申请/专利权人：同济大学

申请日：2020-04-20

公开（公告）日：2022-06-24

公开（公告）号：CN111614962B

主分类号：H04N19/149

分类号：H04N19/149;H04N19/154;H04N19/176;H04N19/625

优先权：

专利状态码：有效-授权

法律状态：2022.06.24#授权;2020.09.25#实质审查的生效;2020.09.01#公开

摘要：本发明涉及一种基于区域块级JND预测的感知图像压缩方法，包括以下步骤：1根据数据集中的图像和对应的JND信息，利用大津阈值方法，生成区域块级JND值；2根据生成的区域块级JND值，建立基于CNN的区域块级JND预测模型；3将测试图像在多个固定的QF值下进行压缩，得到对应的多张失真图像，将全部失真图像分割为多个不重叠的区域块，并预测每个区域块的JND标签，最后采用标签处理方法获取每个区域块最终的JND值；4根据目标压缩QF值和每个区域块最终的JND值，对测试图像进行预处理操作，选取区域块感知QF值中最大的作为压缩参数，并采用JPEG压缩预处理后的测试图像。与现有技术相比，本发明具有自适应预测、压缩质量好、压缩效率高等优点。

主权项：1.一种基于区域块级JND预测的感知图像压缩方法，其特征在于，包括以下步骤：1根据数据集中的图像和对应的JND信息，利用大津阈值方法，生成区域块级JND值，具体包括以下步骤：11对于平滑的区域，设定平滑区域内的区域块级JND值与图像级JND值一致，则有： 其中，SI为测试图像I的图像级JND值，为测试图像I内第i个区域块bi的压缩参数；12对于纹理复杂的区域，在图像级JND值下求取每个区域块的SSIM值；13将每个区域块在连续JND值下的质量差异ΔSSIM作为每个区域块的强度，利用大津阈值方法，以区域块为基本单位，自适应判断在当前图像级JND值下的失真区域；14循环执行步骤12-步骤13，直到每个图像的所有图像级JND执行完毕，生成最终的区域块级JND值；2根据生成的区域块级JND值，建立基于CNN的区域块级JND预测模型；3将测试图像在多个固定的QF值下进行压缩，得到对应的多张失真图像，将全部失真图像分割为多个不重叠的区域块，并预测每个区域块的JND标签，最后采用标签处理方法获取每个区域块最终的JND值；所述的步骤3具体包括以下步骤：31将测试图像在多个固定的QF值下进行压缩，得到多个失真图像；32将全部失真图像分割为多个不重叠的区域块，采用区域块级JND预测模型预测每个区域块的JND标签；33当多张失真图像相同位置区域块的预测JND标签满足判断公式则进行步骤34，若不满足，则进行步骤35，其中，qi、qj分别为QF值，b为区域块，L·为预测JND标签；34JND标签对应的QF值即为当前区域块的JND值；35将JND标签值按照从小到大排序，使其满足33中的判断公式后获取对应的QF值作为当前区域块的JND值；4根据目标压缩QF值和每个区域块最终的JND值，对测试图像进行预处理操作，选取区域块感知QF值中最大的作为压缩参数，并采用JPEG压缩预处理后的测试图像，具体包括以下步骤：41获取测试图像I第i个区域块bi的预测JND值则有： 其中，为第k个JND值，为预测JND值的总数；42预先设定目标压缩QF值为则最终采用的感知QF值为： 其中，为第1个JND值，为第个JND值；43选取区域块感知QF值中最大的作为图像级的压缩参数其表达式为： 其中，NBI为测试图像I内的区域块数目；若存在部分区域块的预测JND值较小，则采用以下方式处理： 44若区域块的JND值小于图像级的压缩参数，则对图像进行预处理；45当所有的DCT系数经过预处理后进行逆DCT变换操作，生成经过预处理之后的测试图像，并采用步骤43中的图像级压缩参数采用标准JPEG进行压缩得到压缩后的图像，对图像进行预处理具体为： 其中，为经过量化后的位置m,n处的DCT系数。

全文数据：

权利要求：

百度查询： 同济大学 一种基于区域块级JND预测的感知图像压缩方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD