为了提高变换域JND模型的精度，在计算对比度掩盖因子时只对纹理分量滤波并判断区域类型的方法避免了JND低估的问题。将改进的JND模型用于图像编码，考虑到辅助信息对编码效率的影响，把经过调整后的JND模型结合到量化过程中，能去除更多的视觉冗余并保持兼容性。仿真结果表明，纹理分解的方法提高了JND阈值，改进的编码方法在相似的视觉质量下能节省更多的码率并且不需要增加额外的比特开销，该编码思路也适用于视频编码。
2021-11-01 17:20:04
944KB
1
鉴于压缩退化图像的最佳恢复，本文提出了一种基于深度学习的卷积神经网络，在结构纹理分解的基础上，去除块状伪影的有效方法。 首先，通过总变化优化决策将退化图像分解为结构和纹理两部分。 然后，设计一个卷积神经网络以消除纹理部分中存在的阻塞伪像。 最后，将恢复的纹理部分与结构部分进行合成，以形成最终的最佳恢复图像。 实验结果证明了该方法在主观和客观上都可以消除阻塞伪像的性能优势。 最佳还原图像的客观质量指标。
2021-06-28 16:52:04
2.37MB
1