基于视觉选择性注意模型的图像质量评价和视频编码技术研究

摘要

人眼视觉系统中存在的选择性注意机制是一种引导我们目光注视到场景中感兴趣物体的机制，可使人眼视觉系统能以有限的系统资源获取尽可能有用的信息。视觉选择性注意模型已成为图像处理领域的热点研究内容之一。本文研究工作围绕视觉选择性注意模型展开，首先研究自下而上的视觉选择性注意计算模型，并提出一种结合图像位置信息的视觉选择性注意计算模型；然后提出了一种基于视觉选择性注意模型的图像质量评价方法；接着提出了一种结合亮度差和色度差的运动目标检测算法；最后将视觉选择性注意模型和运动目标检测算法应用到H.264编码器中。 在已有的自下而上的视觉选择性注意模型中，主要是利用了图像的颜色、纹理和边缘方向等特征来计算出各个像素点的显著度。研究表明，人眼对图像中的不同位置区域具有不同的敏感度。本文根据像素点在图像中的位置信息，对自下而上的视觉选择性注意模型计算出的显著度进行二次计算，最终得到图像的显著度图。实验结果表明，这种结合图像位置信息的视觉选择性注意计算模型更加符合人眼视觉特性。 在图像质量评价中，传统的峰值信噪比(PSNR)是用得最多的评价方法。但是在很多情况下，PSNR的值高并不等于图像的主观质量好。本文在视觉选择性注意计算模型提取出的显著度图的基础上，提出了一种基于视觉兴趣的图像质量评价方法。实验结果表明，对不同质量等级的图像，使用本文提出的图像质量评价方法得到的结果比PSNR的计算结果更符合人眼主观评价的结果。 运动目标检测是与视频编码应用密切相关的一项关键技术。例如在智能视频监控中，运动目标所在的区域就是“最感兴趣”的区域，需要较高的编码质量。本文提出一种结合亮度差和色度差的运动目标检测算法。在背景帧提取中，通过对各通道色度值的统计分析，解决了视频帧数少、前景运动缓慢时，背景帧上易留下前景运动物体轨迹的问题。在确定运动目标时，利用高斯模型计算亮度偏差的阈值，解决了以往由人工来确定不同视频序列的亮度偏差阈值的问题。实验结果表明，与已有的算法相比，本文提出的算法可以在视频帧数少、前景运动较慢的情况下，准确地提取出不含前景信息的背景帧；能够根据不同视频序列的特点，计算出用来确定前景物体的亮度差阈值；并可准确地检测出视频序列中的运动目标。在此基础上，结合经视觉选择性注意模型提取出的显著度图，本文探讨了一种基于视觉选择性注意模型和运动目标检测的视频编码方法。以最优化视频的主观视觉质量为目标，考虑到人眼对视频中感兴趣区域和其他区域的误差敏感度不同，本文提出了基于选择性注意模型和运动目标检测的空间区域码率分配的视频编码方法。在所有的码率控制机制中，对单个宏块设定量化级是最困难的问题，而本文提出的算法可根据显著度图和运动目标区域对每个宏块都进行量化级的设定，从而提高视频的主观感知质量。实验结果表明，这种基于视觉选择性注意模型和运动目标检测的编码方法可以提供更好的主观视觉效果。

目录

文摘

英文文摘

论文说明：英文缩略语

声明

第一章绪论

1.1 引言

1.2本文研究背景及意义

1.3本文主要研究内容和创新成果

1.3.1主要研究内容

1.3.2创新成果

参考文献

第二章人眼视觉特性及其在图像处理中的应用

2.1 引言

2.2人眼视觉特性概述

2.2.1 人眼的生理结构

2.2.2人眼视觉特性简介

2.3人眼视觉模型概述

2.3.1典型的人眼视觉模型

2.3.2其他人眼视觉模型

2.4基于人眼视觉特性的图像处理技术概述

2.4.1数字水印技术

2.4.2图像压缩编码技术

2.4.3图像质量评价技术

2.4.4图像增强技术

2.5本章小结

参考文献

第三章视觉选择性注意机制的计算模型

3.1 引言

3.2视觉选择性注意计算模型概述

3.3视觉选择性注意机制计算模型的基本结构

3.4结合图像位置信息的视觉选择性注意计算模型

3.4.1问题的提出

3.4.2结合图像位置信息的视觉选择性注意计算模型

3.4.3实验结果

3.5本章小结

参考文献

第四章基于视觉选择性注意机制的图像质量评价

4.1 引言

4.2图像质量评价方法概述

4.2.1图像质量的客观评价方法

4.2.2图像质量的主观评价方法

4.2.3视频质量专家组VQEG简介

4.2.4基于视觉特性的图像质量评价方法

4.2.5图像质量评价方法的性能比较及发展趋势

4.3基于视觉选择性注意机制的图像质量评价算法

4.3.1 问题的提出

4.3.2基于视觉选择性注意模型的图像质量评价算法

4.3.3实验结果

4.4本章小结

参考文献

第五章基于视觉选择性注意机制和运动目标检测的视频编码方法

5.1引言

5.2现有的基于视觉特性的视频编码方法

5.3基于亮度偏差和色度偏差的运动目标检测算法

5.3.1运动目标检测算法概述

5.3.2本文提出的运动目标检测算法

5.3.3实验结果

5.4基于视觉选择性注意模型和运动目标检测的视频编码方法

5.5本章小结

参考文献

第六章总结与展望

6.1全文工作总结

6.2后续工作展望

致谢

攻读博士学位期间已发表的论文、专著及专利申请

攻读博士学位期间参与的科研项目