基于人類視覺(jué)系統(tǒng)的圖像信息感知和圖像質(zhì)量評(píng)價(jià).pdf

1、圖像是多媒體信息時(shí)代的主要數(shù)字信息資源。如何從海量的圖像數(shù)據(jù)中迅速而準(zhǔn)確地搜尋到我們所需的信息成為研究熱點(diǎn)。作為一個(gè)高級(jí)視覺(jué)信息感知系統(tǒng),人類視覺(jué)系統(tǒng)能高效地處理圖像內(nèi)容。因此,研究人類視覺(jué)系統(tǒng)的視覺(jué)信息感知特性能有效提升計(jì)算機(jī)處理圖像的能力。本文探索了人類視覺(jué)系統(tǒng)的感知特性,重點(diǎn)探討了視覺(jué)感知初期的視覺(jué)關(guān)注特性、視覺(jué)感知過(guò)程中的視覺(jué)分辨能力、以及視覺(jué)感知后期對(duì)圖像質(zhì)量的綜合體驗(yàn),并研究了其在數(shù)字圖像處理中的建模及應(yīng)用,這其中包括圖像顯

2、著性檢測(cè)算法、圖像恰可識(shí)別失真閾值估計(jì)算法、圖像質(zhì)量評(píng)價(jià)算法。在視覺(jué)信息感知初期,人類視覺(jué)系統(tǒng)并非對(duì)所有圖像區(qū)域平等地進(jìn)行處理,而是通過(guò)視覺(jué)關(guān)注機(jī)制篩選出重要區(qū)域以進(jìn)行進(jìn)一步的優(yōu)先解讀。基于視覺(jué)關(guān)注的圖像顯著性檢測(cè)算法能有效減少待處理圖像內(nèi)容,從而提升圖像處理效率。對(duì)于輸入視覺(jué)信息的感知過(guò)程中,由于視覺(jué)系統(tǒng)的分辨能力有限,無(wú)法察覺(jué)出處于一定閾值以下的信號(hào)內(nèi)容變化。恰可識(shí)別失真閾值表征視覺(jué)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(duì)于一幅待處理的圖像,其質(zhì)量直接決定了主觀視覺(jué)對(duì)其的認(rèn)知充分性和準(zhǔn)確性。圖像客觀質(zhì)量評(píng)價(jià)算法能夠預(yù)測(cè)主觀視覺(jué)對(duì)圖像內(nèi)容的綜合體驗(yàn),可用來(lái)優(yōu)化以視覺(jué)質(zhì)量為目的的圖像處理系統(tǒng)。本文的具體研究?jī)?nèi)容包括以下三個(gè)方面:
　　(1)探尋視覺(jué)感知初期視覺(jué)關(guān)注特性,研究圖像內(nèi)容特性對(duì)視覺(jué)關(guān)注的吸引作用。針對(duì)視覺(jué)系統(tǒng)更加關(guān)注那些與周邊具有不同特征的圖像區(qū)域,提出了一種簡(jiǎn)單的基于內(nèi)容對(duì)比度的圖像顯著性目標(biāo)提取算法:首先,通過(guò)分析主觀視覺(jué)關(guān)注

4、研究成果,總結(jié)影響視覺(jué)關(guān)注的圖像特征;然后,根據(jù)亮度對(duì)比度、邊緣對(duì)比度等圖像內(nèi)容特性來(lái)度量圖像內(nèi)容的顯著性;最后,根據(jù)顯著性指導(dǎo)提取圖像中感興趣目標(biāo)。
　　進(jìn)一步地,我們深入分析視覺(jué)系統(tǒng)的關(guān)注特性,針對(duì)人類視覺(jué)系統(tǒng)更加關(guān)注視覺(jué)信息豐富的圖像區(qū)域,提出了基于視覺(jué)信息量的圖像顯著性檢測(cè)算法:首先通過(guò)估計(jì)圖像像素間的相關(guān)性,度量圖像內(nèi)容的視覺(jué)冗余程度;接著,根據(jù)像素的分布特性,計(jì)算圖像內(nèi)容的信息熵;然后,從信息熵中去除圖像的視覺(jué)冗余,獲

5、得圖像內(nèi)容的視覺(jué)信息量;最后,采用視覺(jué)信息量來(lái)度量圖像顯著性,從而建立顯著性檢測(cè)模型。
　　(2)探索視覺(jué)感知過(guò)程中的視覺(jué)分辨能力,研究圖像內(nèi)容區(qū)域的恰可識(shí)別失真閾值。視覺(jué)系統(tǒng)非常善于提取圖像的結(jié)構(gòu)信息,并通過(guò)結(jié)構(gòu)比對(duì)及模式匹配來(lái)理解圖像內(nèi)容,因此視覺(jué)系統(tǒng)對(duì)具有自相似結(jié)構(gòu)區(qū)域分辨能力強(qiáng)。針對(duì)人類視覺(jué)系統(tǒng)對(duì)具有規(guī)則內(nèi)容的圖像區(qū)域高度敏感,提出了基于結(jié)構(gòu)自相似性的恰可識(shí)別失真閾值估計(jì)算法:根據(jù)相鄰像素間的相似性,首先度量圖像內(nèi)容的結(jié)構(gòu)

