT域亮度掩蔽模型构建装置，其特征在于，
所述曲线拟合模块包括：
分类单元，将LL、LH、HL子带作为一类，将HH子带分为另一类；
曲线拟合单元，通过曲线拟合方法拟合HL子带和HH子带的拟合曲线，将HH子带的拟合曲线传输给双目恰可察觉失真模型构建模块构建HH子带的双目恰可察觉失真模型，将HL子带的拟合曲线传输给双目恰可察觉失真模型构建模块构建HL子带的双目恰可察觉失真模型；
LL和LH子带曲线模拟单元，以HL子带的拟合曲线作为基础曲线，在设定范围内以设定步长递增或递减得到距离基础曲线不同截距的多条模拟曲线；
LL和LH子带均方根误差计算单元，分别计算LL和LH子带测试值与上述模拟曲线的均方根误差；
LL和LH子带曲线获得单元，获得LL和LH子带各自的最小均方根误差对应的模拟曲线作为LL和LH子带的最佳拟合曲线，将LL和LH子带各自的最佳拟合曲线分别发送给双目恰可察觉失真模型构建模块构建LL和LH子带各自的双目恰可察觉失真模型。
9.根据权利要求7或8所述的DWT域亮度掩蔽模型构建装置，其特征在于，所述曲线拟合模块还包括分段单元，找到每个子带的噪声阈值的跳变点，将跳变点发送给曲线拟合单元，曲线拟合单元采用分段的二次多项式拟合方式拟合各子带的拟合曲线。
10.根据权利要求6所述的DWT域亮度掩蔽模型构建装置，其特征在于，还包括：
曲线指数确定模块，将曲线指数在设定范围内进行变化，根据小波域各子带的双目恰可察觉失真小波变换模型值和测试值的均方根误差，找到各子带最小的所述均方根误差对应的曲线指数λ，作为各子带双目恰可察觉失真模型的最佳曲线指数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810820759.2A CN109191427B (zh) | 2018-07-24 | 2018-07-24 | 基于双目抑制的dwt域亮度掩蔽模型构建方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810820759.2A CN109191427B (zh) | 2018-07-24 | 2018-07-24 | 基于双目抑制的dwt域亮度掩蔽模型构建方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109191427A CN109191427A (zh) | 2019-01-11 |
| CN109191427B true CN109191427B (zh) | 2020-09-22 |
Family
ID=64936713
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810820759.2A Active CN109191427B (zh) | 2018-07-24 | 2018-07-24 | 基于双目抑制的dwt域亮度掩蔽模型构建方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109191427B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7292708B2 (en) * | 2003-10-29 | 2007-11-06 | Electronics And Telecommunications Research Institute | Method for blindly embedding and extracting a watermark by using wavelet transform and an HVS model |
| CN102722857A (zh) * | 2012-05-24 | 2012-10-10 | 河海大学 | 一种基于视觉注意机制的数字图像水印方法 |
| CN102934428A (zh) * | 2010-12-16 | 2013-02-13 | 北京航空航天大学 | 一种图像压缩中利用人眼视觉模型的小波系数量化方法 |
| CN103024375A (zh) * | 2012-11-15 | 2013-04-03 | 宁波大学 | 一种基于双目恰可觉察失真的立体图像半脆弱水印方法 |
| CN103414889A (zh) * | 2013-04-09 | 2013-11-27 | 宁波大学 | 一种基于双目恰可察觉失真的立体视频码率控制方法 |
| CN103841411A (zh) * | 2014-02-26 | 2014-06-04 | 宁波大学 | 一种基于双目信息处理的立体图像质量评价方法 |
-
2018
- 2018-07-24 CN CN201810820759.2A patent/CN109191427B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7292708B2 (en) * | 2003-10-29 | 2007-11-06 | Electronics And Telecommunications Research Institute | Method for blindly embedding and extracting a watermark by using wavelet transform and an HVS model |
| CN102934428A (zh) * | 2010-12-16 | 2013-02-13 | 北京航空航天大学 | 一种图像压缩中利用人眼视觉模型的小波系数量化方法 |
| CN102722857A (zh) * | 2012-05-24 | 2012-10-10 | 河海大学 | 一种基于视觉注意机制的数字图像水印方法 |
| CN103024375A (zh) * | 2012-11-15 | 2013-04-03 | 宁波大学 | 一种基于双目恰可觉察失真的立体图像半脆弱水印方法 |
| CN103414889A (zh) * | 2013-04-09 | 2013-11-27 | 宁波大学 | 一种基于双目恰可察觉失真的立体视频码率控制方法 |
| CN103841411A (zh) * | 2014-02-26 | 2014-06-04 | 宁波大学 | 一种基于双目信息处理的立体图像质量评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 立体图像数字水印技术及其应用研究;周武杰;《中国博士学位论文全文数据库 信息科技辑》;20150315(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109191427A (zh) | 2019-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105959684B (zh) | 基于双目融合的立体图像质量评价方法 | |
| Sandić-Stanković et al. | DIBR synthesized image quality assessment based on morphological wavelets | |
| Ma et al. | Reorganized DCT-based image representation for reduced reference stereoscopic image quality assessment | |
| Maalouf et al. | CYCLOP: A stereo color image quality assessment metric | |
| CN105208374B (zh) | 一种基于深度学习的无参考图像质量客观评价方法 | |
| Wang et al. | Reduced-reference image quality assessment using a wavelet-domain natural image statistic model | |
| CN103152600B (zh) | 一种立体视频质量评价方法 | |
| Sandić-Stanković et al. | DIBR-synthesized image quality assessment based on morphological multi-scale approach | |
| Ma et al. | Reduced-reference video quality assessment of compressed video sequences | |
| Wang et al. | Considering binocular spatial sensitivity in stereoscopic image quality assessment | |
| Wang et al. | Quaternion representation based visual saliency for stereoscopic image quality assessment | |
| CN103426173B (zh) | 一种立体图像质量的客观评价方法 | |
| CN104994375A (zh) | 一种基于立体视觉显著性的立体图像质量客观评价方法 | |
| Ma et al. | Reduced-reference stereoscopic image quality assessment using natural scene statistics and structural degradation | |
| CN103780895B (zh) | 一种立体视频质量评价方法 | |
| Chen et al. | Robust contourlet-based blind watermarking for depth-image-based rendering 3D images | |
| Hachicha et al. | No-reference stereo image quality assessment based on joint wavelet decomposition and statistical models | |
| CN107071423A (zh) | 视觉多通道模型在立体视频质量客观评价中的应用方法 | |
| JP2015095779A (ja) | 画像処理装置、画像処理方法及び電子機器 | |
| Zhu et al. | Perceptual distortion metric for stereo video quality evaluation | |
| Chetouani | Full reference image quality metric for stereo images based on cyclopean image computation and neural fusion | |
| Chen et al. | Robust contourlet-based watermarking for depth-image-based rendering 3D images | |
| CN109191427B (zh) | 基于双目抑制的dwt域亮度掩蔽模型构建方法及装置 | |
| Liu et al. | DCT-based objective quality assessment metric of 2D/3D image | |
| Shen et al. | Stereo picture quality estimation based on a multiple channel HVS model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |