一种基于人眼视觉特性的压缩方法

结合人眼的视觉特性以及视频编码的特点,去除视频编码中的视觉冗余,在JM软件的基础上进一步压缩编码比特数.实验结果表明,该方法能在视频主观质量没有发生明显变化的前提下,编码比特数进一步压缩8%～20%.     

基于视频时域感知特性的恰可察觉失真模型

现有的时域恰可察觉失真(just noticeable distortion,JND)模型对时域特征参量的作用刻画尚不够充分,导致空时域JND模型精度不够理想。针对此问题,提出能准确刻画视频时域特性的特征参量以及异质特征参量同质化融合方法,并基于此改进时域JND模型。关注前景/背景运动、时域持续时间、时域预测残差波动强度、帧间预测残差等特征参量,用来刻画视频内容的时域特征;基于人眼视觉系统(human visual system,HVS)特性探索感知概率密度函数,将异质特征参量统一映射到自信息和信息熵尺度上,实现同质化融合度量;从能量分配的角度探究视觉注意与掩蔽的耦合方法,并据此构建时域JND权重模型。在空域JND阈值的基础上,融合时域权重以得到更加准确的空时域JND模型。为了评估空时域JND模型的性能,进行了主观质量评估实验,与现有的JND模型相比,在感知质量接近的情况下,提出的空时域JND模型能够容忍更多失真,具有更强的掩藏噪声的能力。     

低码率下基于ROI与JND的分级量化方法

传统基于人眼感兴趣区域(ROI)的分级量化模型,将视频帧划分为ROI区域和非ROI区域,对相应区域用不同的量化参数(QP)进行量化,以提升视频的主观质量.而该模型没有考虑ROI区域的内部特性,不能很好地符合人眼视觉特性(HVS).针对低码率条件下以人脸为主体的桌面视频、手持终端等场景,提出一种基于ROI和恰可观测失真(JND)的分级量化方法.JND模型表明边界区域相对平滑区域能够隐藏更多的失真,利用该属性检测出ROI区域(即人脸)中人眼更感兴趣的边界部分(例如眼睛、鼻子、嘴巴等),据此建立基于ROI与JND的分级量化模型,指导各区域的量化.实验结果表明,针对低码率视频的应用,与传统分级量化方法相比,本文所提方法在相同码率条件下能明显提升视频的主观质量.     

基于人眼视觉特征的MPEG码率分配算法

在ＭＰＥＧ－２ＴＭ５建议的三步自适应量化策略的基础上,提出一种基于人眼视觉特征的ＭＰＥＧ－２视频编码自适应量化算法（ＰＡ算法）,使ＭＰＥＧ－２的码率分配能基于人眼的特征,即对不同运动速度的物体人眼的细节分解力各不相同。因此可以为不同运动速度的物体分配不同的量化步长,从而提高静止部分图像的分解力,再现图像的主观质量,使之符合人眼特征。     

基于熵掩蔽的DCT域恰可察觉失真模型

为提高离散余弦变换(discrete cosine transform,DCT)域恰可察觉失真(just noticeable distortion,JND)模型阈值精度并避免跨域操作,将熵掩蔽效应引入DCT域JND模型。首先,从自由能理论和贝叶斯推理出发,设计基于DCT域纹理能量相似性的自回归模型模拟视觉感知过程中的自发预测行为;其次,探索视觉感知与预测残差的映射关系得到块级无序度,并将熵掩蔽效应建模为关于无序度的JND阈值调节因子;最后,结合空间对比敏感度函数、亮度自适应掩蔽以及对比度掩蔽,提出基于熵掩蔽的DCT域JND模型。与现有DCT域JND模型相比,所提模型所有运算均在DCT域执行,更高效简洁。主观、客观实验结果表明,所提模型在感知质量相同或更好的情况下,噪声污染图的平均峰值信噪比(peak signal-to-noise ratio,PSNR)值比其他4个JND对比模型低2.04 dB,更符合人眼视觉系统的感知特性。     

低码率下基于ROI与JND的分级量化方法北大核心

传统基于人眼感兴趣区域(ROI)的分级量化模型,将视频帧划分为ROI区域和非ROI区域,对相应区域用不同的量化参数(QP)进行量化,以提升视频的主观质量。而该模型没有考虑ROI区域的内部特性,不能很好地符合人眼视觉特性(HVS)。针对低码率条件下以人脸为主体的桌面视频、手持终端等场景,提出一种基于ROI和恰可观测失真(JND)的分级量化方法。JND模型表明边界区域相对平滑区域能够隐藏更多的失真,利用该属性检测出ROI区域(即人脸)中人眼更感兴趣的边界部分(例如眼睛、鼻子、嘴巴等),据此建立基于ROI与JND的分级量化模型,指导各区域的量化。实验结果表明,针对低码率视频的应用,与传统分级量化方法相比,本文所提方法在相同码率条件下能明显提升视频的主观质量。     

