申请/专利权人：华侨大学

申请日：2019-07-15

公开（公告）日：2022-09-30

公开（公告）号：CN110399886B

主分类号：G06V10/44

分类号：G06V10/44;G06T7/11;G06T7/13

优先权：

专利状态码：有效-授权

法律状态：2022.09.30#授权;2019.11.26#实质审查的生效;2019.11.01#公开

摘要：本发明涉及一种屏幕图像JND模型构建方法。首先利用文本分割技术得到屏幕图像的文本区域；其次提取文本区域的边缘像素，将屏幕图像分为文本边缘区域和非文本边缘区域；然后利用边缘宽度和边缘对比度计算出边缘结构失真敏感度和边缘对比度掩蔽，得到文本边缘区域视觉掩蔽模型；接着计算出非文本边缘区域的亮度自适应和对比度掩蔽效应，得到非文本边缘区域视觉掩蔽模型；最后结合文本边缘区域和非文本边缘区域的视觉掩蔽模型得到屏幕图像JND模型。本发明充分考虑屏幕图像特点以及人眼对屏幕图像不同区域具有不同的视觉感知特性等因素，对屏幕图像的视觉冗余信息有较为准确的估计，可广泛地应用到屏幕图像技术领域。

主权项：1.一种屏幕图像JND模型构建方法，其特征在于，步骤如下：1输入屏幕图像；2利用文本分割技术得到屏幕图像的文本区域；3提取文本区域的边缘，将屏幕图像分为文本边缘区域和非文本边缘区域；4利用文本边缘像素的边缘宽度和边缘对比度相应地计算出边缘结构失真敏感度和边缘对比度掩蔽，得到文本边缘区域的视觉掩蔽模型,所述的边缘结构失真敏感度和边缘对比度掩蔽通过如下公式获得：Tesx,y＝|wdx,y-wrx,y|Tecx,y＝min{|Tc+x,y-Tcx,y|,|Tc-x,y-Tcx,y|}其中wrx,y和wdx,y分别为输入屏幕图像及其失真屏幕图像的文本边缘区域的边缘宽度，该失真屏幕图像是利用输入屏幕图像与高斯核函数卷积得到；Tcx,y、Tc+x,y和Tc-x,y分别表示文本边缘区域的边缘对比度、强边缘对比度和弱边缘对比度，所述的强边缘对比度和弱边缘对比度通过如下公式获得： 其中系数t为常数；所述文本边缘区域的视觉掩蔽模型通过如下公式获得：Tex,y＝Tesx,y+Tecx,y-0.2·min{Tesx,y,Tecx,y}其中Tex,y、Tesx,y和Tecx,y分别表示像素坐标为x,y的文本边缘像素的视觉掩蔽、边缘结构失真敏感度和边缘对比度掩蔽；计算非文本边缘区域的亮度自适应和对比度掩蔽，得到非文本边缘区域的视觉掩蔽模型，所述的非文本边缘区域的视觉掩蔽模型通过如下公式获得：Tnex,y＝Tlax,y+Tcmx,y-0.3·min{Tlax,y,Tcmx,y}其中Tnex,y、Tlax,y和Tcmx,y分别表示像素坐标为x,y的非文本边缘像素的视觉掩蔽、亮度自适应和对比度掩蔽；所述的亮度自适应和对比度掩蔽通过如下公式获得： Tcmx,y＝[0.01fx,y+11.5]·[0.01Gx,y-1]-12其中Bx,y为图像的亮度值，Gx,y为5×5邻域内梯度的最大值；5结合文本边缘区域和非文本边缘区域的视觉掩蔽模型，得到屏幕图像JND模型。

