图像处理方法、装置、存储介质、电子设备与流程

1.本发明涉及图像处理领域，具体而言，涉及一种图像处理方法、装置、存储介质、电子设备。


背景技术：

2.随着多媒体和网络技术的进步，图像、视频等媒体数据激增，媒体处理技术随之发展迅速，然而，用户对媒体视觉质量的要求也越来越高，因此，图像、视频等媒体处理技术与人眼视觉系统的结合展现出越来越明显的优越性。
3.现有方案中，恰可觉察误差(just noticeable distortion，简称jnd)模型能够较为准确地估计视觉冗余，常作为图像、视频等媒体处理中的重要环节。jnd模型通过模拟人眼视觉系统的主要特性，得到人眼的最低视觉门限阈值(jnd值)，当图像、视频的变换低于该阈值时，人眼无法察觉出该变化。jnd模型中，关键问题是区分图像、视频的纹理和边缘。
4.然而，现有的jnd模型中，为保证计算所得jnd值的准确性，在对纹理掩蔽效应的估计时，需要进行多个滤波操作或使用边缘检测算法，导致计算消耗较大，计算效率较低。
5.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

6.本发明实施例提供了一种图像处理方法、装置、存储介质、电子设备，以至少解决现有技术中由于纹理掩蔽效应的估计中计算消耗较大，导致jnd值准确性和jnd模型计算效率无法兼顾的技术问题。
7.根据本发明实施例的一个方面，提供了一种图像处理方法，包括：获取待处理图像，其中，待处理图像包括：多个原始图像块；对多个原始图像块进行图像变换处理，得到多个变换图像块；对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；基于分析结果，确定待处理图像的图像感知结果。
8.根据本发明实施例的另一方面，还提供了一种图像处理方法，包括：接收来自于客户端的待处理图像，其中，待处理图像包括：多个原始图像块；对多个原始图像块进行图像变换处理以得到多个变换图像块，对多个变换图像块中每个变换图像块进行多维度分析以得到分析结果，以及基于分析结果确定待处理图像的图像感知结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；将图像感知结果反馈至客户端。
9.根据本发明实施例的另一方面，还提供了一种图像处理装置，包括：获取模块，用于获取待处理图像，其中，待处理图像包括：多个原始图像块；变换模块，用于对多个原始图像块进行图像变换处理，得到多个变换图像块；分析模块，用于对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；处理模块，用于基于分析结果，确定待处理图像的图像感知结果。
10.根据本发明实施例的另一方面，还提供了一种存储介质，上述存储介质包括存储
的程序，其中，在上述程序运行时控制上述存储介质所在设备执行任意一项上述的图像处理方法。
11.根据本发明实施例的另一方面，还提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行任意一项上述的图像处理方法。
12.根据本发明实施例的另一方面，还提供了一种电子装置，包括：处理器；以及存储器，与上述处理器连接，用于为上述处理器提供处理以下处理步骤的指令：获取待处理图像，其中，待处理图像包括：多个原始图像块；对多个原始图像块进行图像变换处理，得到多个变换图像块；对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；基于分析结果，确定待处理图像的图像感知结果。
13.在本发明实施例中，获取待处理图像，其中，待处理图像包括：多个原始图像块；采用对多个原始图像块进行图像变换处理的方法，得到多个变换图像块；通过对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；进而基于分析结果，确定待处理图像的图像感知结果。
14.容易注意到的是，通过本技术实施例，对对比掩蔽效应的估计中，通过采用分类模型，更好地区分出图像的平滑、边缘、纹理区域，并提升了计算效率；此外，引入颜色掩蔽效应，使jnd模型估激过程更快速、更准确。这种方法不仅适用于自然图像，也适用于文本较多的屏幕图像。
15.由此，本技术实施例达到了通过加入分类模型和颜色掩蔽效应提高jnd模型的计算效率和jnd值的准确性的目的，从而实现了快速、准确地估算jnd模型的技术效果，进而解决了现有技术中由于纹理掩蔽效应的估计中计算消耗较大，导致jnd值准确性和jnd模型计算效率无法兼顾的技术问题。
附图说明
16.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
17.图1示出了一种用于实现图像处理方法的计算机终端(或移动设备)的硬件结构框图；
18.图2是根据本发明实施例的一种图像处理方法的流程图；
19.图3是根据本发明实施例的一种可选的图像处理过程的示意图；
20.图4是根据本发明实施例的一种可选的图像块分类模型的示意图；
21.图5是根据本发明实施例的另一种可选的图像块分类模型的示意图；
22.图6是根据本发明实施例的另一种图像处理方法的流程图；
23.图7是根据本发明实施例的一种可选的在云端服务器进行图像处理的示意图；
24.图8是根据本发明实施例的一种图像处理装置的结构示意图；
25.图9是根据本发明实施例的另一种计算机终端的结构框图。
具体实施方式
26.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的
附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
27.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
28.首先，在对本技术实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
