面向视频压缩的显著性协同检测JND模型_图文

admin管理员组

文章数量:1531336

2024年6月14日发(作者：)

计算机系统应用　ｈｔｔｐ：／／ｗｗｗ．ｃ—Ｓ・ａ．ｏｒｇ．ｃｎ　２０１６年第２５卷第１１期　

面向视频压缩的显著性协同　ＩＪ　ＪＮＤ模　

李承欣　，叶锋１，２，３，涂钦。，陈家祯　，许力　

ｒ福建师范大学数学与计算机科学学院，福州３５０００７）　

ｒ福建星网锐捷通讯股份有限公司通讯产品研究院，福州３５０００２）　

（北京邮电大学多媒体中心，北京１００８７６）　

摘要：为了更好的将人眼感知特性用于视频压缩系统，提出了一种改进的基于显著性协同检测的恰可察觉失　

真模型（Ｊｕｓｔ　Ｎｏｔｉｃｅａｂｌｅ　Ｄｉｓｔｏｒｔｉｏｎ，ＪＮＤ）．该模型通过像素域和变换域下联合建模计算得到的最优ＪＮＤ模型，基　

于上下文感知的显著性算法得到相应的显著图，并将检测结果用于ＪＮＤ模型权值分配．提出的ＪＮＤ残差滤波器　

可以嵌入到ＨＥＶＣ视频编码框架中．实验结果表明：在全Ｉ帧配置下，提出的算法编码结果与ＨＭ１６相比，在视　

觉主观感知质量一致的情况下，平均码率可节省１０．７％．　

关键词：恰可察失真；显著性检测；视频编码；ＨＥＶＣ　

Ｉｍｐｒｏｖｅｄ　Ｊｕｓｔ　Ｎｏｔｉｃｅａｂｌｅ　Ｄｉｓｔｏｒｔｉｏｎ　Ｍｏｄｅｌ　Ｂａｓｅｄ　ｏｎ　Ｓａｌｉｅｎｃｙ　Ｄｅｔｅｃｔｉｏｎ　ｆｏｒ　Ｖｉｄｅｏ　Ｃｏｄｉｎｇ　

ＬＩ　Ｃｈｅｎｇ・Ｘｉｎ　，ＹＥ　Ｆｅｎｇ　’　，ＴＵ　Ｑｉｎ２，ＣＨＥＮ　Ｊｉａ－Ｚｈｅｎ　，ＸＵ　Ｌｉ　

。（Ｓｃｈｏｏｌ　ｏｆ　Ｍａｔｈｅｍａｔｉｃｓ　ａｎｄ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ，Ｆｕｊｉｎ　ａＮｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｆｕｚｈｏｕ　３５０００７；Ｃｈｉｎａ）　

：（Ｆｕｊｉｎ　ａＳＴＡＲ－ＮＥＴ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ　Ｃｏ．Ｌｔｄ，Ｆｕｚｈｏｕ　３５０００７，Ｃｈｉｎａ）　

（Ｍｕｌｔｉｍｅｄｉａ　Ｃｅｎｔｅｒ，Ｂｅｉｊｉｎｇ　Ｕｎｉｖｅｒｓｉｙ　ｔｏｆＰｏｓｔｓ　ａｎｄ　Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ，Ｂｅｉｊｉｎｇ　１００８７６，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａ　ｉｍｐｒｏｖｅｄ　ｊｕｓｔ　ｎｏｔｉｃｅａｂｌｅ　ｄｉｓｔｏｒｔｉｏｎ（ＪＮＤ）ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ｓａｌｉｅｎｃｙ　ｍａｐ　ｄｅｔｅｃｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｆｏｒ　

ｖｉｄｅｏ　ｃｏｄｉｎｇ　ｉｎ　ｏｒｄｅｒ　ｔｏ　ａｐｐｌｙ　ｆｅａｔｕｒｅ　ｏｆ　ｖｉｓｕａｌ　ｐｅｒｃｅｐｔｉｏｎ　ｔｏ　ｔｈｅ　ｖｉｄｅｏ　ｃｏｍｐｒｅｓｓｉｏｎ　ｓｙｓｔｅｍ．Ｔｈｅ　ｏｐｔｉｍａｌ　ＪＮＤ　ｍｏｄｅｌ　ｉｓ　

ｃａｌｃｕｌａｔｅｄ　ｂｙ　ｓｅｔｔｉｎｇ　ｍｏｄｌｅ　ｏｆ　ｐｉｘｅｌ－ｂａｓｅｄ　ＪＮＤ　ｗｉｈ　ｔｔｈｅ　ｈｙｂｒｉｄ．Ｔｈｅ　ｓａｌｉｅｎｃｙ　ｍａｐ　ｃｏｎｃｌｕｄｅｄ　ｂｙ　ｃｏｎｔｅｘｔ　ａｗａｒｅ　ｓａｌｉｅｎｃｙ　

ｄｅｔｅｃｔｉｏｎ　ｍｏｄｌｅ　ｉｓ　ｕｓｅｄ　ｆｏｒ　ｔｈｅ　ｗｅｉｇｈｔ　ｄｉｓｌｒｉｂｕｔｉｏｎ　ｏｆ　ＪＮＤ　ｍｏｄｅ１．Ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｍｏｄｅｌ　ａｎｄ　ｒｅｓｉｄｕａｌ　ｆｉｌｔｅｒ　ｃａＩ１　ｂｅ　ｉｎｔｅｇｒａｔｅｄ　

ｉｎｔｏ　ｔｈｅ　ｆｒａｍｅｗｏｒｋ　ｏｆＨＥＶＣ，ｗｈｉｃｈ　ｉｓ　ｕｓｅｆｕｌ　ｆｏｒ　ｑｕａｎｔｉｆｙｉｎｇ　ｖｉｄｅｏ　ｄａｔａ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗｓ　ｔｈａｔ　ｎｔｉｈｅ　ｃａｓｅ　ｏｆ　

ｖｉｓｕａｌ　ｓｕｂｊｅｃｔｉｖｅ　ｐｅｒｃｅｐｔｕａｌ　ｑｕａｌｉｔｙ，ｔｈｅ　ａｖｅｒａｇｅ　ｂｉｔｒａｔｅ　ｒｅｄｕｃｔｉｏｎ　ｉｓ　１０．７１％，ｃｏｍｐａｒｅｄ　ｗｉｔｈ　ＨＭ　１６（ａｌｌ　ｎｔＩｒａ　ｐｒｏｆｉｌｅ）．　

