一种融合深度基于灰度共生矩阵的感知模型

摘要：

恰可察觉失真模型(JND)是一种人眼感知模型,它是图像/视频压缩中去除冗余最为有效的方法之一.针对现有JND模型对比掩盖效应(CM)的计算不够完善及深度信息的考虑不够准确的问题,文中提出了一种融合深度基于灰度共生矩阵的JND模型.首先,采用总变分分解模型将图像分解为结构部分和纹理部分,对结构部分采用Can-ny算子处理,对纹理部分采用灰度共生矩阵处理,两个部分形成更准确的CM模型;结合背景亮度掩盖效应,建立了一种基于灰度共生矩阵的像素域JND模型.然后,在对人眼深度感知进行研究的基础上,引入新的深度加权模型.最后,建立了一种新的融合深度基于灰度共生矩阵的感知模型.实验结果表明,所提出的模型更一致于人的视觉感知.相对于已有的JND模型,所提JND模型能够容忍更多的失真,且拥有更好的感知质量.

关键词：JND模型、图像分解、灰度共生矩阵、CM模型、深度信息

所属期刊栏目：46

分类号：TP37(计算技术、计算机技术)

资助基金：国家自然科学基金:QoE驱动下的基于内容分析的3D视频感知编码研究61671283;国家自然科学基金:面向高清/超高清的感知3D视频稀疏编码理论与技术研究61301113

在线出版日期：2019-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：92-96