買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜寧波大學(xué)申請的專利一種自頂向下的自然圖像恰可察覺失真閾值估計方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114519668B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210025549.0，技術(shù)領(lǐng)域涉及：G06T3/4038；該發(fā)明授權(quán)一種自頂向下的自然圖像恰可察覺失真閾值估計方法是由劉震濤;姜求平設(shè)計研發(fā)完成，并于2022-01-11向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種自頂向下的自然圖像恰可察覺失真閾值估計方法在說明書摘要公布了：本發(fā)明公開了一種自頂向下的自然圖像恰可察覺失真閾值估計方法，其對源圖像的灰度圖像進行分塊并向量化得到向量化矩陣；獲取向量化矩陣的協(xié)方差矩陣及協(xié)方差矩陣的特征值與特征向量，將特征向量按特征值從大到小排列起來得到KLT核；計算KLT系數(shù)矩陣、KLT系數(shù)能量、歸一化KLT系數(shù)能量、累積歸一化KLT系數(shù)能量，并根據(jù)推導(dǎo)的感知無失真臨界點計算方程計算感知無失真臨界點；構(gòu)建感知無失真系數(shù)重建矩陣，重建得到感知無失真系數(shù)矩陣；將感知無失真系數(shù)矩陣中的每維向量轉(zhuǎn)換成圖像塊并重新拼接起來，得到感知無失真臨界圖像，進而得到恰可察覺失真閾值圖；優(yōu)點是能很好地反映人類視覺系統(tǒng)的視覺掩蔽特性，并能很好地刻畫自然圖像的視覺感知冗余度。

本發(fā)明授權(quán)一種自頂向下的自然圖像恰可察覺失真閾值估計方法在權(quán)利要求書中公布了：1.一種自頂向下的自然圖像恰可察覺失真閾值估計方法，其特征在于包括以下步驟：步驟1：將待處理的一幅自然圖像作為源圖像；然后將源圖像轉(zhuǎn)換為灰度圖像，記為IY；其中，源圖像為RGB彩色圖像，源圖像和IY的寬度均為W且高度均為H；步驟2：將IY分割成Num個互不重疊的尺寸大小為的圖像塊；然后對IY中的每個圖像塊進行向量化處理，得到IY中的每個圖像塊對應(yīng)的列向量，將IY中的第n個圖像塊對應(yīng)的列向量記為xn；再將IY中的所有圖像塊對應(yīng)的列向量拼接構(gòu)成一個向量化矩陣，記為X，X＝[x1,x2,…,xn,…,xNum]；其中，設(shè)定W和H均能夠被整除，K的取值為42或52或62或72或82或92或102，1≤n≤Num，x1表示IY中的第1個圖像塊對應(yīng)的列向量，x2表示IY中的第2個圖像塊對應(yīng)的列向量，xNum表示IY中的第Num個圖像塊對應(yīng)的列向量，x1、x2、xn、xNum的維數(shù)均為K×1，X的維數(shù)為K×Num，符號“[]”為向量或矩陣的表示形式；步驟3：計算X的協(xié)方差矩陣，記為C；然后利用特征值分解技術(shù)對C進行處理，得到C的K個特征值和對應(yīng)的K個特征向量；接著對C的K個特征向量按對應(yīng)的K個特征值從大到小的降序方式進行排序，將C的K個特征向量按其排序結(jié)果構(gòu)成的矩陣作為從X中提取到的先驗信息；其中，C的維數(shù)為K×K，特征向量為列向量，特征向量的維數(shù)為K×1，從X中提取到的先驗信息中的每一列為C的1個特征向量，從X中提取到的先驗信息的維數(shù)為K×K；步驟4：將從X中提取到的先驗信息作為IY的KLT核，記為P；然后根據(jù)P和X，計算IY的KLT系數(shù)矩陣，記為Q，Q＝PTX；再將Q表示為Q＝[q1,q2,…,qk,…,qK]T；其中，P的維數(shù)為K×K，Q的維數(shù)為K×Num，1≤k≤K，q1表示Q中的第1維KLT譜分量，q2表示Q中的第2維KLT譜分量，qk表示Q中的第k維KLT譜分量，qK表示Q中的第K維KLT譜分量，q1、q2、qk、qK的維數(shù)均為Num×1；步驟5：計算Q中的每一維KLT譜分量的KLT系數(shù)能量，將qk的KLT系數(shù)能量記為Ek，然后計算Q中的每一維KLT譜分量的歸一化KLT系數(shù)能量，將qk的歸一化KLT系數(shù)能量記為再計算Q中的每一維KLT譜分量的累積歸一化KLT系數(shù)能量，將qk的累積歸一化KLT系數(shù)能量記為最后將Q中的所有KLT譜分量的累積歸一化KLT系數(shù)能量組成累積歸一化KLT系數(shù)能量向量，記為Ecum，其中，qkn表示qk中的第n個元素的值，1≤ζ≤K，Eζ表示Q中的第ζ維KLT譜分量qζ的KLT系數(shù)能量，表示q1的歸一化KLT系數(shù)能量，表示q2的歸一化KLT系數(shù)能量，Ecum的維數(shù)為1×K，表示q1的累積歸一化KLT系數(shù)能量，表示q2的累積歸一化KLT系數(shù)能量，表示qK的累積歸一化KLT系數(shù)能量；步驟6：將Ecum作為輸入代入感知無失真臨界點計算模型中，計算得到IY的感知無失真臨界點，記為L；然后根據(jù)L構(gòu)建感知無失真系數(shù)重建矩陣，記為接著采用重建得到感知無失真系數(shù)矩陣，記為再將表示為其中，L為正整數(shù)，1≤L≤K，的維數(shù)為K×Num，中的“＝”為賦值符號，qL表示Q中的第L維KLT譜分量，qL的維數(shù)為Num×1，至均為全0向量，的維數(shù)均為Num×1，的維數(shù)為K×Num，表示中的第1維感知無失真系數(shù)向量，表示中的第2維感知無失真系數(shù)向量，表示中的第n維感知無失真系數(shù)向量，表示中的第Num維感知無失真系數(shù)向量，的維數(shù)均為K×1；步驟7：按步驟2中的向量化處理的逆操作，將中的每一維感知無失真系數(shù)向量轉(zhuǎn)換成尺寸大小為的圖像塊，將轉(zhuǎn)換成的圖像塊作為第n個圖像塊；然后將中的所有感知無失真系數(shù)向量轉(zhuǎn)換成的圖像塊拼接成圖像作為感知無失真臨界圖像，記為IL；再根據(jù)IY和IL，計算恰可察覺失真閾值圖，記為M，將M中坐標位置為a,b的像素點的像素值記為Ma,b，Ma,b＝|IYa,b-ILa,b|；其中，1≤a≤W,1≤b≤H，IYa,b表示IY中坐標位置為a,b的像素點的像素值，ILa,b表示IL中坐標位置為a,b的像素點的像素值，符號“||”為取絕對值符號。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人寧波大學(xué)，其通訊地址為：315211 浙江省寧波市江北區(qū)風華路818號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。