Ｋｅｙ　ｗｏｒｄｓ：ｊｕｓｔ　ｎｏｔｉｃｅａｂｌｅ　ｄｉｓｔｏｒｔｉｏｎ　ＯＮＤ）；ｓａｌｉｅｎｃｙ　ｄｅｔｅｃｔｉｏｎ；ｖｉｄｅｏ　ｃｏｄｉｎｇ；ＨＥＶＣ　

１　引言　

常见的混合视频编码技术框架（如Ｈ．２６４／ＡＶＣ、　

Ｈ．２６５／ＨＥＶＣ）主要针对空间域冗余、时间域冗余以及　

恰可察失真（Ｊｕｓｔ　Ｎｏｔｉｃｅａｂｌｅ　Ｄｉｓｔｏｒｔｉｏｎ，ＪＮＤ）模型、视觉　

感兴趣区（Ｒｅｇｉｏｎ　ｏｆ　Ｉｎｔｅｒｅｓｔ，ＲＯＩ）模型和视觉显著图　

（Ｓａｌｉｅｎｃｙ　Ｍａｐ，ＳＭ）模型等．　

统计冗余进行压缩编码．它们主要通过大幅增加计算　

复杂度来提高视频压缩性能，其发展空间有限．近年　

来，研究人员将人类视觉系统（Ｈｕｍａｎ　Ｖｉｓｕａｌ　Ｓｙｓｔｅｍ，　

ＪＮＤ模型主要考虑了人类在感知图像信息过程　

中的多通道、非线性及多种视觉掩蔽特性．该模型通　

过一个阈值量化表现感知冗余，低于这个阈值的改变，　

人眼无法察觉．若能在视频编码过程中充分利用上述　

掩蔽效应，则可以在主观感觉图像失真相同的条件下　

允许更大的实际失真．当前，已提出的ＪＮＤ模型可以　

ＨＶＳ）￣Ｉ入传统的视频编码框架，着重挖掘人眼的主观　

感知状态和人类视觉选择性注意机制等来消除人类主　

观视觉冗余以获得更高的编解码性能．研究热点包括　

①基金项目：国家自然科学基金（６ｌ２７ｌｌ９Ｏ，ｕ１４０５２５５）；福建省教育厅项目（ＪＡ１５１３６）；福建省高校产学研合作重大项目（２ＯＩ４Ｈ６ｌＯｌＯ１Ｏ５）；福建师范大学科　

