CN112435188A - 基于方向权重的jnd预测方法、装置、计算机设备及存储介质 - Google Patents
基于方向权重的jnd预测方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112435188A CN112435188A CN202011321500.7A CN202011321500A CN112435188A CN 112435188 A CN112435188 A CN 112435188A CN 202011321500 A CN202011321500 A CN 202011321500A CN 112435188 A CN112435188 A CN 112435188A
- Authority
- CN
- China
- Prior art keywords
- masking
- calculating
- metric
- value
- metric value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000000873 masking effect Effects 0.000 claims abstract description 118
- 230000035945 sensitivity Effects 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 15
- 238000005259 measurement Methods 0.000 abstract 3
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000016776 visual perception Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请涉及一种基于方向权重的JND预测方法、装置、计算机设备及存储介质,其中该方法包括:获取输入的待预测图像;利用Prewitt算子计算所述图像中的像素点的水平方向梯度和垂直方向梯度得到对应像素点的方向;根据人眼对不同方向的敏感性差异计算不同方向对应的权重因子;根据亮度特征值并结合所述权重因子分别计算对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值;将所述对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值进行非线性叠加得到最终的JND预测值。本发明结合人眼视觉特性,对不同方向的像素对比度掩蔽度量值进行不同程度的调整,使得敏感度较高的地方对应的对比度掩蔽度量值更小,敏感度较低的地方对应度量值较大。
Description
技术领域
本发明涉及图像视频编码技术领域,特别是涉及一种基于方向权重的JND预测方法、装置、计算机设备及存储介质。
背景技术
随着互联网技术和多媒体信息技术的快速发展,产生了越来越多的屏幕图像/视频数据,给数据的压缩、传输和存储带来巨大压力。为了进一步提高编码效率,利用人眼视觉特性来去除图像/视频中的视觉冗余是当前学术界和工业界的研究热点。基于生理学和心理学的研究表明,人眼视觉系统在对图像感知过程中存在视觉掩蔽效应,即当图像像素值的变化小于一定的阈值时,人眼感知不到任何像素值的变化,该阈值就是恰可察觉失真(JustNoticeable Difference,简称JND)阈值。JND可以有效地表征人眼视觉冗余,并且已被广泛应用于基于视觉感知的图像/视频处理算法和系统中。
目前,JND模型主要分为两类:像素域JND模型和变换域JND模型。传统的像素域JND模型主要考虑亮度自适应掩蔽和对比度掩蔽,亮度自适应掩蔽指在不同的亮度背景下,物体变化的可见性阈值会不一样,对比度掩蔽是指一个物体在另一个物体存在的情况下,这个物体变化的可见性阈值会降低。亮度自适应掩蔽得到的度量值和对比度掩蔽得到的度量值通过非线性叠加模型得到最终的JND值。
由于人眼对不同方向的边缘的变化有不同的程度的掩蔽,一般情况下,人眼对水平方向和竖直方向的刺激变化的感知能力最强,对于45°和135°方向的刺激变化的感知能力最弱。然而,在现有的JND模型中并没有使用基于方向的权重因子专门针对对比度掩蔽进行精确的调整。此外,图像模糊小于一定程度时也不会被人眼感知到,因此人眼对图像模糊的掩蔽也应该被考虑进JND模型中,而目前现有的JND模型通常并没有考虑到模糊掩蔽对JND预测结果的影响。
发明内容
基于此,有必要针对上述技术问题,提供一种基于方向权重的JND预测方法、装置、计算机设备及存储介质。
一种基于方向权重的JND预测方法,所述方法包括:
获取输入的待预测图像;
利用Prewitt算子计算所述图像中的像素点的水平方向梯度和垂直方向梯度得到对应像素点的方向;
根据人眼对不同方向的敏感性差异计算不同方向对应的权重因子;
根据亮度特征值并结合所述权重因子分别计算对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值;
将所述对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值进行非线性叠加得到最终的JND预测值。
在其中一个实施例中,所述利用Prewitt算子计算所述图像中的像素点的水平方向梯度和垂直方向梯度得到对应像素点的方向的步骤包括:
利用Prewitt算子计算(x,y)处像素的水平方向梯度G1(x,y)和垂直方向梯度G2(x,y);
其中,ω(x,y)为(x,y)处像素的方向。
在其中一个实施例中,所述根据人眼对不同方向的敏感性差异计算不同方向对应的权重因子的步骤具体包括:
计算基于方向的权重因子
其中,a=2,a1=1.526,b1=195.5,c1=53.74,a2=1.379,b2=3.325,c2=29.1,a3=1.409,b3=74.96,c3=38.12,d=2。
在其中一个实施例中,所述根据亮度特征值并结合所述权重因子分别计算对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值的步骤包括:
计算像素的最大边缘高度G(x,y)和所述像素的亮度特征值br(x,y);
其中,B(i,j)为5x5大小的矩阵,I(x,y)表示输入图像像素值,k=5,m1=1,m2=1,n=3;
结合所述权重因子计算对比度掩蔽度量值CM(x,y);
其中,β=0.4,p1=10,M=127。
在其中一个实施例中,所述根据亮度特征值并结合所述权重因子分别计算对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值的步骤还包括:
对图像进行高斯滤波;
结合亮度特征值,计算模糊掩蔽度量值BS(x,y);
其中,a=0.8,p4=-0.0024,p5=1,p6=18。
在其中一个实施例中,所述根据亮度特征值并结合所述权重因子分别计算对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值的步骤还包括:
计算亮度掩蔽度量值LA(x,y);
在其中一个实施例中,所述将所述对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值进行非线性叠加得到最终的JND预测值的步骤包括:
将所述对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值进行非线性,计算图片最终的JND;
其中,z1=0.6,z2=1,z3=0.6。
一种基于方向权重的JND预测装置,所述装置包括:
获取模块,所述获取模块用于获取输入的待预测图像;
第一计算模块,所述第一计算模块用于利用Prewitt算子计算所述图像中的像素点的水平方向梯度和垂直方向梯度得到对应像素点的方向;
第二计算模块,所述第二计算模块用于根据人眼对不同方向的敏感性差异计算不同方向对应的权重因子;
第三计算模块,所述第三计算模块用于根据亮度特征值并结合所述权重因子分别计算对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值;
非线性叠加模块,所述非线性叠加模块用于将所述对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值进行非线性叠加得到最终的JND预测值。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意一项方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项方法的步骤。
上述基于方向权重的JND预测方法、装置、计算机设备及存储介质,结合人眼视觉特性,对不同方向的像素对比度掩蔽度量值进行不同程度的调整,使得敏感度较高的地方对应的对比度掩蔽度量值更小,敏感度较低的地方对应度量值较大。此外,除了对比度掩蔽和亮度掩蔽,本发明也考虑了模糊掩蔽的作用,用于进一步去除视觉冗余,使得更多的噪声被加在人眼不容易发现的地方,人眼容易关注到的地方添加更少的噪声。
附图说明
图1为一个实施例中基于方向权重的JND预测方法的流程示意图;
图2为一个实施例中基于方向权重的JND预测方法的整体构思示意图;
图3为一个实施例中基于方向权重的JND预测装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于方向权重的JND预测方法,该方法包括:
步骤102,获取输入的待预测图像;
步骤104,利用Prewitt算子计算图像中的像素点的水平方向梯度和垂直方向梯度得到对应像素点的方向;
步骤106,根据人眼对不同方向的敏感性差异计算不同方向对应的权重因子;
步骤108,根据亮度特征值并结合权重因子分别计算对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值;
步骤110,将对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值进行非线性叠加得到最终的JND预测值。
为了进一步去除人眼的视觉冗余,在本实施例中提出一种基于方向权重的JND预测方法。该方法的整体构思参考图2所示,至少包括如下几个发明点:
首先,在本实施例中提出了一种衡量人眼视觉系统对不同方向像素失真敏感性的权重因子计算方法。其次,在本实施例中还提出了一种基于方向敏感性差异的计算对比度掩蔽度量值的方法。再次,本实施例中还提出了一种基于亮度特征和边缘特征的计算人眼对模糊程度可察觉阈值方法,可用于进一步去除视觉冗余。该方法的具体实现步骤如下:
第一步:获取输入的待评价图像,对该图像利用Prewitt算子计算(x,y)处像素的水平和竖直方向的梯度G1(x,y)和G2(x,y),进而得到该点的方向ω(x,y):
