基于人類視覺系統(tǒng)的圖像信息感知和圖像質量評價.pdf

1、圖像是多媒體信息時代的主要數字信息資源。如何從海量的圖像數據中迅速而準確地搜尋到我們所需的信息成為研究熱點。作為一個高級視覺信息感知系統(tǒng),人類視覺系統(tǒng)能高效地處理圖像內容。因此,研究人類視覺系統(tǒng)的視覺信息感知特性能有效提升計算機處理圖像的能力。本文探索了人類視覺系統(tǒng)的感知特性,重點探討了視覺感知初期的視覺關注特性、視覺感知過程中的視覺分辨能力、以及視覺感知后期對圖像質量的綜合體驗,并研究了其在數字圖像處理中的建模及應用,這其中包括圖像顯

2、著性檢測算法、圖像恰可識別失真閾值估計算法、圖像質量評價算法。在視覺信息感知初期,人類視覺系統(tǒng)并非對所有圖像區(qū)域平等地進行處理,而是通過視覺關注機制篩選出重要區(qū)域以進行進一步的優(yōu)先解讀。基于視覺關注的圖像顯著性檢測算法能有效減少待處理圖像內容,從而提升圖像處理效率。對于輸入視覺信息的感知過程中,由于視覺系統(tǒng)的分辨能力有限,無法察覺出處于一定閾值以下的信號內容變化。恰可識別失真閾值表征視覺系統(tǒng)感知能力,可有效去除圖像冗余信息,從而提升圖像

3、壓縮性能。對于一幅待處理的圖像,其質量直接決定了主觀視覺對其的認知充分性和準確性。圖像客觀質量評價算法能夠預測主觀視覺對圖像內容的綜合體驗,可用來優(yōu)化以視覺質量為目的的圖像處理系統(tǒng)。本文的具體研究內容包括以下三個方面:
　　(1)探尋視覺感知初期視覺關注特性,研究圖像內容特性對視覺關注的吸引作用。針對視覺系統(tǒng)更加關注那些與周邊具有不同特征的圖像區(qū)域,提出了一種簡單的基于內容對比度的圖像顯著性目標提取算法:首先,通過分析主觀視覺關注

4、研究成果,總結影響視覺關注的圖像特征;然后,根據亮度對比度、邊緣對比度等圖像內容特性來度量圖像內容的顯著性;最后,根據顯著性指導提取圖像中感興趣目標。
　　進一步地,我們深入分析視覺系統(tǒng)的關注特性,針對人類視覺系統(tǒng)更加關注視覺信息豐富的圖像區(qū)域,提出了基于視覺信息量的圖像顯著性檢測算法:首先通過估計圖像像素間的相關性,度量圖像內容的視覺冗余程度;接著,根據像素的分布特性,計算圖像內容的信息熵;然后,從信息熵中去除圖像的視覺冗余,獲

5、得圖像內容的視覺信息量;最后,采用視覺信息量來度量圖像顯著性,從而建立顯著性檢測模型。
　　(2)探索視覺感知過程中的視覺分辨能力,研究圖像內容區(qū)域的恰可識別失真閾值。視覺系統(tǒng)非常善于提取圖像的結構信息,并通過結構比對及模式匹配來理解圖像內容,因此視覺系統(tǒng)對具有自相似結構區(qū)域分辨能力強。針對人類視覺系統(tǒng)對具有規(guī)則內容的圖像區(qū)域高度敏感,提出了基于結構自相似性的恰可識別失真閾值估計算法:根據相鄰像素間的相似性,首先度量圖像內容的結構

6、自相似程度;然后,根據結構自相似性提出了新的空域掩模方程;最后,結合現(xiàn)有的亮度敏感度方程和所提空域掩模方程,建立恰可識別失真閾值估計模型。
　　進一步地,根據最新大腦認知研究提出了的自由能量新理論,分析主觀視覺對圖像信息的分辨能力。自由能量理論指出,視覺系統(tǒng)能準確解讀有序圖像內容,而無法準確解讀圖像不確定信息并忽略該部分內容的細節(jié)。針對人類視覺系統(tǒng)無法準確解讀圖像中的不確定信息,提出了基于自由能量理論的恰可識別閾值估計算法:根據這

7、一感知特性,模擬視覺系統(tǒng)對輸入信號的積極預測過程,將圖像分解為可預測內容及不確定信息;然后,分別計算圖像可預測內容及不確定信息這兩部分的視覺分辨能力;最后,結合兩者確定圖像的恰可識別失真閾值。
　　此外,根據自由能量理論指導,系統(tǒng)地分析圖像結構不確定性對視覺分辨能力的作用,提出了基于結構不確定性的模塊掩膜效應估計算法:首先,根據自由能量理論指導分解出圖像不確定信息;接著,對圖像不確定信息采用局部二值模式度量其結構不確定性;然后,根

8、據結構不確定性及亮度適應性計算視覺的模塊掩膜效應;最后,根據模塊掩膜效應提出了新的恰可識別閾值計算方程。
　　(3)探討視覺感知后期主觀視覺對圖像質量的綜合體驗,研究噪聲對圖像質量的衰減作用。根據內在推導機制理論,不同類型噪聲將對可預測的主要視覺內容及殘余的不確定信息這兩部分內容造成不同的影響,并導致不同的質量衰退結果。針對這一感知特性,提出了基于內在推導機制的全參考圖像質量評價模型:根據內在推導機制理論,我們首先分析噪聲對圖像主

9、要視覺內容及不確定信息的質量衰退的作用;然后,分別計算圖像的主要視覺內容衰減程度及不確定信息的變化情況;最后,根據噪聲能量的分布情況非線性結合這兩部分內容的評價結果,獲得圖像的最終質量。
　　此外,針對一些應用場景中僅存在部分原參考信息,我們研究部分參考質量評價模型。大腦的內在推導機制理論指出噪聲將影響圖像的主要視覺內容及不確定信息。根據噪聲對視覺信息的衰減作用,提出了基于視覺信息保真的部分參考圖像質量評價模型:首先,分別計算原參

10、考圖像與待測圖像的主要視覺內容及不確定信息的具體信息量;然后,通過度量主要視覺內容及不確定信息的信息量衰減情況,從而得出圖像質量。
　　為了更加準確度量圖像質量衰減情況,根據噪聲對圖像結構內容的破壞作用,提出了基于圖像結構衰減的部分參考圖像質量評價模型:首先,采用局部二值模式分析圖像結構特性;然后,計算每個局部二值模式所對應的圖像結構衰減情況;最后,融合所有局部二值模式下的結構衰減程度獲得圖像質量。
　　上述研究成果從主觀視