结合人眼视觉感知特性的光场图像编码方法

光场图像可同时记录场景中光线强度与方向信息,但要求更多的存储、传输资源,因而需要高效的编码方案。提出了一种结合人眼视觉感知特性的光场图像编码方法,实现了端到端的感知光场编码。考虑到在光场编码相同的失真等级情况下,显著性区域的失真更易被察觉,提出光场图像感知编码方法。针对子孔径图像感知冗余,考虑到像素域恰可察觉失真(Just Noticeable Distortion,JND)模型没有关注显著区域特性,构建了结合显著性的JND掩蔽模型;其后,针对每一帧子孔径图像进行考虑人眼感知的自适应码率分配。实验结果表明,在低延时模式下,与高效视频编码(High Efficiency Video Coding,HEVC)方法相比,所提方法在相同的显著性加权峰值信噪比SW-PSNR质量指标下平均节省16.01%的码率,在与人眼主观感受契合度更高的情况下,实现了光场图像编码效率的提升。     

基于正则化方向失真的压缩图像质量评价

图像质量评价是图像和视频处理系统中的基本算法。该文在分析人眼视觉系统对图像感知特点的基础上,结合二维图像的几何本征特征研究,提出了一种新型的基于图像正则化方向失真的完全参考质量评价算法。该方法计算简单,物理意义明确。仿真试验结果表明,该方法符合人眼视觉系统特性,所得到的图像质量客观评价结果与主观评价结果之间具有更好的一致性。     

一种基于视觉显著性的码率控制算法

针对当前高效视频编码的码率控制算法未能充分确保视频显著区域的图像质量问题,提出了一种基于视觉显著性的码率控制算法。首先,采用基于图的流形排序显著检测算法获取视频的显著区域;其次,在图像编码过程中,为每个编码单元（Coding Unit,CU）建立基于视觉显著性的加权失真公式,将显著性值作为权重;最后,通过求解得到拉格朗日乘子λ,并根据原始码率控制算法中的λ与量化参数（Quantization Parameter,QP）的关系为每个CU确定QP。试验结果表明,该算法有效地根据视频内容的显著性权重实现了码率的合理分配,并在保持码率控制准确性的同时,提升了视频显著区域的图像质量。     

基于视觉特性的回转窑表面红外热图像增强方法

针对回转窑表面的红外图像模糊,图像细节不易分辨的问题,提出一种基于视觉特性的回转窑表面红外热图像增强方法。该方法利用人眼在不同灰度级的分辨能力差异,将回转窑表面的红外图像灰度映射到人眼易分辨区域,从而提高人眼对图像细节的分辨能力。实验结果表明:提出的方法能够凸显红外图像边缘,及时反映窑内的高低温区域,对避免异常高温引起的红窑事故、保障窑炉经济高效地运行具有重要意义。     

基于提升小波的数字图像压缩编码

小波分析是对短时Fourier分析的重要补充和改善。它发展了短时Fourier变换的局部化思想。在时域——频域内具有良好的局部分析特性。文章介绍了小波变换的基本理论以及基于小波变换的图像分解、压缩编码过程。实验证明，小波变换在图像压缩中的应用可以有效提高压缩效率和重构后图像的质量。     

基于视觉注意力模型的红外目标检测

根据视觉心理学的相关理论,提出一种基于灰度特征提取和视觉注意力模型的红外目标检测方法,并应用于复杂背景的红外目标检测.首先对输入图像进行采样,生成高斯金字塔,并用center-surround算子提取多尺度的视觉差异,通过对灰度特征图的归一化和线性融合获得综合的显著图,最后通过基于相似性和邻接性的阈值判断得到最终检测结果.该方法应用于多种地面目标的检测均取得较好效果,待检测的目标在显著图中得到明显的增强.试验结果进一步验证了算法具有很好的探测性能.     

