基于對比度敏感理論的LED視頻疊加顯示方法

張成挺, 葉志暉, 徐琦, 王文娟

(浙江中煙工業有限責任公司寧波卷煙廠,浙江,寧波 315000)

0 引言

伴隨傳媒形式轉變,單一信息顯示轉為互聯網信息與人類交互顯示[1-3]。作為媒體信息載體的智能LED顯示屏的發展吸引社會廣泛關注[4-5]。近年來,研究基于人眼視覺特性的LED顯示圖像技術成為研究熱點[6-7]。

王驍等[8]提出HDR圖像顯示方法,將LCD顯示融合LED顯示,采取雙調制方式搭建創新顯示器,該方法使得圖像亮度細節更加細致,但操作較繁瑣,不具備通用性;羅謹哲[9]提出紅外融合可見光圖像方法,在增強對比度和兩尺度分解基礎上增強圖像可視性,在視覺質量和客觀評價兩方面表現較好,但該方法在多尺度領域進行分析時成本較高。

本文提出一種基于對比度敏感理論的LED視頻疊加顯示方法,研究結果表明該方法處理后的視頻更貼合人眼視覺對比特性,用戶可獲得更舒適的視覺觀看效果。

1 LED視頻疊加顯示方法

1.1 LED視頻圖像自適應量化

LED視頻圖像自適應量化處理時,量化表是控制視頻圖像壓縮比的核心,能顯著影響壓縮效果。分析人眼視覺特性計算出量化表,搭建量化表時綜合考量人眼視覺特性,獲取的量化表使其閾值則更加貼合人眼最真實效果。因此,依據人眼亮度敏感而對色度不敏感的視覺特性,得到可實現LED視頻圖像壓縮處理的量化表。

1.1.1 人眼對比度敏感理論

LED視頻圖像視覺清晰水平用對比度描述,分為顏色與亮度,式(1)描述亮度對比:

(1)

觀察對象清晰水平取決于對比度感覺,圖像視覺質量高低依賴于其自身對比度高低。人眼對比度靈敏度閾值決定人眼觀察到的圖像。

1.1.2 人眼對比度敏感視覺模型

將窄帶帶通濾波器視作人眼視覺系統空間頻率響應[10],用人眼對比敏感度函數CSF[11]描述視覺系統。利用人眼亮度CSFL方法進行描述,在此基礎上融合指數型數學模型求解獲取量化表。

(1) 人眼亮度視覺特性模型用式(2)表示

CSFL(fθ)=2.6(0.0192+0.114fθ)·exp{-(0.114fθ)1.1}

(2)

式中,fθ描述模型角頻率:

(3)

(2) 人眼對立色彩視覺特性模型用下式表示:

CSFC(fθ)=aexp[b(fθ)c]

(4)

(5)

式中,K為LED顯示器分辨率。視覺區域內求解角頻率即求解單位視角內刺激人眼觀察目標的周期數值。綜合考慮DCT變換特征,將該模型均分64塊。

1.1.3 自適應量化表構建

利用人眼察覺圖像誤差閾值搭建完成自適應量化表[12]。該量化表搭建流程如下。

(1) 用YCrCb色空間形容圖像,采用三分量方式像素分割為子塊,完成視頻圖像DCT變換。

(2) 基于亮度及色度視覺模型計算各子塊、各空間頻率對應角頻率。

(3) 人眼對比度覺察閾值求解。

(4) 將LED視頻圖像各分量圖子塊DCT變換系數求解,同時納入圖變換域頻譜系數獲取自適應量化表。

1.2 基于自適應牛頓插值算法的LED視頻顯示

采用自適應牛頓插值算法進行計算,保留壓縮處理后LED視頻圖像高頻信息,消除圖像邊緣模糊現象,以獲取更好的視頻顯示視覺效果。在傳統牛頓插值算法基礎上改進、優化算法,使其適應人眼視覺效果。

1.2.1 傳統牛頓插值算法

各插值節點處,插值多項式在n無限接近極值時未必會收斂至實際值。采用恰當的插值次數至關重要,并非單一盲目追求高次插值。

1.2.2 自適應牛頓插值算法

優化傳統牛頓插值算法,創建自適應牛頓插值算法,改善圖像邊緣模糊問題。鑒于壓縮視頻內部資源的局限性,選取2階自適應牛頓插值算法縮放處理視頻圖像,以滿足LED視頻顯示需求[13]。

用式(6)與式(7)描述自適應牛頓插值算法定義:

|Δx0|=|x1-x0|

(6)

|Δ2x0|=|x1-x0|=|x2-2x1+x0|

(7)

式中,像素相關程度隨像素相關因子縮小而提升。用式(8)、式(9)描述自適應牛頓插值算法:

|Δ2x0|<|Δ2x1|時:

N2(xi)=f(x0)w0(x)+f[x0,x1]w1(x)+f[x0,x1,x2]w2(x)

(8)

|Δ2x0|>|Δ2x1|時:

N2(xi)=f(x1)w0(x)+f[x1,x2]w1(x)+f[x1,x2,x3]w2(x)

(9)

