基于人眼視覺系統(tǒng)特性的數(shù)字圖像處理技術(shù)的研究.pdf

1、本文探討了人眼視覺系統(tǒng)(HVS)的建模及其在數(shù)字圖像通信領(lǐng)域中的若干應(yīng)用,其中包括圖像視頻質(zhì)量評價算法、圖像后處理算法以及自適應(yīng)圖像模型的建立。HVS的建模及基于HVS模型的圖像處理在近年來獲得了廣泛的關(guān)注。由于HVS通常是數(shù)字圖像通信的最終接收者,在視覺通信系統(tǒng)的設(shè)計中考慮HVS的某些特性必將提高系統(tǒng)的處理能力和整體性能。作為HVS計算模型的一個重要應(yīng)用,圖像質(zhì)量評價算法能夠預(yù)測HVS對圖像視覺質(zhì)量的主觀感受,從而能夠在以提高視覺質(zhì)量

2、為目的的圖像通信系統(tǒng)的優(yōu)化過程中起到重要作用。在已知某些測試數(shù)據(jù)的主觀質(zhì)量的前提下,圖像質(zhì)量評價算法又可以用來衡量HVS模型的準(zhǔn)確度。圖像的后處理算法一直以來都是圖像處理領(lǐng)域的研究熱點。受信源、信道等條件的限制,視覺通信系統(tǒng)接收端獲得圖像質(zhì)量常常不能滿足HVS的要求,為此我們可以使用圖像后處理算法在保證通信系統(tǒng)標(biāo)準(zhǔn)兼容性的同時,提高解碼圖像的主觀質(zhì)量。圖像建模是圖像處理、模式識別和計算機視覺等領(lǐng)域中的一個基本問題,考慮HVS對圖像的認(rèn)知

3、特性并且符合自然圖像分布規(guī)律的數(shù)學(xué)模型能夠為圖像處理和識別等提供更多的先驗知識,從而提高算法的處理效果。本文的具體研究內(nèi)容分為四個部分:
　　 首先,我們探討圖像的質(zhì)量評價算法。根據(jù)原始無失真參考圖像的有無,圖像質(zhì)量評價算法可以分為全參考算法、半?yún)⒖妓惴ê蜔o參考算法。考慮到HVS對視覺刺激響應(yīng)過程的某些特性,我們首先提出一種基于自預(yù)向下和自底向上HVS建模方式的全參考質(zhì)量評價算法。視覺生理學(xué)研究表明,Gabor變換能夠模擬HVS

4、系統(tǒng)中若干視神經(jīng)細(xì)胞的特性,因此我們提出一種基于Gabor變換能量特征的HVS模型,并將其用于全參考質(zhì)量評價。視覺心理學(xué)研究表明,圖像中的邊緣和輪廓對于HVS對景物的認(rèn)知過程起著決定性作用,因此我們提出一種基于圖像多尺度邊緣提取和相似度比較的全參考圖像質(zhì)量評價算法。同時,由于通過圖像的多尺度邊緣可以近似地重建原圖,該算法也可用于半?yún)⒖紙D像質(zhì)量評價。最后,我們提出一種針對JPEG圖像的塊效應(yīng)敏感度估計模型,該模型可以用于無參考JPEG圖像

5、質(zhì)量評價以及圖像后處理。
　　 接下來,我們討論視頻質(zhì)量評價算法。我們提出一種針對可分級視頻編碼(SVC)的HVS視覺注意力模型,并給出了該模型在質(zhì)量評價,SVC感興趣區(qū)域(ROI)編碼等領(lǐng)域中的應(yīng)用。針對SVC中新出現(xiàn)的不同視頻在不同碼率和時空分辨率條件下質(zhì)量比較的問題,我們提出一種跨空間的視頻質(zhì)量評價思路。在充分的主觀觀測試驗的基礎(chǔ)上,我們分析了編碼器類型、視頻內(nèi)容、碼率和時空分辨率對視頻主觀質(zhì)量的影響,其若干結(jié)論將對SVC

6、編碼質(zhì)量評價和編碼器的優(yōu)化起到重要的指導(dǎo)作用。在本章的第三部分,我們考慮了基于無線廣播網(wǎng)絡(luò)的SVC視頻傳輸中最優(yōu)時空分辨率的選擇,即視頻適配的問題。我們提出了基于用戶端無參考視頻質(zhì)量評價及反饋的視頻適配方案,實驗表明,該方案能夠有效地選擇最佳碼流,提高解碼視頻的主觀質(zhì)量。
　　 我們進而探討考慮HVS特性的圖像后處理算法。在此我們重點考慮HVS認(rèn)知過程中對于圖像中邊緣和輪廓信息的依賴性。本章的前三節(jié)中,我們討論了圖像去塊效應(yīng)的問

7、題,提出了具有良好邊緣保持特性的空間域的塊移動濾波方案、DCT域的交流系數(shù)調(diào)整方案和小波域的變換系數(shù)模值、相角調(diào)整方案。實驗表明,這三種方案均取得了很好的處理效果,同時各具特點,相互補充,適合于不同的場合。在本章的第四節(jié),我們首先推廣了目前廣泛用于邊緣保持圖像去噪的雙向濾波器,提出了基于塊的雙向濾波器的概念,并進一步將其應(yīng)用于誤碼掩蓋,事實表明,該算法取得了非常優(yōu)異的處理效果。
　　 最后我們提出了一種基于信息論中最短描述(MD

8、L)準(zhǔn)則的自適應(yīng)圖像自回歸(AR)模型。AR模型能夠保護圖像結(jié)構(gòu)的二階統(tǒng)計量,具有良好的邊緣描述能力,符合HVS對圖像的認(rèn)知特性,因此被廣泛用于圖像處理的各個領(lǐng)域。然而一個亟需解決的問題是如何選擇最優(yōu)的二維AR模型支撐集和訓(xùn)練集。目前所有AR,圖像模型都采用基于空間距離的選擇模式,即將像素周圍的某個臨域作為AR模型支撐集以及訓(xùn)練集。事實表明,在邊緣和紋理等具有各向異性的區(qū)域,該方案僅能給出次最優(yōu)解。我們提出使用像素間的相關(guān)系數(shù)來定義AR