全文数据：一种屏幕图像JND模型构建方法技术领域本发明涉及图像处理领域，尤其涉及屏幕图像视觉冗余估计方法。背景技术随着移动互联网和多媒体信息技术的快速发展，虚拟屏幕共享、远程教育和网络游戏等应用在人们实际生活中越来越流行，由此也产生了庞大的屏幕图像视频数据，给图像视频编码技术带来了巨大的挑战。考虑到人眼是图像视频的最终接收者，那么如何利用人眼视觉特性来去除图像视频中的视觉冗余以提升感知编码效率成为了当前学术界和工业界的研究热点。其中，恰可觉察失真模型JustNoticeableDifferenceModel，JNDModel对图像视频中的视觉冗余有较为准确地量化估计。但是当前大多数的JND模型都只是针对自然图像，并不能较好地估计屏幕图像的视觉冗余信息。发明内容本发明的主要目的在于克服现有技术中的上述缺陷，提出一种屏幕图像JND模型构建方法，能准确估计屏幕图像的视觉冗余信息。本发明采用如下技术方案：一种屏幕图像JND模型构建方法，其特征在于，步骤如下：1输入屏幕图像；2利用文本分割技术得到屏幕图像的文本区域；3提取文本区域的边缘，将屏幕图像分为文本边缘区域和非文本边缘区域；4利用文本边缘像素的边缘宽度和边缘对比度相应地计算出边缘结构失真敏感度和边缘对比度掩蔽，得到文本边缘区域的视觉掩蔽模型；5计算非文本边缘区域的亮度自适应和对比度掩蔽，得到非文本边缘区域的视觉掩蔽模型；6结合文本边缘区域和非文本边缘区域的视觉掩蔽模型，得到屏幕图像JND模型。所述的文本边缘区域的视觉掩蔽模型通过如下公式获得：Tex,y＝Tesx,y+Tecx,y-0.2·min{Tesx,y,Tecx,y}其中Tex,y、Tesx,y和Tecx,y分别表示像素坐标为x,y的文本边缘像素的视觉掩蔽、边缘结构失真敏感度和边缘对比度掩蔽。所述的边缘结构失真敏感度和边缘对比度掩蔽通过如下公式获得：Tesx,y＝|wdx,y-wrx,y|Tecx,y＝min{|Tc+x,y-Tcx,y|,|Tc-x,y-Tcx,y|}其中wrx,y和wdx,y分别为输入屏幕图像及其失真屏幕图像的文本边缘区域的边缘宽度，该失真屏幕图像是利用输入屏幕图像与高斯核函数卷积得到；Tcx,y、Tc+x,y和Tc-x,y分别表示文本边缘区域的边缘对比度、强边缘对比度和弱边缘对比度。所述的强边缘对比度和弱边缘对比度通过如下公式获得：其中系数t为常数。所述的非文本边缘区域的视觉掩蔽模型通过如下公式获得：Tnex,y＝Tlax,y+Tcmx,y-0.3·min{Tlax,y,Tcmx,y}其中Tnex,y、Tlax,y和Tcmx,y分别表示像素坐标为x,y的非文本边缘像素的视觉掩蔽、亮度自适应和对比度掩蔽。所述的亮度自适应和对比度掩蔽通过如下公式获得：Tcmx,y＝[0.01fx,y+11.5]·[0.01Gx,y-1]-12其中Bx,y为图像的亮度值，Gx,y为5×5邻域内梯度的最大值。所述的屏幕图像JND模型通过如下公式获得：Te和Tne分别为文本边缘区域和非文本边缘区域的视觉掩蔽模型。由上述对本发明的描述可知，与现有技术相比，本发明具有如下有益效果：1、本发明方法考虑人眼对于屏幕图像的文本边缘区域和非文本边缘区域的失真敏感性不同，利用文本分割技术和边缘提取技术将屏幕图像分为文本边缘区域和非文本边缘区域。2、本发明方法克服现有JND模型对于文本边缘区域视觉冗余信息估计的不足，利用边缘宽度和边缘对比度得计算边缘的结构失真敏感度和边缘对比度掩蔽，得到文本边缘区域的视觉掩蔽模型，对屏幕图像中视觉冗余信息能进行准确地估计。附图说明图1为本发明方法的主流程图以下结合附图和具体实施例对本发明作进一步详述。具体实施方式以下通过具体实施方式对本发明作进一步的描述。本发明是对屏幕图像中视觉冗余信息进行准确地估计，提供了一种屏幕图像JND模型构建方法，如图1所示，具体实施步骤如下：1输入屏幕图像。2利用文本分割技术得到屏幕图像的文本区域。3利用Gabor滤波器提取文本区域的边缘，将屏幕图像分为文本边缘区域和非文本边缘区域。4利用文本边缘像素的边缘宽度和边缘对比度相应地计算出边缘结构失真敏感度和边缘对比度掩蔽，得到文本边缘区域的视觉掩蔽模型。具体的，计算强边缘对比度Tc+x,y和弱边缘对比度Tc-x,y，具体如下：其中Tcx,y表示边缘对比度，通过计算Gabor滤波器提取出的边缘水平分量与边缘垂直分量的2范数得到。具体的，计算边缘结构失真敏感度Tesx,y和边缘对比度掩蔽Tecx,y，具体如下：Tesx,y＝|wdx,y-wrx,y|Tecx,y＝min{|Tc+x,y-Tcx,y|,Tc-x,y-Tcx,y|}其中wrx,y和wdx,y分别为输入屏幕图像及其失真屏幕图像的文本边缘区域的边缘宽度。边缘宽度通过计算一个方向上灰度值增加的像素个数与另一个方向上灰度值递减的像素个数的差值得到。该失真屏幕图像是利用输入屏幕图像与高斯核函数进行卷积得到。具体的，通过如下公式获取文本边缘区域的视觉掩蔽估计Tex,y：Tex,y＝Tesx,y+Tecx,y-0.2·min{Tesx,y,Tecx,y}。5计算非文本边缘区域的亮度自适应和对比度掩蔽，得到非边缘区域的视觉掩蔽模型Tnex,y。具体的，计算亮度自适应Tlax,y和对比度掩蔽Tcmx,y，具体如下：Tcmx,y＝[0.01fx,y+11.5]·[0.01Gx,y-1]-12其中Bx,y为图像的亮度值，Gx,y为5×5邻域内梯度的最大值。通过如下公式获取非文本边缘区域的视觉掩蔽估计Tnex,y：Tnex,y＝Tlax,y+Tcmx,y-0.3·min{Tlax,y,Tcmx,y}。6结合文本边缘区域和非文本边缘区域的视觉掩蔽模型，得到屏幕图像JND模型：Te和Tne分别为文本边缘区域和非文本边缘区域的视觉掩蔽模型。上述仅为本发明的具体实施方式，但本发明的设计构思并不局限于此，凡利用此构思对本发明进行非实质性的改动，均应属于侵犯本发明保护范围的行为。

