郑明魁，苏凯雄，王卫星，兰诚栋，杨秀芝

（福州大学 物理与信息工程学院，福建 福州 350108）

1 引言

最小可觉察误差(JND,just noticeable distortion)[1]用于表示人眼不能察觉的最大图像失真，体现了人眼对图像改变的容忍度。在图像处理领域，JND可以用来度量人眼对图像中不同区域失真的敏感性。近年来，JND模型在基于视觉特性的视频图像编码[1,2]、数字水印[3]、图像质量评价[4]等方面受到广泛关注。目前已有多个JND模型被提出，这些JND模型主要可以分为2类：基于像素域的JND模型和基于变换域的JND模型。

像素域 JND模型能在像素域上更为直观地给出JND阈值，在视频编码时常常用于运动估计以及预测残差的滤波。Yang等人提出了经典的非线性相加掩蔽模型(NAMM,nonlinear additively masking model)[1]，该方法兼顾了亮度自适应掩蔽和对比度掩蔽的重叠效应。Liu等人在NAMM 模型的基础上，通过全变分（TV,total variation）分解对图像中的纹理以及结构分量赋以不同加权值，使像素域JND模型具有更好的计算精度[5]。Wu等人则在计算纹理掩盖时进一步考虑了人眼对规则区域与非规则区域不同的敏感性，提出一种基于亮度自适应与结构相似性的JND模型[6]。

变换域 JND模型可以方便地把对比度敏感函数（CSF,contrast sensitivity function）引入模型中，具有较高的精度。由于大多数的图像编码标准都采用了DCT变换，因此基于DCT域的JND模型得到了很多研究者的关注。Ahumada等人通过计算空域CSF函数得到灰度图像的JND模型[7]，在此基础上，Watson提出了DCTune方法，进一步考虑了亮度自适应、对比度掩蔽等特性对 JND的影响[8]。Zhang等人通过加入亮度自适应因子和对比度掩蔽因子，使得 JND模型具有更高的精度[9]。……