研创新￣（ＩＲＴＬ１２０７）　

收稿时间：２０ｌ６—０３—１０；收到修改稿时间：２０１６—０４－１４［ｄｏｉ：１０．１５ＳＳＳ／ｊ．ｃｎｋｉ．ｃｓａ．００５４４７】　

２０８软件技术・算法Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ　

２０１６年第２５卷第１１期　ｈｔｔｐ：／／ｗｗｗ．ｃ・Ｓ・ａ．ｏｒｇ．ｃｔｌ　计算机系统应用　

分为两类：像素域的Ｊ卜ＩＤ模型【ｌ＿３】和变换域的ＪＮＤ模　

型【４　（如ＤＣＴ域ＪＮＤ模型）．　

显著性区域所吸引，人类视觉系统容易对感兴趣的事　

物对象加以更多的视觉细节关注．利用上述特点，在　

应用ＪＮＤ去除不可察觉的冗余系数，利用生成的显著　

图协同引导ＪＮＤ阈值分配有助于进一步减少视频编码　

码率．在文献［７，ｉｏ］基础上，本文提出了改进的显著图　

基于像素域的ＪＮＤ模型直接给出具体每一像素的　

最小可察觉失真值．如文献［１】分别计算亮度自适应因　

子和纹理掩蔽效应因子，然后将两个因子的最大值作　

为ＪＮＤ阈值．在此基础，文献［２】提出了扩展的ＪＮＤ模　

型——非线性叠加掩蔽模型（Ｎｏｎｌｉｎｅａｒ　Ａｄｄｉｔｉｖｅｌｙ　

Ｍａｓｋｉｎｇ　Ｍｏｄｅｌ，ＮＡＭＭ），将亮度掩蔽和纹理融合在一　

协同检测ＪＮＤ模型（　ｂａｓｅｄ　ｏｎ　Ｓａｉｌｅｎｃｙ　Ｄｅｔｅｃｔｉｏｎ，　

ＳＤ．ＪＮＤ），通过显著性调整ＪＮＤ阈值的大小，间接达　

到调整码率分配的目的．　

起用于运动估计等内容．Ｌｉｕ等人【３】对图像进行分层处　

理，将结构块和纹理块分别建模ＪＮＤ模型，进一步提　

高了ＪＮＤ的精确性．　

基于ＤＣＴ域的ＪＮＤ模型通常包括对比敏感函数　

（ＣＳＦ），亮度自适应因子和各种掩蔽效应因子．Ｗａｔｓｏｎ　

等人提出了ＤＣＴｕｎｅ模型，通过融合了亮度和对比度　

掩蔽效应到基本阈值中［４】．Ａｈｕｍａｄａ等人在提出的　

ＤＣＴ域的ＪＮＤ模型中融合了ＣＳＦ函数［５１．文献［６】提出　

一

种新的ＣＭ．ＪＮＤ模型以及整合效应因子，该模型利　

用快速ＣＵ分割算法得到图像块，不同块大小建模　

ＪＮＤ更精确，并使其应用在Ｈ．２６５编解码框架．文献【７］　

提出联合估计像素域和变换域的ＪＮＤ阈值用于图像压　

缩．Ｚｈｅｎｇ等人［８】提出图像纹理分离建模ＪＮＤ，改善了　

纹理块、结构块以及平坦块的划分．　

人眼观看视频的过程就是一种选择重要信息的过　

程．显著性模型常应用于甄选视觉场景中的相关内容　

作为人眼视觉注意力区域．Ｇｏｆｅｒｍａｎ等人【９】结合了图　

像的全局和局部特性提出了基于上下文注意模型的显　

著性探测方法．考虑到现实中大量的视频以压缩形式　

被获取，文献［１０】提出了一种面向压缩域的视频显著　

检测算法，利用一个移动窗口中的离散余弦变换（ＤＣＴ）　

系数和运动信息修缮显著图模型，取得了较好的效果．　

本文提出一种改进的基于显著性协同检测的恰可　

察觉失真模型，将代表视觉敏感度的ＪＮＤ模型与代表　

视觉注意机制的显著性模型用于视频编码．该模型采　

用基于上下文感知的显著性算法，同时考虑像素域的　

ＪＮＤ模型和ＤＣＴ域的ＪＮＤ模型的优点，分别对图像纹　

理、边界和平坦区域分别估计出　更为精确的显著性区　

域。　并将该模型用于视频编码的残差量化编码．　

２显著图协同检测　Ｄ模型　

由上文可知：当视频图像编码失真小于ＪＮＤ闽值　

时，人眼无法感知；而人类视觉一般会被图像的某些　

图１　ＳＤ．ＪＮＤ模型的计算流程图　

ＳＤ—ＪＮＤ模型的计算流程图如图１所示．系统使　

用非线性关系的ＣＩＥ　Ｌ　ａ＋ｂ＋颜色空间，其可以有效模　

仿人类视觉的非线性响应，　从而较好地描述人类视觉　

系统可见的所有颜色．采集的Ⅵ『Ｖ视频序列通过ＣＩＥ　

Ｌ　ａ　颜色空间转换．分别计算其频域ＪＮＤ模型和像　

素域ＪＮＤ模型ＳＤ　ＪＮＤ模型并同时进行显著性检测．　

如式（１），提出的ＳＤ．ＪＮＤ模型主要由两个影响因子组　

成：最优ＪＮＤ估计模型和显著性检测因子．　

ＳＤ－ＪＮＤ（ｘ，ｙ，ｉ）　（１）　

＝

ＭＡＸ｛　ＶＤ　（　，　，ｆ），　ＶＤ，Ｄｃｒ（　，Ｙ，ｆ）｝×（．ｓ　（　）一＾）　

其中，　Ｙ和ｉ分别表示像素横纵坐标和视频帧序号，　

Ｓａ（ｘ￣表示归一化的帧显著性阈值，ｈ为折中参数，用　

于调节主观质量与编码码率．实验结果表明，对显著　

阈值进行整体缩小比较容易与ＪＮＤ融合，ｈ为０．２效果　

较佳．　

‰　，０是像素域ＪＮＤ　模型，主要由亮度自　

适应因子和对比度掩蔽因子组成．像素域ＪＮＤ模型在　

估计ＪＮＤ阈值时，　起主导作用的是对比度掩蔽因子，　

这容易导致估计纹理等高频信息的ＪＮＤ阈值不准确；　

而ＤＣＴ域的　Ｄ模型能很好的体现低频、高频和中　

频信息，尤其对高频信息（即纹理区域）的ＪＮＤ阈值估　

计更为有效．因此，提出的最优估计ＪＮＤ模型通过　

ＳｏＲｗａｒｅ．Ｔｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ软件技术・算法２０９　

计算机系统应用　ｈｔｔｐ：／／ｗｗｗ．ｃ－Ｓ・ａ．ｏｒｇ．ｃａ　２０１６年第２５卷第１１期　

Ｌ／Ｊ　

ＭＡＸ函数计算两种像素域的ＪＮＤ模型，为不同区域分　

ＪＮＤ（ｚ，Ｙ）＝Ｔ（Ｘ，Ｙ，Ｐ）×Ｆ（ｚ　Ｙ，Ｐ）　

配不同的ＪＮＤ阈值的模型，可以动态的反映不同图　

像、不同区域所包含的信息．其中，ＪＮＤｌｏｃｒ（ｘ，ｙ，ｆ）表示　

从ＤＣＴ域进行反变换得到的像素域ＪＮＤ模型．对亮度　

分量或色度分量分别进行计算ＤＣＴ域下的ＪＮＤ阈值，　

公式如下：　

ＪＮＤｗｃｒ（　，Ｙ，ｆ）＝ＩＤＣＴ（ｓｉｇｎ（ｃ‘。Ｈ？（　，　，ｆ））．ＪＮＤｕｃｒ（ｘ，Ｙ，ｆ））（２）　

其中，　Ｂａｓｉ。（ｘ，ｙ，ｐ）和Ｔｃ　Ｂ　）对应于亮度和色度　

的基本阈值，基本阈值是由空域对比度敏感函数　

（Ｓｐａｔｉａｌ　Ｃｏｎｔｒａｓｔ　Ｓｅｎｓｉｔｉｖｉｔｙ　Ｍａｓｋｉｎｇ）生成．　

Ｒ　）和　）分别对应亮度和色度的　

对比度掩蔽因子．　ｍ　反映亮度自适应效应．　

五　一

公式中的ｓｉｇｎ表示取得变换块系数的符号．　

ＪＮＤｎｃｒ（ｘ，ｙ，ｆ）表示ＤＣＴ域下的ＪＮＤ阈值．　

－

－

击・　

１√】／Ⅳｘｏｒｙ　０　（９）　