权利要求：1.一种屏幕图像JND模型构建方法，其特征在于，步骤如下：1输入屏幕图像；2利用文本分割技术得到屏幕图像的文本区域；3提取文本区域的边缘，将屏幕图像分为文本边缘区域和非文本边缘区域；4利用文本边缘像素的边缘宽度和边缘对比度相应地计算出边缘结构失真敏感度和边缘对比度掩蔽，得到文本边缘区域的视觉掩蔽模型；5计算非文本边缘区域的亮度自适应和对比度掩蔽，得到非文本边缘区域的视觉掩蔽模型；6结合文本边缘区域和非文本边缘区域的视觉掩蔽模型，得到屏幕图像JND模型。2.根据权利要求1所述的一种屏幕图像JND模型构建方法，其特征在于，所述的文本边缘区域的视觉掩蔽模型通过如下公式获得：Tex,y＝Tesx,y+Tecx,y-0.2·min{Tesx,y,Tecx,y}其中Tex,y、Tesx,y和Tecx,y分别表示像素坐标为x,y的文本边缘像素的视觉掩蔽、边缘结构失真敏感度和边缘对比度掩蔽。3.根据权利要求2所述的一种屏幕图像JND模型构建方法，其特征在于，所述的边缘结构失真敏感度和边缘对比度掩蔽通过如下公式获得：Tesx,y＝|wdx,y-wrx,y|Tecx,y＝min{|Tc+x,y-Tcx,y|,|Tc-x,y-Tcx,y|}其中wrx,y和wdx,y分别为输入屏幕图像及其失真屏幕图像的文本边缘区域的边缘宽度，该失真屏幕图像是利用输入屏幕图像与高斯核函数卷积得到；Tcx,y、Tc+x,y和Tc-x,y分别表示文本边缘区域的边缘对比度、强边缘对比度和弱边缘对比度。4.根据权利要求3所述的一种屏幕图像JND模型构建方法，其特征在于，所述的强边缘对比度和弱边缘对比度通过如下公式获得：其中系数t为常数。5.根据权利要求1所述的一种屏幕图像JND模型构建方法，其特征在于，所述的非文本边缘区域的视觉掩蔽模型通过如下公式获得：Tnex,y＝Tlax,y+Tcmx,y-0.3·min{Tlax,y,Tcmx,y}其中Tnex,y、Tlax,y和Tcmx,y分别表示像素坐标为x,y的非文本边缘像素的视觉掩蔽、亮度自适应和对比度掩蔽。6.根据权利要求5所述的一种屏幕图像JND模型构建方法，其特征在于，所述的亮度自适应和对比度掩蔽通过如下公式获得：Tcmx,y＝[0.01fx,y+11.5]·[0.01Gx,y-1]-12其中Bx,y为图像的亮度值，Gx,y为5×5邻域内梯度的最大值。7.根据权利要求1所述的一种屏幕图像JND模型构建方法，其特征在于，所述的屏幕图像JND模型通过如下公式获得：Te和Tne分别为文本边缘区域和非文本边缘区域的视觉掩蔽模型。

百度查询： 华侨大学 一种屏幕图像JND模型构建方法

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