其中,ω(x,y)为(x,y)处像素的方向。
第二步:人眼视觉特性对不同方向的刺激有不同敏感性,敏感度随刺激的方向变化而变化。具体地,敏感度从0°到45°依次降低,从45°到90°依次升高,从90°到135°依次降低,从135°到180°依次升高,对水平方向和竖直方向最高的敏感度,对45°和135°方向的敏感度最低。根据上述的人眼视觉特性,本实施例中提出的基于方向的权重因子计算公式如下:
其中,a=2,a1=1.526,b1=195.5,c1=53.74,a2=1.379,b2=3.325,c2=29.1,a3=1.409,b3=74.96,c3=38.12,d=2。
第三步:考虑亮度特征和方向敏感性因素计算对比度掩蔽度量值,具体的计算过程如下:
首先,计算每一个像素的最大边缘高度G(x,y)和亮度特征值br(x,y):
其中,B(i,j)为5x5大小的矩阵,I(x,y)表示输入图像像素值,k=5,m1=1,m2=1,n=3;
在一个具体的实施例中B(i,j)值如下所示:
0.03 | 0.03 | 0.03 | 0.03 | 0.03 |
0.03 | 0.06 | 0.07 | 0.06 | 0.03 |
0.03 | 0.07 | 0.00 | 0.07 | 0.03 |
0.03 | 0.06 | 0.07 | 0.06 | 0.03 |
0.03 | 0.03 | 0.03 | 0.03 | 0.03 |
然后,结合权重因子,计算对比度掩蔽度量值CM(x,y):
其中,β=0.4,p1=10,M=127。
第四步:考虑亮度特征和边缘特征的影响计算模糊掩蔽度量值,具体的计算过程如下:
首先,先对图像进行高斯滤波。
然后,结合亮度特征计算模糊掩蔽度量值BS(x,y):
其中,a=0.8,p4=-0.0024,p5=1,p6=18。
第五步:计算亮度掩蔽度量值LA(x,y):
第六步:计算图片最终的JND。将对比度掩蔽度量值、模糊掩蔽度量值和亮度掩蔽度量值进行非线性叠加,JND的计算公式如下:
其中,z1=0.6,z2=1,z3=0.6。
在上述实施例中,结合人眼视觉特性,对不同方向的像素对比度掩蔽度量值进行不同程度的调整,使得敏感度较高的地方对应的对比度掩蔽度量值更小,敏感度较低的地方对应度量值较大。此外,除了对比度掩蔽和亮度掩蔽,本发明也考虑了模糊掩蔽的作用,用于进一步去除视觉冗余,使得更多的噪声被加在人眼不容易发现的地方,人眼容易关注到的地方添加更少的噪声。
在一个实施例中,如图3所示,提供了一种基于方向权重的JND预测装置300,该装置包括:
获取模块301,用于获取输入的待预测图像;
第一计算模块302,用于利用Prewitt算子计算所述图像中的像素点的水平方向梯度和垂直方向梯度得到对应像素点的方向;
第二计算模块303,用于根据人眼对不同方向的敏感性差异计算不同方向对应的权重因子;
第三计算模块304,用于根据亮度特征值并结合所述权重因子分别计算对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值;
非线性叠加模块305,用于将所述对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值进行非线性叠加得到最终的JND预测值。
在一个实施例中,第一计算模块302还用于:
利用Prewitt算子计算(x,y)处像素的水平方向梯度G1(x,y)和垂直方向梯度G2(x,y);
其中,ω(x,y)为(x,y)处像素的方向。
在一个实施例中,第二计算模块303还用于:
计算基于方向的权重因子
其中,a=2,a1=1.526,b1=195.5,c1=53.74,a2=1.379,b2=3.325,c2=29.1,a3=1.409,b3=74.96,c3=38.12,d=2。
在一个实施例中,第三计算模块304还用于:
计算像素的最大边缘高度G(x,y)和以所述像素的亮度特征值br(x,y);
其中,B(i,j)为5x5大小的矩阵,I(x,y)表示输入图像像素值,k=5,m1=1,m2=1,n=3;;
结合所述权重因子计算对比度掩蔽度量值CM(x,y);
其中,β=0.4,p1=10,M=127。
在一个实施例中,第三计算模块304还用于:
对图像进行高斯滤波;
结合亮度特征值,计算模糊掩蔽度量值BS(x,y);
其中,a=0.8,p4=-0.0024,p5=1,p6=18。
在一个实施例中,第三计算模块304还用于:
计算亮度掩蔽度量值LA(x,y);
在一个实施例中,非线性叠加模块305还用于:
将所述对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值进行非线性,计算图片最终的JND;
其中,z1=0.6,z2=1,z3=0.6。
关于基于方向权重的JND预测装置的具体限定可以参见上文中对于基于方向权重的JND预测方法的限定,在此不再赘述。
在一个实施例中,提供了一种计算机设备,其内部结构图可以如图4所示。该计算机设备包括通过装置总线连接的处理器、存储器以及网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作装置、计算机程序和数据库。该内存储器为非易失性存储介质中的操作装置和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于方向权重的JND预测方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以上各个方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以上各个方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于方向权重的JND预测方法,所述方法包括:
获取输入的待预测图像;
利用Prewitt算子计算所述图像中的像素点的水平方向梯度和垂直方向梯度得到对应像素点的方向;
根据人眼对不同方向的敏感性差异计算不同方向对应的权重因子;
根据亮度特征值并结合所述权重因子分别计算对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值;
将所述对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值进行非线性叠加得到最终的JND预测值。
8.一种基于方向权重的JND预测装置,其特征在于,所述装置包括:
获取模块,所述获取模块用于获取输入的待预测图像;
第一计算模块,所述第一计算模块用于利用Prewitt算子计算所述图像中的像素点的水平方向梯度和垂直方向梯度得到对应像素点的方向;
第二计算模块,所述第二计算模块用于根据人眼对不同方向的敏感性差异计算不同方向对应的权重因子;
第三计算模块,所述第三计算模块用于根据亮度特征值并结合所述权重因子分别计算对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值;
非线性叠加模块,所述非线性叠加模块用于将所述对比度掩蔽度量值、模糊掩蔽度量值及亮度掩蔽度量值进行非线性叠加得到最终的JND预测值。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321500.7A CN112435188B (zh) | 2020-11-23 | 2020-11-23 | 基于方向权重的jnd预测方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011321500.7A CN112435188B (zh) | 2020-11-23 | 2020-11-23 | 基于方向权重的jnd预测方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112435188A true CN112435188A (zh) | 2021-03-02 |
CN112435188B CN112435188B (zh) | 2023-09-22 |
Family
ID=74693617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011321500.7A Active CN112435188B (zh) | 2020-11-23 | 2020-11-23 | 基于方向权重的jnd预测方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112435188B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113422956A (zh) * | 2021-06-17 | 2021-09-21 | 北京金山云网络技术有限公司 | 一种图像编码方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102905130A (zh) * | 2012-09-29 | 2013-01-30 | 浙江大学 | 基于视觉感知的多分辨率jnd模型建构方法 |
CN103475881A (zh) * | 2013-09-12 | 2013-12-25 | 同济大学 | Dct域内基于视觉注意力机制的图像jnd阈值计算方法 |
US20150029210A1 (en) * | 2012-03-21 | 2015-01-29 | Dolby Laboratories Licensing Corporation | Systems and Methods for ISO-Perceptible Power Reduction for Displays |
US20150093015A1 (en) * | 2013-09-26 | 2015-04-02 | Hong Kong Applied Science & Technology Research Institute Company Limited | Visual-Experience-Optimized Super-Resolution Frame Generator |
CN110399886A (zh) * | 2019-07-15 | 2019-11-01 | 华侨大学 | 一种屏幕图像jnd模型构建方法 |
-
2020
- 2020-11-23 CN CN202011321500.7A patent/CN112435188B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150029210A1 (en) * | 2012-03-21 | 2015-01-29 | Dolby Laboratories Licensing Corporation | Systems and Methods for ISO-Perceptible Power Reduction for Displays |