提出ＪＮＤ建模主要考虑纹理、边缘、平坦区域和　

显著程度．除了综合变换域和像素域ＪＮＤ的优点．还　

考虑图像中的显著区域分布．即对显著性区域分配更　

少的ＪＮＤ阈值，对于人眼不感兴趣的区域适当增加　

ＪＮＤ阈值，具体细节描述见第２、３部分．整个模型将　

加入到ＨＥＶＣ框架的ＪＮＤ残差滤波器里．　

３像素域的　Ｄ建模　

考虑到视频处理的计算复杂度，且人眼视觉系统　

对亮度更敏感使用计算量较小的ＮＡＭＭ模型【　．并只　

对亮度通道掩蔽效应建模：　

ＪＮＤ￣（ｘ，），）＝Ｂ　（五　）＋＾　（暑ｙ）一ｃ　ｘｎｉｆｎ｛Ｂ　（五　），Ｍ　（　）｝（３）　

其中　ｙ）￣ｆｌ　Ｍ　Ｊ，）分别是背景亮度自适应和对比　

度掩蔽的可觉察阈值．　表示在通道ｖ下的重叠效应．　

Ｂ　表示如下：　

Ｊ，）　一　））＋３　（４）　

【　．ｙ）－１２７）＋３如　）＞　

其中　Ｊ，）表示平均背景亮度．　公式如下：　

Ｍ　（　，　）＝　．　（　）．　（　，　）　（５）　

Ｊ，）表示像素梯度的最大加权平均，　表示为　

每个颜色通道的控制参数，ｖ为亮度分量，具体的公式　

参照文献【ｌ１】．　

４变换域的ＪＮＤ建模　

基于变换域的ＪＮＤ模型在亮度自适应因子和对比　

度掩蔽因子上还加入了ＣＳＦ函数．在ＤＣＴ域下。每个　

变换块系数分量能很好的体现低频、高频和中频信息．　

根据文献【ｌ２】，亮度和色度对应的变换域的ＪＮＤ模型　

可以由基本阈值和各种调节因子组成．亮度和色度的　

ＤＣＴ域ＪＮＤ阈值可分别由式（６）和式（７）得到：　

ＪＮＤＬ

Ｄｃｒ

—

（五　＝五　（五　ｐ）×４枷￣ＥＬ∞删（五　ｐ）　【６）　

２１０软件技术・算法ＳｏｆｔｗａｒｅＴｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ　

ｌ、／而　ｏｒｙ＞０　

：　

ｉｎ　）　

（１０）　

其中的　和　分别表示变换系数的归一化因子．参　

数　表示空域整合效应因子（Ｓｐａｔｉａｌ　Ｓｕｍｍａｔｉｏｎ　Ｅｆｆｅｃｔ）　

根据文献［１３】将Ｓ设置为Ｏ．２５．　表示变换系数块的　

方向角，其他参数为常量．变换块的第　，　）坐标处对　

应的空间频率　计算公式如下：　

√（　＋（　ｆ１１１　

：　：２．ａｒｃｔａｎ（——　——－１　

２・Ｒ・Ｐ　ｒ１２　

参数　和　，分别表示为像素的水平和垂直视角．　

变换系数块的维数是Ⅳ．式（１２）中的尺表示观看距离与　

图像高度的比值，Ｐｌｃ＾　表示图像高度．　

通过拟合色度分量的ＣＳＦ函数曲线可以得到色度　

的基本阈值公式如下：　

（）【．ｙ，ｐ）＝　．Ｅ（Ｉ～ａ）ｅｘｐ（ｂ．ｆ　）＋　］　（１３）　

其中参数　为１／２５６．其他参数设置参考文　Ｈ】．　

最小感知亮度差异是随着图像背景亮度的增加而　

增加的：背景信号越强，人类的敏感度就越低，ＪＮＤ阈　

值就越高．大部分ＪＮＤ阈值都是在中等像素值（１２８）时　

生成的，对于其他的像素值，则要加上一个调节因子．　

因此，式（５）中的亮度自适应因子　ｆ“　表示如下：　

ｌ（６０一ｆ（ｋ））／１５０＋１　ｆ【ｋ）　６０　

（１【）＝｛１【㈤　６０＜讯）

一

１７０）／４２５＋１　ｆ（ｋ）＞＿１

＜ｌ

７０　

７０（１４）　

厂（　）表示第ｋ个变换块的平均像素大小．　

对比度掩蔽效应是指一个信号的存在影响人眼对　

另一个信号的敏感程度．不同区域的对比度掩蔽效应　

也是不同的：如图２所示，在纹理区域的噪声不容易　

被观看者发现，而在边界和平坦区域更容易察觉到．　

将视频帧块划分为三类：纹理块、平坦块、边缘块，式　

２０１６　ｑ－：旃２５卷第１　１　ｊ｛ＪＪ　ｈｔｔｐ：／／ｗｗｗ．ｃ－Ｓ－ａ．ｏｒｇ．ｃｎ　计算机系统心ｆ１ｊ　

（６）中　Ｐｒ，　１７Ｆ的埘比度掩蔽　子计算如Ｆ：　

…

（‘ｎ　＝　

卜　Ｇ『　．（ｘ，ｙ４Ｄ　１　（］ｊ一妇（　＋　ｌ６　亏　惴　

ｆ　１　边缘或、　滑块　

＝

｛２　２５（　＋１，　１６　纹　块　

５（　＋　＞１６　块　ｒ１６１　

其中，ＣＬ（ｘ，　）代表亮艘变换块的系数．式（１６）说明了　

亮度对比度掩蔽效麻１，Ｉ：　同类型块所得到的掩蔽加权　

ｆ／１　川．－ｔ类图像块通过计算边缘像素的密度值划　

分．色艘的对比度掩蔽１人】　可见参考文献［１５］．　

（ｂ）原图２　

（ｃ）变换块划分图１　（ｄ）变换块划分图２　

（ｅ）边界图１　（ｆ）边界图２　

图２　图像Ｉ　ｘ＝域划分效果图　

（ａ）和（ｂ）是原图，（ｃ）和（ｄ）为变换块划分图，白色的　

足纹　块，荻色是边界块，黑色属于平而．（ｅ）和（Ｄ为　

Ｃａｎｎｙ　子检测的边　．　

５　著性检测算法　

５．１局部和全局相结合的显著性探测　

１　ｌ　像中的‘个像素值所在的小块区域与其周ｒ｝司　

的小块Ｉ　域的特　存　较大差异的时候，　前的小区　

域块ＩＩＪ‘以被认为足　区域．本文采厂Ｈ　Ｇｏｆｅｒｍａｎ等　

人提ｆＩ『的基　Ｌ　Ｆ义感知的显著性算法　】，按照具有　

特定Ｊ　色的　域或　案　该获得较高的　著性．该算　

法不仪考虑了多尺度还』Ｊ【］入了上　文的棚关信息　这　

使得榆测结果较为准确．为减少计算毋，使用欧氏距　

离ｄ（ｐ，，Ｐ９　找　个血支接近的图像块为了估计　围的　

块相似度，这里的Ｐ、ｆ和，分别表示块和像素，块之间　

的相异度计算公式如下．　

．，　．、

ｄｒ　ＦＤ（ｐ，，　）　

一

『Ｊ　

ｍ、　

背景图像块是分布在整个图像中的，而显著块一　

般是聚集在一起的．这意味着和该图像块越相似的图　

像块位置距离越近，该块越显著．因此　欧氏趴离　

ｄｐ

Ｅｏ

（Ｐ，，ｐ　）可以用来检测两块位置的远近程度，　

ｄｅ

（　，　）表示ＣＩＥ　Ｌ　ａ　颜色空间中的欧氏距离．　

如果当前显著的图像块Ｐ　与图像块Ｐ；距离较远，则认　

为Ｐ不是　著块．这里的ｃ为３．公式（１７）结合了欧氏　

距离和位置距离来同时衡量块之间的相异度．块之间　

的ｄｃ

ＥＤ

（　，ｐ：）和　（　，ｐ　）越火，则当前块越显著．在　

单一的ｆ尺度下，像素域的显著性计算公式为：　

Ｓ　１一ｅｘＰ｛ｔ　一÷∑　【ｐ　，（ｐ　）　）｝　

（１８）　

５．２多尺度显著性检测方法　

