تخمین کمترین تفاوت قابل درک با استفاده از برجستگی بصری در تصاویر

به علت وجود برخی محدودیت های فیزیولوژیکی و فیزیکی مختلف در مغز و چشم، دستگاه بینایی انسان (HVS) قادر به درک برخی تغییرات سیگنال بصری که دامنه آن ها از یک حد آستانه مشخص (موسوم به آستانه JND) پایین تر باشند، نیست. در بیش تر پژوهش های موجود جهت تخمین آستانه JND، حساسیت HVS در تمام صحنه یکسان در نظر گرفته شده و تاثیرات توجه بصری (VA) ناشی از برجستگی بصری (VS) در این پژوهش ها لحاظ نشده است. مطالعات مختلف نشان داده اند که حساسیت بصری در نواحی برجسته که توجه بصری بیشتری را جلب می کنند بیشتر بوده و لذا در آن نقاط آستانه JND پایین تر است و بالعکس. در این مقاله مدلی محاسباتی برای تخمین JND پیشنهاد می شود که از رابطه بین JND و برجستگی بصری برای بهبود تخمین آستانه JND استفاده می کند. این مدل با استفاده از یک مدل JND یکنواخت کارآمد و با به کارگیری یک تابع مدولاسیون غیر خطی مناسب، آستانه های JND پیکسل های مختلف در یک تصویر را با توجه به برجستگی بصری آن ها بهبود می دهد. تعیین پارامترهای تابع غیرخطی مدولاسیون در قالب یک مساله بهینه سازی، مدل سازی می شود که حل آن منجر به یافتن مدل JND بهبودیافته می شود. کلید کارآمدی روش پیشنهادی به کارگیری سازوکاری است که منجر به استفاده کارآمدتر از برجستگی بصری می شود.آزمایش های انجام گرفته نشان دهنده برتری قابل ملاحظه روش پیشنهادی نسبت به روش های مشابه موجود است.