CN102905130A (zh) * | 2012-09-29 | 2013-01-30 | 浙江大学 | 基于视觉感知的多分辨率jnd模型建构方法 |
CN103475881A (zh) * | 2013-09-12 | 2013-12-25 | 同济大学 | Dct域内基于视觉注意力机制的图像jnd阈值计算方法 |
US20150093015A1 (en) * | 2013-09-26 | 2015-04-02 | Hong Kong Applied Science & Technology Research Institute Company Limited | Visual-Experience-Optimized Super-Resolution Frame Generator |
CN110399886A (zh) * | 2019-07-15 | 2019-11-01 | 华侨大学 | 一种屏幕图像jnd模型构建方法 |
Non-Patent Citations (1)
Title |
---|
高绍姝;王延江;金伟其;张晓东;: "基于感知对比度的图像清晰度客观评价模型", 光学技术, no. 05, pages 15 - 18 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113422956A (zh) * | 2021-06-17 | 2021-09-21 | 北京金山云网络技术有限公司 | 一种图像编码方法、装置、电子设备及存储介质 |
CN113422956B (zh) * | 2021-06-17 | 2022-09-09 | 北京金山云网络技术有限公司 | 一种图像编码方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112435188B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108122234B (zh) | 卷积神经网络训练及视频处理方法、装置和电子设备 | |
Jiang et al. | Unsupervised decomposition and correction network for low-light image enhancement | |
CN108924525B (zh) | 图像亮度调整方法、装置、计算机设备及存储介质 | |
CN111629262A (zh) | 视频图像处理方法和装置、电子设备及存储介质 | |
CN107133923B (zh) | 一种基于自适应梯度稀疏模型的模糊图像非盲去模糊方法 | |
CN112991227B (zh) | 基于U-net++网络的弱光图像增强方法和装置 | |
WO2014070489A1 (en) | Recursive conditional means image denoising | |
CN110533632B (zh) | 图像模糊篡改检测方法、装置、计算机设备和存储介质 | |
CN111105367A (zh) | 人脸畸变校正方法、装置、电子设备及存储介质 | |
CN111986116B (zh) | 视频降噪方法和装置、电子设备、计算机可读存储介质 | |
CN110580693A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
US7826678B2 (en) | Adaptive image sharpening method | |
CN111062884A (zh) | 一种图像增强方法、装置、存储介质和终端设备 | |
CN111369478B (zh) | 人脸图像增强方法、装置、计算机设备和存储介质 | |
CN112435188A (zh) | 基于方向权重的jnd预测方法、装置、计算机设备及存储介质 | |
CN112419270A (zh) | 元学习下的无参考图像质量评价方法、装置及计算机设备 | |
CN111696064A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN111915541A (zh) | 基于人工智能的图像增强处理方法、装置、设备及介质 | |
CN109447942B (zh) | 图像模糊度确定方法、装置、计算机设备及存储介质 | |
CN109447935B (zh) | 红外图像处理方法、装置、计算机设备和可读存储介质 | |
CN113989165A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112950497A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN111415317B (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
CN112437302B (zh) | 屏幕内容图像的jnd预测方法、装置、计算机设备及存储介质 | |
CN114066765A (zh) | 图像的去噪方法、装置、电子设备、介质及程序产品 |
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 |