多尺度的情况下，背景像素块有许多相似的块．　

显著图像块在…些尺度下有相似的图像块．融合多尺　

度降低背景像素块的显著性，从而改善显著性　域与　

非显著性区域的对比度效应．＿在选择图像块时，要把　

尺度冈素考虑进来．则式ｆ１　８）町以改写为：　

１一ｅｘｐ｛＿÷∑ｄ（Ｐ　，（　）　）｝　

（１９）　

式（１９）得到的显著值需要进行归一化．　

５．３显著性上下文信息　

依据Ｇｅｓｔａｌｔ的理论　】，人类在观看某个场景时，　

视觉会对该场景中的画面形成一个或多个注意力焦　

点．距离注意力焦点近的区域比远的区域更重要．注　

意力焦点区域的周边也同样会吸引人眼注意力，　此　

该区域也应该足　著的．为了利用这一原理，像素ｉ的　

著性重新定义为：　

一　

））　

（２０）　

参数ｄ　（ｉ）表示在尺度为ｔ时，像素ｉ与最近的　

显著性像素的位置欧氏距离．算法实验结果如图３．　

（ａ）原图１　（ｂ）映射图１　

Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ软件技术・算法２　ｌ　１　

计算机系统应川　ｈｔｔｐ：／／ｗｗｗ．ｃ—Ｓ—ａ．ｏｒｇ．ｃｎ　２０１６年第２５卷第１１期　

帧、帧内预测后的视频Ｉ帧、ＪＮＤ滤波器后的残差数据　

和还没滤波的残差数据．自适应残差滤波器加入到变　

誊■■■目口■■目■■■Ｉ　

（ｃ）原图２　（ｄ）映射图２　

图３显著性检测算法效果图，（ａ）和（ｃ）是原图，（ｂ）和（ｄ）　

是　著性检测的映射图．　

换模块之前，获得视频残差之后．自适应残差滤波器　

的汁算公式如下：　

ｆＤ（ｘ，ｙ）＋ＳＤ—ＪＮＤ（ｘ，ｙ）　

Ｒｅ（ｘ，ｙ）　Ｒ　

）一　‘　∞一Ｉ删工　（２２）　

一ＲＩ＜ＳＤ—ＪＮＤ（ｘ，　

五　一Ｒ＞ＳＤ—ＪＮＤ（ｘ，　

ｌ　

Ｉ　五　一｜ｓＤ一．ＩＵ￣ｘ，ｙ）　

参数Ｒ表示平均残差值，ＪＲＰ表示滤波后的信号　

６基于ＪＮＤ与显著性协同检测的残差滤波　

为了对每个像素值ｉ分配适当合理的比特值，利　

用显著性阈值柬调整ＪＮＤ模型．提出的模型通过残差　

滤波器加入到ＨＥＶＣ框架　，　４是嵌入了ＳＤ—ＪＮＤ　

７实验结果和讨论　

为了评估提出的基于ＳＤ—ＪＮＤ模型的残差滤波器　

的编码性能，该模型嵌入到ＨＥＶＣ视频编码框架软件　

ＨＭ１６．０里．以下主要使用６个标准测试序列来评估提　

出的系统性能：ＢａｓｋｅｔｂａｌｌＤｒｉｖｅ、ＢＱＴｅｒｒａｃｅ、Ｃａｃｔｕｓ、　

模型的视频编码系统框架．式（１）中的Ｓａ（ｘｄ　）需要进行　

反计算，其中，　来至式（２０），参数　实验　没胃为１．６７　

时效果最佳．　

Ｓａ（　．ｙ）：Ｌ—　（ｘ，ｙ）　（２１）　

ＰａｒｋＳｃｅｎｅ、ＰｅｏｐｌｅＯｎＳｔｒｅｅｔ．序列ＰｅｏｐｌｅＯｎＳｔｒｅｅｔ分辨　

率为２５６０ｘｌ６００，其他都为１９２０ｘ１０８０，本文与对比算　

法均使用全Ｉ帧配置，分别测试计算了其码率大小和　

主客观质量．系统使用ＤＳＣＱＳ方法进行主观测试【ｌ　．　

。。～］　…一　

＿ｌＩ　卜一一］　

一　＿工一一　｝　

－

。

￣

Ｆ　：　ｖｕｖ　Ｆ　

：一一一ｒ一　１．…’　｝

………

０÷：　点　

’，　。。一……　

一　

根据ＤＳＣＱＳ方法，两个视频序列将进行对比，一个是　

原视频，另一个是加入提出模块系统解码后的视频．　

ｕ～　…一｝　。。……　

Ｌ＿。个’Ｉｒ‰删｛－　

ｒ　

　Ｉ

　！

视频的显示顺序是：视频序列１，等待３秒灰屏，视频　

序列２，等待３秒的灰屏．每个视频组播放２遍．主观　

测试中采用５档的ＭＯＳ平均主观打分机制．　

表１分别描述了不同量化参数下，提出的算法，　

参考文献【１０］算法和标准ＨＭ１６的编码性能．实验结　

果表明加入了ＳＤ．ＪＮＤ残差滤波模块的ＨＭＩ６要比标　

Ｉ　

一

｛　

＋一　

Ｉ　…　

Ｉ　。　…一　

幢　—　

帧卜　帻　预　

—

ｌ　

　【

　ｉ

　Ｉ

　ｊ

准代码有了更多的码率节省：码率降低２．５１％～　

２８．５７％．提出的模型对比标准软件ＨＭ１６，平均码率　

节省１０．７％，文献［１０］的模型平均码率节省为８．５６％．　

随着量化参数ＱＰ的增加，码率呈现出减少的趋势．　

为变换量化后非零系数减少了，使得的码率下降有　

限．　

图４基于ＳＤ．ＪＮＤ模型的视频编码系统框架　

如图４所示，视频编码系统读入ＹＵＶ视频序列后，　

通过ＳＤ．ＪＮＤ建模，然后导入到ＪＮＤ自适应残差滤波　

器中．其中的　厂、厂’、Ｄ、和Ｄ”分别表示为原视频序列　

表ｌ　各个模型的码率大小和码率节省　

Ｂｉｔｒａｔｅ（Ｋｂ／ｓ）　

Ｖｉｄｅｏ　

ＯＰ　

２ｌ　

２６　

Ｃａｃｔｕｓ　

３１　

提出的算法　

９６４２５　９　

５３２５２．６　

３００９０．６　

文献［１０】　

１００６５７　５　

５４７ｌ１．６　

３０７６１．０　

ＨＭｌ６．Ｏ　

ｌ３４９８７　７　

５８８２８．１　

３２１４０　７　

提出的算法码率节省（％）　

２８　５７　

９．４８　

６－３８　

文献［１Ｏ］算法码率节省（％）　

２５．４３　

７　

４．２９　

３６　

２ｌ　

１　６４０５．９５　

１　８３４３．８３　

１６６Ｉ１　２８　

１９１８３．９８　

ｌ７２９４．０　

２２８６５．７８　

５．１４　

ｌ９。７８　

３．９５　

１６．１　

ＢａｓｋｅｔｂａｌｌＤｒｉｌｌ　

２６　ｌ０８８１　３３　ｌｌ２４８．９５　ｌ２３５２．９８　ｌ１．９ｌ　８．９４　

２　１　２软件技术・算法Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ　

２０１６年第２５卷第ｌ１期　ｈｔｔｐ：ＨＷＷ＇Ｗ．Ｃ－ｓ－ａ．ｏｒｇ．ｃｎ　计算机系统应用　

３１　６Ｏ９２．９　６２２７．６５　６６２３．３２５　８．０ｌ　５．９７　

３６　

２１　

３３０３．３　

４６０５５．４３　

３３７８．３２５　

４６８３８．４　

３４８８．４７５　

６Ｏ２Ｏ３．０３　

５＿３ｌ　

２３．５　

３．１６　

２２．２　

Ｂａｓｋｅｔｂａｌｌ　

Ｄｒｉｖｅ　

２６　

３ｌ　

２ｌ５９９．４　

ｌｌ８８４．４５　

