基于纹理分解的变换域JND模型及图像编码方法.pdf

基于纹理分解的变换域JND模型及图像编码方法.pdf

ID:55827243

大小:806.26 KB

页数:8页

时间:2020-06-03

基于纹理分解的变换域JND模型及图像编码方法.pdf_第1页
基于纹理分解的变换域JND模型及图像编码方法.pdf_第2页
基于纹理分解的变换域JND模型及图像编码方法.pdf_第3页
基于纹理分解的变换域JND模型及图像编码方法.pdf_第4页
基于纹理分解的变换域JND模型及图像编码方法.pdf_第5页
资源描述:

《基于纹理分解的变换域JND模型及图像编码方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第35卷第6期通信学报、,0l-35No.62014年6月JournalonCommunicationsJune2014doi:lO.39690.issn.1000—436x.2014.06.024基于纹理分解的变换域JND模型及图像编码方法郑明魁,苏凯雄,王卫星,兰诚栋,杨秀芝(福州大学物理与信息工程学院,福建福州350108)摘要:为了提高变换域JND模型的精度,在计算对比度掩盖因子时只对纹理分量滤波并判断区域类型的方法避免了JND低估的问题。将改进的JND模型用于图像编码,考虑到辅助信息对编码效率的影响,把经过调整后的JND模型结合到量化过程中

2、,能去除更多的视觉冗余并保持兼容性。仿真结果表明,纹理分解的方法提高了JND阈值,改进的编码方法在相似的视觉质量下能节省更多的码率并且不需要增加额外的比特开销,该编码思路也适用于视频编码。关键词:视觉特性;最小可觉察误差;纹理分解;图像编码中图分类号:TN919.8文献标识码:A文章编号:1000.436X(2014)06.0185—07Improvedsub--bandJNDmodelwithtexturaldecompositionandi-tsappli●cat·-ioni●npercept-ua-l~●magecooli■ngZHENGMin

3、g—kui,SUKai—xiong,WANGWei—xing,LANCheng-dong,YANGXiu—zhi(CollegeofPhysicsandInformationEngineering,FuzhouUniversity,Fuzhou350108,China)Abstraet:Inordertoimprovetheaccuracyofthejustnoticeabledifference(JND)modelintransformdomain,anen。hancedJNDmodelwithanewmethodforcontrastmaskin

4、gfactorestimationwasproposed.Theimagewasdecomposedandthetexturalimagewasusedforallaccurateblockclassification.thustheaccurateJNDinDCTdomainwasobtained.TheimprovedJNDmodelwasappliedontheperceptualimagecoding.Consideringthecompatibilityandtheauxiliaryinformationwhichwouldaffectth

5、eencodingeficiency,theJNDmodelwasadjustedtothequantizationprocessandre—movedmorevisualredundancy.ExperimentalresultsshowthattheproposedalgorithmcanimprovetheJNDthreshold;comparedwithJPEGstandard.theperceptualcodingmethodcansavemorebitrateanddoesnotneedextrabitforauxil-iaryinfor

6、mationatthesimilarvisualquality.Theproposedalgorithmisalsoapplicabletotheperceptualvideocoding.Keywords:visualperception;justnoticeablediference(JND);texturaldecomposition;imagecoding模型和基于变换域的JND模型。1引言像素域JND模型能在像素域上更为直观地给最小可觉察误差(JND,iustnoticeabledistor—出JND阈值,在视频编码时常常用于运动估计以及t

7、ion)[I]用于表示人眼不能察觉的最大图像失真,体预测残差的滤波。Yang等人提出了经典的非线性相现了人眼对图像改变的容忍度。在图像处理领域,加掩蔽模型(NAMM,nonlinearadditivelymaskingJND可以用来度量人眼对图像中不同区域失真的mode1)[”,该方法兼顾了亮度自适应掩蔽和对比度敏感性。近年来,JND模型在基于视觉特性的视频掩蔽的重叠效应。Liu等人在NAMM模型的基础图像编码[1,21、数字水印[3]、图像质量评价L4J等方面上,通过全变分(TV,totalvariation)分解对图像中受到广泛关注。目前已有多个

8、JND模型被提出,这的纹理以及结构分量赋以不同加权值,使像素域些JND模型主要可以分为2类:基于像素域的YN

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。