6、自相似程度;然后,根據(jù)結(jié)構(gòu)自相似性提出了新的空域掩模方程;最后,結(jié)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(shí)別失真閾值估計(jì)模型。
　　進(jìn)一步地,根據(jù)最新大腦認(rèn)知研究提出了的自由能量新理論,分析主觀視覺(jué)對(duì)圖像信息的分辨能力。自由能量理論指出,視覺(jué)系統(tǒng)能準(zhǔn)確解讀有序圖像內(nèi)容,而無(wú)法準(zhǔn)確解讀圖像不確定信息并忽略該部分內(nèi)容的細(xì)節(jié)。針對(duì)人類視覺(jué)系統(tǒng)無(wú)法準(zhǔn)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(shí)別閾值估計(jì)算法:根據(jù)這

7、一感知特性,模擬視覺(jué)系統(tǒng)對(duì)輸入信號(hào)的積極預(yù)測(cè)過(guò)程,將圖像分解為可預(yù)測(cè)內(nèi)容及不確定信息;然后,分別計(jì)算圖像可預(yù)測(cè)內(nèi)容及不確定信息這兩部分的視覺(jué)分辨能力;最后,結(jié)合兩者確定圖像的恰可識(shí)別失真閾值。
　　此外,根據(jù)自由能量理論指導(dǎo),系統(tǒng)地分析圖像結(jié)構(gòu)不確定性對(duì)視覺(jué)分辨能力的作用,提出了基于結(jié)構(gòu)不確定性的模塊掩膜效應(yīng)估計(jì)算法:首先,根據(jù)自由能量理論指導(dǎo)分解出圖像不確定信息;接著,對(duì)圖像不確定信息采用局部二值模式度量其結(jié)構(gòu)不確定性;然后,根

8、據(jù)結(jié)構(gòu)不確定性及亮度適應(yīng)性計(jì)算視覺(jué)的模塊掩膜效應(yīng);最后,根據(jù)模塊掩膜效應(yīng)提出了新的恰可識(shí)別閾值計(jì)算方程。
　　(3)探討視覺(jué)感知后期主觀視覺(jué)對(duì)圖像質(zhì)量的綜合體驗(yàn),研究噪聲對(duì)圖像質(zhì)量的衰減作用。根據(jù)內(nèi)在推導(dǎo)機(jī)制理論,不同類型噪聲將對(duì)可預(yù)測(cè)的主要視覺(jué)內(nèi)容及殘余的不確定信息這兩部分內(nèi)容造成不同的影響,并導(dǎo)致不同的質(zhì)量衰退結(jié)果。針對(duì)這一感知特性,提出了基于內(nèi)在推導(dǎo)機(jī)制的全參考圖像質(zhì)量評(píng)價(jià)模型:根據(jù)內(nèi)在推導(dǎo)機(jī)制理論,我們首先分析噪聲對(duì)圖像主

9、要視覺(jué)內(nèi)容及不確定信息的質(zhì)量衰退的作用;然后,分別計(jì)算圖像的主要視覺(jué)內(nèi)容衰減程度及不確定信息的變化情況;最后,根據(jù)噪聲能量的分布情況非線性結(jié)合這兩部分內(nèi)容的評(píng)價(jià)結(jié)果,獲得圖像的最終質(zhì)量。
　　此外,針對(duì)一些應(yīng)用場(chǎng)景中僅存在部分原參考信息,我們研究部分參考質(zhì)量評(píng)價(jià)模型。大腦的內(nèi)在推導(dǎo)機(jī)制理論指出噪聲將影響圖像的主要視覺(jué)內(nèi)容及不確定信息。根據(jù)噪聲對(duì)視覺(jué)信息的衰減作用,提出了基于視覺(jué)信息保真的部分參考圖像質(zhì)量評(píng)價(jià)模型:首先,分別計(jì)算原參

10、考圖像與待測(cè)圖像的主要視覺(jué)內(nèi)容及不確定信息的具體信息量;然后,通過(guò)度量主要視覺(jué)內(nèi)容及不確定信息的信息量衰減情況,從而得出圖像質(zhì)量。
　　為了更加準(zhǔn)確度量圖像質(zhì)量衰減情況,根據(jù)噪聲對(duì)圖像結(jié)構(gòu)內(nèi)容的破壞作用,提出了基于圖像結(jié)構(gòu)衰減的部分參考圖像質(zhì)量評(píng)價(jià)模型:首先,采用局部二值模式分析圖像結(jié)構(gòu)特性;然后,計(jì)算每個(gè)局部二值模式所對(duì)應(yīng)的圖像結(jié)構(gòu)衰減情況;最后,融合所有局部二值模式下的結(jié)構(gòu)衰減程度獲得圖像質(zhì)量。
　　上述研究成果從主觀視