２１７９１．６８　

ｌｌ９ｌ４－３８　

２３３５６．６３　

ｌ２１９０．５４　

７．５２　

２．５１　

６．７　

２．２７　

３６　

２１　

６４６２．８８　

１０６１６９．３　

６４８１．５８　

１０９０９９．３　

６７３５．０２９　

１１５３５７．１　

４．０４　

７．９７　

３．７６　

５．４２　

２６　

ＰｅｏｐｌｅＯｎＳｔｒｅｅｔ　

３ｌ　

６３３８３．２２　

３６７００．６ｌ　

６５３９８．９９　

３７６３９．７７　

６７２９１．５９　

３８６００．０４　

５．ｇ　

４．９２　

２．８ｌ　

２．４９　

３６　

２１　

２１４７４．８６　

４３４６８．５７　

２１８２６．８８　

４５２８６－３３　

２２０６３．５　

５５３８８．６７　

２．６７　

２１．５２　

１．０７　

ｌ８．２４　

　１

Ｐａｒｋ　

８Ｃｅｎｅ　

２６　

３ｌ　

２５１２５．１８　

ｌ３９８４．６８　

２６０６８．９３　

１４５０４．８７　

３００４６．７４　

１５９２３．９９　

ｌ６．３８　

１２．１８　

１３．２４　

８．９１　

３６　

２１　

７０８６．Ｏ２４　

ｌ６１８２３．８　

７２８５．２　

１６７０３４．８　

７８ｌ５．８４　

１９８８０２．８　

９．３４　

ｌ８．６　

６．７９　

ｌ５．９８　

ＢＱ　

Ｔｅｒｒａｃｅ　

２６　

３１　

９６５６６．０７　

５５Ｏ０４．３４　

９８８ｌ５．０５　

５６００８．２　

ｌｏ９４５８．８　

５９３３１．９４　

ｌ１．７８　

７．２９　

９．７２　

５．６　

３６　３Ｏ４Ｏ５．９６　３０７２８．４　６３２５３１．２８　６．５３　５．５４　

平均值　１０．７　８．５６　

表２从主客观标准来评价算法的编码性能．可以　

频帧的第８帧进行对比．当ＱＰ值增大时，ＰＳＮＲ下降，　

而视频失真程度越高．ＱＰ设置为３６的情况下，提出模　

型的视觉质量也没有明显的下降．通过上面的分析说　

明提出的模型不仅仅能够容忍视频数据失真而且在视　

觉感知质量上没有明显的下降．　

看出，提出的模型在主观质量差不多的情况下，实际　

峰值信噪￣（ＰＳＮＲ）比ＨＭ１６．０参考软件平均下降了　

２．５９９ｄＢ，与Ｗａｎｇ等人【ｌｏ］提出的模型ＰＳＮＲ平均下降　

了０．１２９ｄＢ．如图６所示，提出的模型解码图和原始视　

表２　ＰＳＮＲ大小和ＭＯＳ评分　

ｐｓｌ，￣（ｃｍ）　

Ｖｉｄｅｏ　

ＭＯＳ　

【ｌ０】　

３７．３３２９　

３６．２４８２　

３４．７１４４　

ＱＰ　

２１　

２６　

ＨＭｌ６．Ｏ　

４１．５１４　

３８．２８８１　

３６．０４４５　

提出的算法　

３７．１４１５　

３６．１１３　

３４．６２９６　

提出的算法　

４．８　

４．８　

４．６　

【ｌ０】　

５　

４．８　

４．７　

Ｃａｃｔｕｓ　

３ｌ　

３６　

２ｌ　

２６　

ＢａｓｋｅｔｂａｌｌＤｒｉＩＩ　

３３．５７８６　

４２．４９２５　

３８．９８６７　

３５．９９３１　

３３．３２０７　

３２．６４Ｏ９　

３７．９７１８　

３６．６８８４　

３４．８６７１　

３２．６７９９　

３２．６７５４　

３８．２３６６　

３６．８７１０　

３４．９５９７　

３２．７３５７　

４．７　

５　

４．９　

４．９　

４．５　

４．６　

５　

５　

４．９　

４．８　

３１　

３６　

２ｌ　

２６　

４１．７５４４　

３９．６７３７　

３９．２３７２　

３８．０７４９　

３９．３４９４　

３８．１６７６　

４．７　

４．６　

４．８　

４．７　

ＢａｓｋｅｔｂａｌｌＤｒｉｖｅ　

３ｌ　

３６　

２１　

２６　

ＰｅｏｐｌｅＯｎＳｔｒｅｅｔ　

３ｌ　

３６　

３７．３１２８　

３４．４０９９　

３５．４７１６　

３３－３８ｌ３　

３５．５８１２　

３３．４２３０　

４．７　

４．６、　

４．８　

４．６　

３８．２６３４　

３６．５７９４　

４３．９５８９　

４０．４５６５　

３６．８７６４　

３５．３６７　

３７．９７１８　

３７．０５９５　

３６．９９８　

３５．４０６４　

３８．３３４９　

３７．２９５８　

４．５　

４．３　

５　

４．８　

４．５　

４．４　

５　

４．９　

Ｐａｒｋ　２１　４２．１８６６　３６．２８２　３６．４０６５　４．９　５　

ＳｏｆｔｗａｒｅＴｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ软件技术・算法２１３　

计算机系统应用　ｈｔｔｐ：／／ｗｗｗ．Ｃ・Ｓ—ａ．ｏｒｇ　ｃｎ　２０ｌ６　２５替笫ｌ】期　

ＳＣｅｎｅ　２６　

３ｌ　

３６　

２１　

３９　２７４７　

３６　４２２１　

３３　６０７３　

４３．７０５２　

３５　５９２９　

３４．２７　

３２　３６３８　

３６　９２２４　

３５　６８７８　

３４　３２６６　

３２．３８４７　

３７　２２２５　

４．７　

４．６　

４　５　

５　

４　８　

４　６　

４．６　

５　

ＢＱ　

Ｔｅｒｒａｃｅ　

２６　

３１　

３６　

３８．６ｌ４４　

３５　１１０ｌ　

３２　０８ｌ８　

３５　４２７２　

３３　３７３４　

３０．８２２６　

３５．６２５７　

３３　４７６１　

３Ｏ　８５６３　

４　９　

４　８　

４　５　

４．９　

４．９　

４　６　

平均值　３８　０６７　３５．４６８　３５．５９７　４　７２　４　７９　

图５所示为Ｒ—Ｄ曲线，横坐标为比特率，纵坐标　

为ＰＳＮＲ值．Ｒ．Ｄ曲线通常用于衡量压缩算法的性能优　

劣，在不同的量化值ＱＰ下编码得到ＰＳＮＲ和码率．从　

曲线图可以直观地看出，我们的模型和参考模型对比　

位于下方．当码率相同时，我们的模型拥有更低的　

ＰＳＮＲ，进一步说明了提出的模型能够容忍更多的数　

据失真．　

２　…　

…

ｊｉｌ　～　

；　争　・　一　。－。　

　一

’　

