一种针对JPEG2000压缩流的低复杂度感知视觉质量评估方法与流程

本申请要求2015年10月3日提交的“一种针对JPEG2000压缩流的低复杂度感知视觉质量评估方法(A LOW COMPLEXITY PERCEPTUAL VISUAL QUALITY EVALUATION METHOD FOR JPEG2000 COMPRESSED STREAMS)”、印度临时申请号3766/MUM/2015的权益和优先权，其被通过引用整体地并入本申请中。

技术领域

本公开涉及对JPEG2000图像进行解码，并且更特别地涉及对由解码产生的图像质量的评估。

背景技术：

联合图像专家委员会(JPEG)已经创建了不同的标准用于静止图像的压缩。最初的JPEG标准使用离散余弦变换压缩。JPEG的较新版本JPEG2000(也被称作JPEG2K)依赖于基于小波的方法。JPEG2K编码器根据该标准对数字图像数据进行编码，压缩文件大小用于存储和/或传输，并且JPEG2K解码器可以在显示或打印之前对其进行解码。

JPEG2K码流可以包含提供用以支持空间随机访问或以变化的粒度或分辨率(resolution)的水平的访问的若干机制的感兴趣区域。这允许解码器依靠图像的质量来调整分辨率的水平。降低JPEG2K图像中的图像质量的主要视觉伪像是模糊(blur)，这由细节的损失产生，大部分在图像中的对象的边缘处。过多的低通滤波通常引起模糊。

图像质量度量(measure)可采取许多形式，包括感知视觉质量(Perceptual Visual Quality)或PVQ。为了维持视觉质量，限制由压缩过程引入的伪像的数量变得重要。

技术实现要素：

实施例由检测经小波变换编码的图像中的图像质量的方法组成。方法包括接收被划分成瓦片(tile)的经小波变换编码的图像数据，每个瓦片被划分成多个子带；评估在比该多个子带少的子带中的小波的数量；向针对每个瓦片评估的子带中的每个指派度量；使用度量确定瓦片的感知视觉质量得分；以及基于感知视觉质量得分调整解码器的操作。

另一实施例由具有存储器和解码器的解码系统组成，所述存储器用以接收具有预定数量的子带的经小波变换压缩的图像数据；所述解码器用以确定预定数量的子带的子集中的小波系数的数量、基于小波系数的数量来度量图像数据中的模糊的量，以及基于模糊的量来调整解码过程。

附图说明

图1示出了图像解压缩系统的实施例。

图2示出了被分解成子带的图像瓦片的示例。

图3示出了用以评估减少数量的子带中的系数的数量的方法的实施例的流程图。

图4示出了用以确定子带中的系数的数量的方法的实施例的流程图。

具体实施方式

图1示出了图像解压缩系统10的实施例。通常，系统是包括编码器的较大的图像系统的部分，所述编码器用于对将从系统传输以及被接收的图像进行编码。解码器可以被实现在通用处理器中，但也可以是专用集成电路(芯片)。解码器接收在JPEG2000(JPEG2K)解码器处解码的图像数据12。

在传输端上的JPEG2K编码器使用小波变换来压缩原始数据。编码器将图像划分成“瓦片”，诸如图2中的20，其类似于先前的JPEG标准中的8像素乘8像素块。JPEG2K瓦片是矩形的且都是相同的大小。它们每个独立地经受编码并代表原始输入图像的不同区域。针对每个瓦片，编码导致四个子带。

图2中示出的子带代表不同类型的滤波。LL表示在水平和垂直方向两者上的低通滤波。HL表示在水平方向上的高通滤波和在垂直方向上的低通滤波。类似地，LH表示在水平方向上的低通滤波和在垂直区域中的高通滤波，并且HH表示在两个方向上的高通滤波。

这里的实施例使用在经压缩的图像数据中接收的子带，其通常被存储在解码器14的存储器18中，并且解码元件19对其进行分析以确定子带的某些子集中的每个中的系数的数量。这里使用的子带是除了LL子带以外的全部子带。子带中的系数的较高数量指示未被模糊的图像，其导致较高的PVQ得分。被模糊的图像反映为子带中的系数的稀疏的百分比，其指示较低的PVQ得分。通过仅分析子带中的3个，人们可以确定图像数据是高模糊的还是低模糊的，而不必处理所有数据。具有低模糊的图像将在子带中具有高数量的系数，并且具有高模糊的图像将具有低数量的系数。

图3示出了用以确定图像中的模糊度的方法的实施例的流程图。一般地，方法被应用于n-1分辨率层。大部分JPEG2K编码发生在多个分辨率层处。在这里的讨论中，N表示最终的经解码的图像的分辨率，并且实施例在分辨率层——最终的分辨率层下的一个层n-1上被执行。由于二维低通滤波，信息将逐渐丢失。随着分辨率降低，所剩余的大部分是原始图像的低频成分。在此类成分中查找诸如边缘之类的高频数据的存在可能仅误导过程。进一步地，在较低的分辨率层中，在连续变换之后数据大部分是“合成的”，并且不是如存在于原始图像数据中的信息。然而，可以在若干不同的分辨率层上执行处理。

在图3中，过程在30处设置当前分辨率层。在32处采集所使用的三个子带中每个的子带得分。组合这些子带得分以得到瓦片的总PVQ得分。单独的子带得分可以被加权。在一个实施例中，HH子带得分和LH子带得分中的每个被乘以3。该数通过实验被导出并可根据期望被改变。

在36处，检查组合的PVQ来看其是否大于1。如果是这样，则在38处将PVQ得分设置在1处。在这里的实施例中，PVQ得分1指示不具有模糊的图像，而得分0指示高模糊。这里的实施例一次被应用于一个瓦片。为了将过程应用于整个图像，过程在40处检查来看是否所有瓦片被完成。如果是，则过程继续前进到下一图像。如果否，则然后在44处访问下一瓦片，并且过程继续前进直到整个图像被处理。

图3的过程的基础包括确定子带得分。图4示出了确定特定子带50的子带得分的方法的一个实施例。过程跟踪两个不同的计数器，一个跟踪过程在其上操作的像素(像素索引)，并且一个跟踪子带内系数的数量。由于每个子带经受处理，这些计数器在52处被初始化。在54处，像素值被设置等于与像素索引对应的像素的子带数据。

在56处，过程确定像素值小于低阈值还是高于高阈值。可基于图像数据的类型等来设置阈值。在一个实施例中，低阈值被设置在123处，并且高阈值被设置成133，用于8位深输入数据。如果真，则在58处增加系数计数并且在60 处增加像素索引。如果否，则仅在60处增加像素索引。在62处，过程检查来看是否任何像素都保持在尚未被处理的瓦片中。如果像素索引大于瓦片中的像素的数量，则在64处过程完成且系数的数量/像素的数量的比率成为子带得分。如果否，则通过返回至54像素继续。在图3的过程中，该得分然后被用作子带得分。

以该方式，过程可以针对特定分辨率层自动地确定图像的模糊度。该信息可以被用来选择驻留在经编码的数据中的编码的不同类型，或改变被用来生成最终的经编码的图像的分辨率层。

存在变体和修改。可以通过仅评估与图像的前景区域对应的那些瓦片来进一步优化过程。上面的实施例集中在经解码的YUV数据的亮度成分上，但其也可以对色度成分起作用。