文献类型：期刊文章

作　　者：叶鹏[1,2] 王永芳[1,2] 夏雨蒙[1,2] 安平[1,2]

YE Peng;WANG Yong-fang;XIA Yu-meng;AN Ping(Shanghai Institute for Advanced Communication and Data Science,Shanghai University,Shanghai 200444,China;School of Communication and Information Engineering,Shanghai University,Shanghai 200444,China)

机构地区：[1]上海大学上海先进通信与数据科学研究院,上海200444 [2]上海大学通信与信息工程学院,上海200444

出　　处：《计算机科学》

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)资助

年　　份：2019

卷　　号：46

期　　号：3

起止页码：92-96

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

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Canny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

分 类 号：TP37]