５　

　－

ｋ　一ｊ

ｊ　

　ｒ　

０　

，　

Ｊ　…　

￡　㈡　

（ｅ）ＰａｒｋＳｃｅｎｅ　（０ＢＱＴｅｒｒａｃｅ　

图５　６个测试序列的Ｒ—Ｄ曲线对比　

２　１４软件技术・算法Ｓｏｆｔｗａｒｅ　Ｔｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ　

（ａ）原始视频　（ｂ）我ｌｆ『Ｊ的横　码结果　

图６　Ｔｒａｆｉｆｃ视频序列解　刈　比，ＱＰ设置为３６　

８　结语　

本文提出了一种改进的　ｒ　５　并　协川检测的综　

合　计ＪＮＤ闽值的模型．该模￣一－，Ｊ，ｑ．ｊ¨像粜域和变换域　

卜建模得到的最优ＪＮＤ卡５１　进仃　川　汁　对　像　

域分别计算得到不　的ＪＮＤ　值．　时，利Ⅲ显　

著性检测得到图像中的ｍ要　城，埘一　Ｉ　域给　低　

的ＪＮＤ阂值．从实验结　【　以得　，ｊ　感知没有卜　

降的情况卜，提山的模型　现仃的　刈比更好的　

缩性能，能够容忍更多的视频数　火　．提出的卡ｃｌ　

在ＤＣＴ域建模ＪＮＤ还仔　分块小合　：ｌＵ题，　术求　

的工作中，可以进一步改善．　

参考文献　

Ｉ　Ｃｈｏｕ　ＣＨ，Ｌｉ　ＹＣ　Ａ　ｐｅｒｃｅｐｔｕａｌｌｙ　ｔｕｎｅｄ　ｓｕｂｂａｎｄ　ｉｍａｇｅ　ｃｏｄｅｒ　

ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｍｅａｓｕｒｅ　ｏｆ　ｊｕｓｔ—ｎｏｔｉｃｅａｂｌｅ・ｄｉｓｔｏｒｔｉｏｎ　ｐｒｏｆｉｌｅ．　

ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　Ｃｉｒｃｕｉｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ　ｆｏｒ　Ｖｉｄｅｏ　Ｔｅｃｈｎｏｌｏｇｙ，　

１　９９５，５（６）：４６７—４７６．　

２　Ｙａｎｇ　ＸＫ，Ｌｉｎ　ＷＳ，Ｌｕ　Ｚ，ｅｄ．Ｊｕｓｔ—ｎｏｔｉｃｅａｂｌｅ　ｄｉｓｔｏｒｔｉｏｎ　ｐｒｏｆｉｌｅ　

ｗｉｔｈ　ｎｏｎｌｉｎｅａｒ　ａｄｄｉｔｉｖｉｔｙ　ｍｏｄｅｌ　ｆｏｒ　ｐｅｒｃｅｐｔｕａｌ　ｍａｓｋｉｎｇ　ｉｎ　

ｃｏｌｏｒ　ｉｍａｇｅｓ．ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ａｃｏｕｓｔｉｃｓ，　

Ｓｐｅｅｃｈ．ａｎｄ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ．２００３．６０９　６　ｌ　２．　

３　Ｌｉｕ　Ａ，Ｌｉｎ　Ｐａｕｌ　Ｍ，ｅｄ．Ｊｕｓｔ　ｎｏｔｉｃｅａｂｌｅ　ｄｉｆｆｅｒｅｎｃｅ　ｆｏｒ　

ｉｍａｇｅｓ　ｗｉｔｈ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ　ｍｏｄｅｌ　ｆｏｒ　ｓｅｐａｒａｔｉｎｇ　ｅｄｇｅ　ａｎｄ　

ｔｅｘｔｕｒｅｄ　ｒｅｇｉｏｎｓ．ＩＥＥＥ　Ｔｒａｎｓ．Ｏｎ　Ｃｉｒｃｕｉｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ　ｆｏｒ　

Ｖｉｄｅｏ　Ｔｅｃｈｎｏｌｏｇｙ，２０１０：１６４８—１６５２．　

４　Ｗａｔｓｏｎ　ＡＢ，Ｙａｎｇ　Ｇ　Ｙ＇Ｓｏｌｏｍｏｎ　ＪＡ，ｅｄ．Ｖｉｓｉｂｉｌｉｔｙ　ｏｆ　ｗａｖｅｌｅｔ　

２０１６年第２５卷第１１期　ｈｔｔｐ：／／ｗｗｗ．ｃ—Ｓ—ａ．ｏｒｇ．ｃａ　计算机系统应用　

ｑｕａｎｔｉｚａｔｉｏｎ　ｎｏｉｓｅ．ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，１　９９７，　

Ｍｕｌｔｉｍｅｄｉａ　Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＷＰＭＣ）．２０１４．１０６－ｌ１　１．　

１　１　Ｙａｎｇ　ＸＫ，Ｌｉｎ　Ｌｕ　ＺＫ，ｅｄ　Ｊｕｓｔ　ｎｏｔｉｃｅａｂｌｅ　ｄｉｓｔｏｒｔｉｏｎ　

６（８）：１ｌ６４．１１７５．　

５　Ａｈｕｍａｄａ　ＡＪ，Ｐｅｔｅｒｓｏｎ　ＨＡ．Ｌｕｍｉｎａｎｃｅ－ｍｏｄｅ　ｂａｓｅｄ　ＤＣＴ　

ｍｏｄｅｌ　ａｎｄ　ｉｔｓ　ａｐｐｌｉｃａｔｉｏｎｓ　ｉｎ　ｖｉｄｅｏ　ｃｏｄｉｎｇ．Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓ：　

ｑｕａｎｔｉｚａｔｉｏｎ　ｆｏｒ　ｃｏｌｏｒ　ｉｍａｇｅ　ｃｏｍｐｒｅｓｓｉｏｎ．Ｈｕｍａｎ　Ｖｉｓｉｏｎ，　

Ｖｉｓｕａｌ　Ｐｒｏｃｅｓｓｉｎｇ，ａｎｄ　Ｄｉｇｉｔａｌ　Ｄｉｓｐｌａｙ　ＩＩＩ，Ｓａｎ　Ｊｏｓｅ：ＳＰＩＥ　

ｒｅｓｓ，１９９２：３６５－３７４．Ｐ　

Ｉｍａｇｅ　Ｃｏｍｍｕｎ，２００５，２Ｏ（７）：６６２－６８０．　

１２　Ｊｉａ　ＬｉＩｌ　ＷＳ，Ｋａｓｓｉｍ　ＡＡ．Ｅｓｉｔｍａｔｉｎｇ　ｊｕｓｔ－ｎｏｔｉｃｅａｂｌｅ　

ｉｓｔｏｒｔｉｄｏｎ　ｆｏｒ　ｖｉｄｅｏ．ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　Ｃｉｒｃｕｉｔ　ａｎｄ　ｓｙｓｔｅｍ　ｆｏｒ　

