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...

Full description

Saved in:
Bibliographic Details
Published in电信科学 Vol. 38; no. 2; pp. 92 - 102
Main Authors 邢亚芬, 殷海兵, 王鸿奎, 骆琼华
Format Journal Article
LanguageChinese
Published 中国通信学会 20.02.2022
人民邮电出版社有限公司
华中科技大学电子信息与通信学院,湖北 武汉 430074
杭州电子科技大学通信工程学院,浙江 杭州 310018%杭州电子科技大学通信工程学院,浙江 杭州 310018
Subjects
信息熵
视觉注意
自信息
恰可察觉失真
视觉掩蔽
人眼视觉特性
恰可察觉失真;人眼视觉特性;视觉掩蔽;视觉注意;自信息;信息熵
Online AccessGet full text
ISSN1000-0801
DOI10.11959/j.issn.1000?0801.2022030

Cover

More Information
Summary: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.
ISSN:1000-0801
DOI:10.11959/j.issn.1000?0801.2022030