對水平、垂直方向分別進行自適應牛頓插值處理[14],自適應牛頓插值處理過程如圖1所示。

圖1 自適應牛頓插值處理示意圖

1.2.3 自適應牛頓插值算法處理流程

自適應牛頓插值算法分判別、系數生成及選擇3個步驟,用圖2描述算法流程示意圖。

圖2 自適應牛頓插值算法流程示意圖

設輸入LED視頻數據分辨率為800×600,LED顯示屏物理分辨率為1280×1080,放大插值處理每一幀視頻圖像(列方向放大至1.8倍,行方向放大至1.6倍)。放大系數用m描述,放大系數描述如下:

(10)

自適應牛頓插值處理圖像水平方向,設1代表輸入幀圖像的相鄰像素間的距離單位,放大處理時采用間隔m_x,重新采集像素樣本,則為放大后相鄰像素的間隔,依次選取4個點灰度值[15],利用像素相關因子較小組進行插值計算,計算各項系數,獲取插值點灰度值;處理完水平區域后對垂直方向進行自適應牛頓插值處理。

2 實驗分析

截取兩張LED視頻圖像作為實驗對象,利用本文方法和文獻[8]、文獻[9]的方法,對LED視頻圖像進行處理,驗證本文方法的效果。表1和表2為實驗圖像的色度量化表。

表1 實驗圖像1色度量化表

表2 實驗圖像2色度量化表

從表1和表2所示的自適應量化表中的數據可知,高頻分量之間的量化間隔較大,低頻分量之間的量化間隔較小,說明亮度圖像的色度特征與人眼視覺特征是相符的。

依據主、客觀兩種方式評價圖像疊加顯示效果。依據肉眼觀察并采用規定評價標準進行主觀評價,依據眾多觀看者打分統計平均值作為最終結果;客觀評價采用計算編碼質量及圖像顯示質量參數進行。

2.1 主觀效果評價

分別采用本文方法與文獻[8]方法、文獻[9]方法進行兩個視頻圖像的疊加顯示,圖3為圖像疊加的部分過程,圖4和圖5為疊加顯示后的效果圖。

圖3 圖像疊加過程

(a) 原始圖像

(a) 原始圖像

分析可知,文獻[8]方法處理后兩張圖像噪聲偏多、圖像較模糊,光照對比度欠佳,觀看效果不佳;文獻[9]方法處理后圖像存在小區域噪聲,圖像清晰度不佳且邊緣鋸齒狀參差不齊,觀看效果不佳;經本文方法處理后,圖像邊緣順暢。

2.2 客觀效果評價

對比疊加顯示處理后的圖像與原始圖像的相似度反映顯示質量,選取結構相似度SSIM歸一化值指標。假定壓縮比鄰近狀態恒定,采用三種方法對圖像進行疊加顯示,計算SSIM值。疊加顯示后的壓縮比值和SSIM值如表3所示。

表3 圖像壓縮比值和SSIM值

分析可知,文獻[8]及文獻[9]方法處理后的圖像亮度略優,但本文方法在色度方面較優,圖像SSIM值明顯提升。結合視頻數據庫中選取的50張圖像和收集的夜景、逆光等50張圖像組成測試集,用信息熵、NIMA、BIQI以及對比度閾值四項指標客觀評價圖像質量。為保證數據公平,多次實驗取平均。使用三種方法處理后對比,圖像評價結果如圖6所示。

依據評價指標,文獻[8]信息熵較高、視覺效果存在噪聲與色彩偏差狀況,整體效果偏差;文獻[9]針對光照不均圖像未能妥善解決,清晰度較差,評價指標不如文獻[8];本文方法在信息熵方面略遜色于前兩種方法,但其他指標結果均最優,其對比度較越高,說明圖像的銳利程度較高,圖像更清晰。因此,本文方法整體性能最為優秀,獲取顯示效果綜合評價最佳。

為了進一步驗證本文方法的有效性,對比不同方法的視頻疊加顯示時效性,時效性主要通過時間進行衡量,視頻疊加顯示時間越長,時效性越差;反之,越好。本文方法、文獻[8]方法以及文獻[9]方法的視頻疊加顯示時效性對比結果如表4所示。

表4 視頻疊加顯示時效性對比結果

分析表4中的數據可知,本文方法所用的視頻疊加顯示時間較短,最短用時為1.98 s,文獻[8]方法以及文獻[9]方法的最短用時分別為1.99 s和2.13 s。通過對比可知,本文方法的用時更短,說明其能夠滿足視頻疊加顯示的實時性要求,綜合性能較好。

3 總結

LED視頻顯示效果受多重因素影響,人眼觀察視覺效果差異較大,研究更為貼合人眼視覺特性的視頻疊加顯示方法。本文基于對比度敏感理論的LED視頻疊加顯示方法,通過搭建基于人眼視覺特性的自適應量化表,極度貼合肉眼主觀感受,并通過差值處理避免視頻圖像邊緣模糊化,使得LED顯示圖像對比度得以提升,獲得優秀的顯示效果,同時實用價值極高。實驗結果表明,本文方法可大幅度提升LED視頻對比度及清晰度,保證觀影效果,圖像顯示質量較高。