視覺質(zhì)量優(yōu)化的數(shù)字圖像處理技術(shù)研究.pdf

1、本文的探討了視覺質(zhì)量優(yōu)化的數(shù)字圖像處理技術(shù)，研究重點(diǎn)于如何利用人眼視覺系統(tǒng)的特性優(yōu)化數(shù)字圖像通信系統(tǒng)的服務(wù)質(zhì)量。主要的研究內(nèi)容包括人眼視覺系統(tǒng)(HVS)建模，圖像質(zhì)量評(píng)價(jià)以及圖像視頻壓縮、后處理技術(shù)。
　　 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(jì)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(jì)算模型的一個(gè)重要應(yīng)用，圖像質(zhì)量

2、評(píng)價(jià)算法能夠預(yù)測HVS對(duì)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(píng)價(jià)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(diǎn)。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(shí)，提高解碼圖像的主觀質(zhì)量。本文的具體研究

3、內(nèi)容分為八章:
　　 在第一章中，我們將首先探討圖像的質(zhì)量評(píng)價(jià)算法。本文提出了基于腦科學(xué)和神經(jīng)學(xué)中的自由能理論的一種全新的視覺心理圖像質(zhì)量算法。我們將人腦對(duì)一幅圖像的感知和理解視為一種人腦的主動(dòng)推理過程。這個(gè)過程主要是人腦通過內(nèi)部自發(fā)模型對(duì)外界場景進(jìn)行解釋，而圖像的感知質(zhì)量可以近似定義為人腦自發(fā)模型對(duì)外界感知信號(hào)解釋的準(zhǔn)確性。
　　 生理學(xué)和心理學(xué)的研究表明人對(duì)圖像的質(zhì)量感知在低、高噪聲是表現(xiàn)出不同的行為模式。因此第二章

4、探討了基于在近門限噪聲和超門限噪聲的不同情況下，如何通過噪聲估計(jì)和自由能量準(zhǔn)則實(shí)現(xiàn)對(duì)圖像質(zhì)量的無參考評(píng)價(jià)。
　　 第三章探討了圖像質(zhì)量準(zhǔn)則的一致性問題，研究表明目前的圖像質(zhì)量評(píng)價(jià)方法存在很大程度上的一致性缺失。因此本章提出了一種對(duì)于圖像質(zhì)量認(rèn)知的突變模型理論，該理論能夠很好的解釋并克服目前圖像質(zhì)量準(zhǔn)則的非單調(diào)等缺陷。
　　 第四章的研究表明，目前被廣泛認(rèn)可的基于視覺敏感度加權(quán)的圖像質(zhì)量評(píng)價(jià)方法的研究中很大程度上忽略了人眼

5、視覺系統(tǒng)有限資源分配過程中無法處理過度密集的高視覺敏感度點(diǎn)，即視覺擁塞的問題。在視覺擁塞計(jì)算模型的基礎(chǔ)上，我們提出了一種全新的視覺敏感度加權(quán)方法。
　　 第五章著重研究了基于自然圖像統(tǒng)計(jì)的圖像噪聲估計(jì)算法。本章首先探討了噪聲對(duì)自然圖像變換系數(shù)高階距統(tǒng)計(jì)量的影響，進(jìn)而提出了基于選擇性離散余弦變換域和隨機(jī)酉變換的概念，并驗(yàn)證噪聲圖像在此變換域的三階、四階距的尺度不變性，進(jìn)而提出了有效的自然圖像噪聲估計(jì)方法。
　　 第六章提出

6、了一種資源受限編碼器條件下的超高保真（近無損）視頻壓縮解決方案，為了簡化編碼器并保持其高效率，編碼器采用了一種幀內(nèi)無窮范數(shù)約束差值脈沖編碼調(diào)制與均勻標(biāo)量量化器相結(jié)合的架構(gòu)。同時(shí)解碼使用利用了簡單編碼器沒有利用到的視頻信號(hào)的空時(shí)相關(guān)性，通過三維分段自回歸視頻模型實(shí)現(xiàn)高質(zhì)量視頻重建。
　　 第七章設(shè)計(jì)了一種基于視覺心理學(xué)的圖像編解碼技術(shù)，其設(shè)計(jì)原則是在根據(jù)編碼端輸入圖像找到最優(yōu)生成模型的壓縮描述，然后再解碼端重新生成輸出圖像。根據(jù)自

7、然圖像的像素高階統(tǒng)計(jì)量具有尺度不變性這一統(tǒng)計(jì)學(xué)上的重要發(fā)現(xiàn)，生成模型可以通過在編碼器進(jìn)行空域下采樣進(jìn)行有效壓縮;解碼器可以相應(yīng)地通過模式保留上采樣模塊來生成解碼圖像。
　　 第八章我們根據(jù)參數(shù)化的稀疏隨機(jī)采樣和圖形的非參模型，提出了一種混合圖像修復(fù)模型算法，將參數(shù)法和非參數(shù)法的模型優(yōu)勢在一個(gè)多尺度框架中相互結(jié)合，參數(shù)線性回歸模型與非參數(shù)核回歸模型分別用來描述圖像的單尺度內(nèi)以及多尺度間的依賴性，該算法能夠從極稀疏的采樣中復(fù)原圖像。