分形理论引导的图像临界差异感知阈值估计

目的 图像的临界差异（just noticeable difference，JND）阈值估计对提升图像压缩比以及信息隐藏效率具有重要意义。亮度适应性和空域掩蔽效应是决定JND阈值大小的两大核心因素。现有的空域掩蔽模型主要考虑对比度掩蔽和纹理掩蔽两方面。然而，当前采用的纹理掩蔽模型不能有效地描述与纹理粗糙度相关的掩蔽效应对图像JND阈值的影响。对此，本文提出一种基于分形理论的JND阈值估计模型。方法 首先，考虑到人眼视觉系统对具有粗糙表面的图像内容变化具有较低的分辨能力，通过经典的分形理论来计算图像局部区域的分形维数，并以此作为对纹理粗糙度的度量，并在此基础上提出一种新的基于纹理粗糙度的纹理掩蔽模型。然后，将提出的纹理掩蔽模型与传统的亮度适应性相结合估计得到初步的JND阈值。最后，考虑到人眼的视觉注意机制，进一步考虑图像内容的视觉显著性，对JND阈值进行感知一致性修正，估计得到最终的JND阈值。结果 选取4种相关方法进行对比，结果表明，在注入相同甚至更多噪声的情况下，相较于对比方法中的最优结果，本文方法的平均VSI （visual saliency-induced index）和平均MOS （mean opinion score）在LIVE （Laboratory for Image&Video Engineering）图像库上分别提高了0.001 7和50%，在TID2013（tampere image database 2013）图像库上分别提高了0.001 9和40%，在CSIQ （categorical subjective image quality）图像库上分别提高了0.001 3和9.1%，在基于VVC （versatile video coding）的JND图像库上分别提高了0.000 3和54.5%。此外，作为另一典型应用，开展了感知冗余去除实验。实验结果表明，在保持视觉质量的前提下，经过本文JND模型平滑处理后的图像，其JPEG压缩图像相比于原图直接JPEG压缩得到的图像能节省12.5%的字节数。结论 本文提出的基于分形维数的纹理粗糙度能够有效刻画纹理掩蔽效应，构建的纹理掩蔽效应与传统的空域掩蔽效应相结合能够大幅提升图像JND阈值估计的准确性和可靠性。

Fractal-guided JND threshold estimation for natural images