一种基于视觉注意模型的可移动目标检测方法

提出了一种基于视觉显著性的目标检测算法,用于对位于地面上的车辆、飞 机等地面可移动目标进行检测和定位。针对地面可移动目标在场景中较小的特点,设计了一种用于对 目标检测进行引导的基于视觉注意机制的目标显著模型。首先,提取图像目标的颜色特征、强 度特征和方向Gabor特征,并将其结合起来用于计算显著图。然后以超像素为单位对 显著值进行计算,并结合人眼视觉敏感度对不同距离的超像素之间的差异进行加权处理。实 验结果表明,本文算法可以有效地检测并定位出复杂背景中的地面可移动目标。     

基于人类视觉系统的图像感知哈希算法

图像感知哈希(Perceptual Hashing)是一门新兴技术,它通过对图像感知信息的简短摘要和基于摘要的匹配,来支持图像的认证和识别,具有广泛的应用前景.目前关于图像感知哈希的研究主要集中在图像特征的提取上,但是特征的选择缺乏对人眼视觉特性的考虑.本文从不同的侧面提出几种基于人类视觉系统的图像感知哈希算法.通过这几种算法之间和已有传统算法之间的测试比较,结果表明考虑了人眼视觉特性的图像感知哈希算法在鲁棒性和区分性上能够得到提高,算法给出的感知距离度量更符合人的主观感受.     

基于WDM的精确定时器及其在冗余技术中的应用

现代军用电子设备和某些控制系统对设备的可靠性要求越来越高。针对此情况利用设备冗余原理,提出一种基于WDM的精确定时器实现设备冗余的方法。利用此方法设计了双冗余CAN总线板卡及其在Windows XP系统下的驱动程序,给出了部分驱动实现细节和相关流程。结果表明该方法可成功实现双CAN接口卡在总线故障情况下的冗余切换,提高了设备可靠性。     

基于非相似余度架构的网络空间安全系统异构性量化方法

基于非相似余度架构(DRS)的网络空间安全技术是一种主动防御技术,其利用非相似性、冗余性等特性阻断或者扰乱网络攻击,以提高系统的可靠性和安全性。该文在研究异构性是如何提高系统的安全性的基础上,指出对异构性进行量化评估的重要性,将DRS的异构性定义为其执行体集的复杂性与差异性,并依此提出一种量化异构性的方法。实验结果表明,该方法可以将10个执行体集分为9类,而香浓-维纳指数、辛普森指数和Pielou指数只能分为4类。在理论上为DRS异构性量化评估提供了一种新方法,并为工程实现DRS系统提供了指导。     

A Model‐Based Image Steganography Method Using Watson's Visual Model

This paper presents a model‐based image steganography method based on Watson's visual model. Model‐based steganography assumes a model for cover image statistics. This approach, however, has some weaknesses, including perceptual detectability. We propose to use Watson's visual model to improve perceptual undetectability of model‐based steganography. The proposed method prevents visually perceptible changes during embedding. First, the maximum acceptable change in each discrete cosine transform coefficient is extracted based on Watson's visual model. Then, a model is fitted to a low‐precision histogram of such coefficients and the message bits are encoded to this model. Finally, the encoded message bits are embedded in those coefficients whose maximum possible changes are visually imperceptible. Experimental results show that changes resulting from the proposed method are perceptually undetectable, whereas model‐based steganography retains perceptually detectable changes. This perceptual undetectability is achieved while the perceptual quality — based on the structural similarity measure — and the security — based on two steganalysis methods — do not show any significant changes.     

基于视觉加权处理的SAR干扰效果评估

传统SAR图像质量评价指标没有考虑像素点间的相关性和人眼视觉系统感知特性,导致主客观不一致的现象时有发生.鉴于此,提出了一种新的评估方法.该方法将对比度敏感度作为主客观评价的链接纽带,利用小波变换与人类视觉系统多通道特性相匹配的特点,对目标图像进行多级小波分解,由分解后的各小波分量提取各频段相应的传统评估指标,然后将其与各频段加权系数进行非线性合并,并以此作为综合评价的度量指标.仿真实验结果表明,新方法较之传统评估手段明显更具优势,不仅能够反映出干扰对图像细节的影响,而且能够与人类视觉系统保持高度一致,提升了整套评估系统的效率和准确率.     

基于改进协作目标外观模型的在线视觉跟踪

在不受限制的复杂环境中在线跟踪任意类型的感兴趣目标仍是一项极具挑战的难题.本文在无模型跟踪框架基础上提出一种基于改进协作目标外观模型的在线视觉跟踪方法,解决了大多数协作模型类跟踪算法在学习阶段无法有效选择正、负样本的问题.该方法根据人类视觉感知准则将目标边缘信息视为最具区分度的目标特征,提出边缘判别模型并结合动态模型和检测模块建立二级似然匹配空间,为生成模型的似然匹配去除了背景干扰;采用分块策略建立目标生成模型,为模型引入空间结构信息;利用Mean-Shift计算各子块的最终位置和匹配系数,并根据子块匹配系数为遮挡处理和模型更新提供依据.在公开视频序列上同几种流行视觉跟踪算法的对比实验结果证明了本文算法的有效性和优越性.