买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜宁波大学申请的专利一种自顶向下的自然图像恰可察觉失真阈值估计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114519668B 。

龙图腾网通过国家知识产权局官网在2025-05-23发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210025549.0，技术领域涉及：G06T3/4038；该发明授权一种自顶向下的自然图像恰可察觉失真阈值估计方法是由刘震涛;姜求平设计研发完成，并于2022-01-11向国家知识产权局提交的专利申请。

本一种自顶向下的自然图像恰可察觉失真阈值估计方法在说明书摘要公布了：本发明公开了一种自顶向下的自然图像恰可察觉失真阈值估计方法，其对源图像的灰度图像进行分块并向量化得到向量化矩阵；获取向量化矩阵的协方差矩阵及协方差矩阵的特征值与特征向量，将特征向量按特征值从大到小排列起来得到KLT核；计算KLT系数矩阵、KLT系数能量、归一化KLT系数能量、累积归一化KLT系数能量，并根据推导的感知无失真临界点计算方程计算感知无失真临界点；构建感知无失真系数重建矩阵，重建得到感知无失真系数矩阵；将感知无失真系数矩阵中的每维向量转换成图像块并重新拼接起来，得到感知无失真临界图像，进而得到恰可察觉失真阈值图；优点是能很好地反映人类视觉系统的视觉掩蔽特性，并能很好地刻画自然图像的视觉感知冗余度。

本发明授权一种自顶向下的自然图像恰可察觉失真阈值估计方法在权利要求书中公布了：1.一种自顶向下的自然图像恰可察觉失真阈值估计方法，其特征在于包括以下步骤：步骤1：将待处理的一幅自然图像作为源图像；然后将源图像转换为灰度图像，记为IY；其中，源图像为RGB彩色图像，源图像和IY的宽度均为W且高度均为H；步骤2：将IY分割成Num个互不重叠的尺寸大小为的图像块；然后对IY中的每个图像块进行向量化处理，得到IY中的每个图像块对应的列向量，将IY中的第n个图像块对应的列向量记为xn；再将IY中的所有图像块对应的列向量拼接构成一个向量化矩阵，记为X，X＝[x1,x2,…,xn,…,xNum]；其中，设定W和H均能够被整除，K的取值为42或52或62或72或82或92或102，1≤n≤Num，x1表示IY中的第1个图像块对应的列向量，x2表示IY中的第2个图像块对应的列向量，xNum表示IY中的第Num个图像块对应的列向量，x1、x2、xn、xNum的维数均为K×1，X的维数为K×Num，符号“[]”为向量或矩阵的表示形式；步骤3：计算X的协方差矩阵，记为C；然后利用特征值分解技术对C进行处理，得到C的K个特征值和对应的K个特征向量；接着对C的K个特征向量按对应的K个特征值从大到小的降序方式进行排序，将C的K个特征向量按其排序结果构成的矩阵作为从X中提取到的先验信息；其中，C的维数为K×K，特征向量为列向量，特征向量的维数为K×1，从X中提取到的先验信息中的每一列为C的1个特征向量，从X中提取到的先验信息的维数为K×K；步骤4：将从X中提取到的先验信息作为IY的KLT核，记为P；然后根据P和X，计算IY的KLT系数矩阵，记为Q，Q＝PTX；再将Q表示为Q＝[q1,q2,…,qk,…,qK]T；其中，P的维数为K×K，Q的维数为K×Num，1≤k≤K，q1表示Q中的第1维KLT谱分量，q2表示Q中的第2维KLT谱分量，qk表示Q中的第k维KLT谱分量，qK表示Q中的第K维KLT谱分量，q1、q2、qk、qK的维数均为Num×1；步骤5：计算Q中的每一维KLT谱分量的KLT系数能量，将qk的KLT系数能量记为Ek，然后计算Q中的每一维KLT谱分量的归一化KLT系数能量，将qk的归一化KLT系数能量记为再计算Q中的每一维KLT谱分量的累积归一化KLT系数能量，将qk的累积归一化KLT系数能量记为最后将Q中的所有KLT谱分量的累积归一化KLT系数能量组成累积归一化KLT系数能量向量，记为Ecum，其中，qkn表示qk中的第n个元素的值，1≤ζ≤K，Eζ表示Q中的第ζ维KLT谱分量qζ的KLT系数能量，表示q1的归一化KLT系数能量，表示q2的归一化KLT系数能量，Ecum的维数为1×K，表示q1的累积归一化KLT系数能量，表示q2的累积归一化KLT系数能量，表示qK的累积归一化KLT系数能量；步骤6：将Ecum作为输入代入感知无失真临界点计算模型中，计算得到IY的感知无失真临界点，记为L；然后根据L构建感知无失真系数重建矩阵，记为接着采用重建得到感知无失真系数矩阵，记为再将表示为其中，L为正整数，1≤L≤K，的维数为K×Num，中的“＝”为赋值符号，qL表示Q中的第L维KLT谱分量，qL的维数为Num×1，至均为全0向量，的维数均为Num×1，的维数为K×Num，表示中的第1维感知无失真系数向量，表示中的第2维感知无失真系数向量，表示中的第n维感知无失真系数向量，表示中的第Num维感知无失真系数向量，的维数均为K×1；步骤7：按步骤2中的向量化处理的逆操作，将中的每一维感知无失真系数向量转换成尺寸大小为的图像块，将转换成的图像块作为第n个图像块；然后将中的所有感知无失真系数向量转换成的图像块拼接成图像作为感知无失真临界图像，记为IL；再根据IY和IL，计算恰可察觉失真阈值图，记为M，将M中坐标位置为a,b的像素点的像素值记为Ma,b，Ma,b＝|IYa,b-ILa,b|；其中，1≤a≤W,1≤b≤H，IYa,b表示IY中坐标位置为a,b的像素点的像素值，ILa,b表示IL中坐标位置为a,b的像素点的像素值，符号“||”为取绝对值符号。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。