６　Ｂａｅ　ＳＨ，Ｋｉｍ　Ｍ．Ａ　ｎｏｖｅｌ　ｇｅｎｅｒａｌｉｚｅｄ　ＤＣＴ－ｂａｓｅｄ　ＪＮＤ　

ｖｉｄｅｏ　ｔｅｃｈｎｏｌｏｇｙ，２００６，１６（７）．　

１３　Ｗｅｉ　Ｚ。Ｎｇａｎ　ＫＮ．Ｓｐａｔｉｏ－ｔｅｍｐｏｒａｌ　ｊｕｓｔ　ｎｏｔｉｃｅａｂｌｅ　ｉｓｄｔｏｒｔｉｏｎ　

ｐｒｏｆｉｌｅ　ｆｏｒ　ｇｒｅｙ　ｓｃａｌｅ　ｉｍａｇｅ／ｖｉｄｅｏ　ｉｎ　ＤＣＴ　ｄｏｍａｉｎ．ＩＥＥＥ　

Ｔｒａｍ．ｏｎ　Ｃｉｒｃｕｉｔｓ　ａｎｄ　Ｓｙｓｔｅｍｓ　ｆｏｒ　Ｖｉｄｅｏ　Ｔｅｃｈｎｏｌｏｇｙ，２００９，　

ｐｒｏｆｉｌｅ　ｂａｓｅｄ　ｏｎ　ａｎ　ｅｌａｂｏｒａｔｅ　ＣＭ・ＪＮＤ　ｍｏｄｅｌ　ｆｏｒ　ｖａｒｉａｂｌｅ　

ｂｌｏｃｋ—ｓｉｚｅｄ　ｔｒａｎｓｆｏｒｍｓ　ｉｎ　ｍｏｎｏｃｈｒｏｍｅ　ｉｍａｇｅｓ．ＩＥＥＥ　

Ｔｒａｎｓ．ｏｎ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，２０１４，２３（８）：３２２７—３２４０．　

７郑明魁，苏凯雄，王卫星．一种基于像素域与变换域联合估计　

的ＪＮＤ改进模型，福州大学学报），２０１４，２：２２５－２３０，２４１．　

８　Ｚｈｅｎｇ　ＭＫ，Ｋａｉｘｉｏｎｇ　Ｓ，Ｗａｎｇ　ＷＸ，ｅｄ．Ｅｎｈａｎｃｅｄ　ｓｕｂｂａｎｄ　

ＪＮＤ　ｍｏｄｅｌ　ｗｉｔｈ　ｔｅｘｔｕｒａｌ　ｉｍａｇｅ．ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　

Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，Ｃｏｍｍｕｎｉｃａｔｉｏｎ　ａｎｄ　

ｌ９（３）：３３７—３４６．　

１４　Ｎａｄｅｎａｕ　ＭＪ，Ｒｅｉｃｈｅｌ　Ｊ．Ｃｏｍｐｒｅｓｓｉｏｎ　ｏｆ　ｃｏｌｏｒ　ｉａｇｅｓ　ｗｉｔｍｈ　

ｗａｖｅｌｅｔｓ　ｃｏｎｓｉｄｅｒｉｎｇ　ｔｈｅ　ＨＶＳ．Ｅｌｅｃｔｒｏｎｉｃ　Ｉｍａｇｉｎｇ．　

Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｏｃｉｅｔｙ　ｆｏｒ　Ｏｐｔｉｃｓ　ａｎｄ　Ｐｈｏｔｏｎｉｃｓ，１９９９：　

１２９－１４０．　

Ｃｏｍｐｕｔｉｎｇ（ＩＣＳＰＣＣ）．２０１３．１－４．　

９　Ｇｏｆｅｒｍａｎ　Ｓ，Ｚｅｌｎｉｋ－Ｍａｎｏｒ　Ｌ，Ｔａｌ　Ａ．Ｃｏｎｔｅｘｔ－ａｗａｒｅ　ｓａｌｉｅｎｃｙ　

ｄｅｔｅｃｔｉｏｎ．ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　ＰａＲｅｍ　Ａｎａｌｙｓｉｓ　ａｎｄ　Ｍａｃｈｉｎｅ　

１５　Ｃｈｏｕ　ＣＨ．Ｌｉｕ　ＫＣ．Ｃｏｌｏｒ　ｉｍａｇｅ　ｃｏｍｐｒｅｓｓｉｏｎ　ｕｓｉｎｇ　ａｄａｐｔｉｖｅ　

ｃｏｌｏｒ　ｑｕａｎｔｉｚａｔｉｏｎ．２００４　Ｉｔｅｒｎｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｍａｇｅ　

Ｐｒｏｃｅｓｓｉｎｇ．ＩＣＩＥ　２００４．２３３　ｌ—－２３３４．　

Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０１２，３４（１０）：１９１５—１９２６．　

１０　Ｗａｎｇ　ＨＱ，Ｗａｎｇ　Ｌ，Ｈｕ　ＸＬ，ｅｄ．Ｐｅｒｃｅｐｔｕａｌ　ｖｉｄｅｏ　ｃｏｄｉｎｇ　

ｂａｓｅｄ　ｏｎ　ｓａｌｉｅｎｃｙ　ａｎｄ　ｊｕｓｔ　ｎｏｔｉｃｅａｂｌｅ　ｄｉｓｔｏｒｔｉｏｎ　ｆｏｒ　Ｈ．２６５／　

ＨＥＶＣ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｓｙｍｐｏｓｉｕｍ　ｏｎ　Ｗｉｒｅｌｅｓｓ　Ｐｅｍｏｎａｌ　

１６　Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ　Ｉ．５０Ｏ—ｌ１．Ｍｅｔｈｏｄｏｌｏｇｙ　ｏｒｆ　ｈｅ　ｔｓｕｂｊｅｃｔｉｖｅ　

ａｓｓｅｓｓｍｅｎｔ　ｏｆｔｈｅ　ｑｕａｌｉｙ　ｏｆｔｅｌｔｅｖｉｓｉｏｎ　ｐｉｃｔｕｒｅｓ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　

ＴｅｌｃｃｏｍｍｕｕｉｃａｔｉｏｎＵｎｉｏｎ．Ｇｅｎｅｖａ，Ｓｗｉｔｚｅｒｌａｎｄ．２００２．　

ＳｏＲｗａｒｅＴｅｃｈｎｉｑｕｅ・Ａｌｇｏｒｉｔｈｍ软件技术・算法２１５　

本文标签： 模型视频显著性提出