视觉恰可识别差阈值估计综述

点击上方蓝字

关注我们

导

读

      在当今多媒体时代，有超过70%的信息是通过人类视觉系统获取的。为了在人工智能的大背景下让机器能够像人类一样快速高效的处理输入的视觉信号，研究并模拟复杂的人类视觉感知系统就显得尤为重要。特别是随着对视网膜中视觉细胞特性的深入研究，发现人类视觉系统的分辨能力是有限的，只能感知到一定阈值之上的视觉变化，这个阈值就是恰可识别差阈值（JND）。由于恰可识别差阈值反应了视觉系统的可视能力，可广泛应用于基于视觉感知的各类视觉信息处理领域，如图像、视频的压缩，视觉信息增强，感知质量评价，水印等。近来，为了准确估计JND阈值，许多的估计方法被提出。本文首先全面介绍了估计恰可识别差阈值所依据的视觉感知机理和其对应的计算模型。然后详细介绍了现有的两大类估计方法，即像素域JND估计和变换域JND估计，并详细的给出了具体的估计过程，然后给出了如何验证JND估计模型有效性的主观实验方法。最后，探讨了现有方法的一些不足和JND的未来研究方向。

文章精要

请长按下方二维码识别，阅读该文。

相关内容推荐：

基于球面投影和特征提取的海量岩体点云快速配准算法 2019.13(1) 170-182

旋转不变星点描述符在深空图像配准中的应用 2018.12(5) 1013-1025

基于节点开裂法的稳定真实的裂纹模式生成算法 2018.12(4) 777-797

FCS 优青论坛|挖掘社交媒体信息的视觉理解：进展与挑战 2018.12(3) 406-422

---

Frontiers of Computer Science

---

Frontiers of Computer Science （FCS）是由教育部主管、高等教育出版社和北京航空航天大学共同主办、SpringerNature 公司海外发行的英文学术期刊。本刊于 2007 年创刊，双月刊，全球发行。主要刊登计算机科学领域具有创新性的综述论文、研究论文等。本刊主编为周志华教授，共同主编为熊璋教授。编委会及青年 AE 团队由国内外知名学者及优秀青年学者组成。本刊被 SCI、Ei、DBLP、INSPEC、SCOPUS 和中国科学引文数据库（CSCD）核心库等收录，为 CCF 推荐期刊；两次入选“中国科技期刊国际影响力提升计划”；入选“第4届中国国际化精品科技期刊”。

---

长按二维码关注Frontiers of Computer Science公众号