29.离散余弦变换(discrete cosine transform，简称dct)：主要用在数据或图像的压缩过程中，能够将空域信号转换为频域信号，具有良好的去相关能力。
30.恰可觉察误差(just noticeable distortion，简称jnd)：用于表示人眼不能察觉的最大图像失真，是人眼对图像改变的容忍度的一种度量。
31.实施例1
32.根据本发明实施例，还提供了一种图像处理方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
33.本技术实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现图像处理方法的计算机终端(或移动设备)的硬件结构框图。如图1所示，计算机终端10(或移动设备10)可以包括一个或多个(图中采用102a、102b，
……
，102n来示出)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。除此以外，还可以包括：显示器、输入/输出接口(i/o接口)、通用串行总线(usb)端口(可以作为bus总线的端口中的一个端口被包括)、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
34.应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10(或移动设备)中的其他元件中的任意一个内。如本技术实施例中所涉及到的，该数据处理电路作为一种处理器控制(例如与接口连接的可变电阻终端路径的选择)。
35.存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的图像处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件
程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的漏洞检测方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
36.传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(network interface controller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(radio frequency，rf)模块，其用于通过无线方式与互联网进行通讯。
37.显示器可以例如触摸屏式的液晶显示器(lcd)，该液晶显示器可使得用户能够与计算机终端10(或移动设备)的用户界面进行交互。
38.此处需要说明的是，在一些可选实施例中，上述图1所示的计算机设备(或移动设备)可以包括硬件元件(包括电路)、软件元件(包括存储在计算机可读介质上的计算机代码)、或硬件元件和软件元件两者的结合。应当指出的是，图1仅为特定具体实例的一个实例，并且旨在示出可存在于上述计算机设备(或移动设备)中的部件的类型。
39.在上述运行环境下，本技术提供了如图2所示的一种图像处理方法。图2是根据本发明实施例的一种图像处理方法的流程图，如图2所示，该图像处理方法包括：
40.步骤s202，获取待处理图像，其中，待处理图像包括：多个原始图像块；
41.步骤s204，对多个原始图像块进行图像变换处理，得到多个变换图像块；
42.步骤s206，对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；
43.步骤s208，基于分析结果，确定待处理图像的图像感知结果。
44.容易注意到的是，通过本技术实施例，对对比掩蔽效应的估计中，通过采用分类模型，更好地区分出图像的平滑、边缘、纹理区域，并提升了计算效率；此外，引入颜色掩蔽效应，使jnd模型估激过程更快速、更准确。这种方法不仅适用于自然图像，也适用于文本较多的屏幕图像。
45.由此，本技术实施例达到了通过加入分类模型和颜色掩蔽效应提高jnd模型的计算效率和jnd值的准确性的目的，从而实现了快速、准确地估算jnd模型的技术效果，进而解决了现有技术中由于纹理掩蔽效应的估计中计算消耗较大，导致jnd值准确性和jnd模型计算效率无法兼顾的技术问题。
46.可选地，本技术所提供的上述图像处理方法可以但不限于应用于：数字水印，例如数字图像的原创保护、版权保护；信息传递，例如购物车截图分享、商品图分享推广、视频截图购；图像、视频主观质量评价；图像、视频压缩等场景。
47.图3是根据本发明实施例的一种可选的图像处理过程的示意图；如图3所示，获取n个待处理的图像块，记为{p
t
|t＝1，2，3，
…
，n}；对待处理的图像块{p
t
|t＝1，2，3，
…
，n}进行图像变换处理，可以得到n个变换图像块，记为{p
t
′
|t＝1，2，3，
…
，n}；对变换图像块{p
t
′
|t＝1，2，3，
…
，n}中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少可以包括：恰可觉察误差分析、亮度自适应分析；基于上述分析结果，确定待处理图像{p
t
|t
＝1，2，3，
…
，n}的图像感知结果，记为jnd
ij
。
48.在一种可选的实施例中，在步骤s206中，对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，包括如下方法步骤：
49.步骤s261，对多个变换图像块中每个变换图像块进行多维度分析，确定第一参数值和第二参数值，其中，第一参数值为恰可觉察误差参数的基础值，第二参数值为亮度自适应参数值；
50.步骤s262，利用第一参数值和第二参数值获取分析结果，其中，分析结果为恰可觉察误差参数的目标值。
51.上述第一参数值是jnd参数的基础值，上述第二参数值是亮度自适应参数值。通过对上述多个变换图像块中每个变换图像块进行上述多维度分析，可以得到该第一参数值和第二参数值。其中，该多维度分析至少包括：jnd分析、亮度自适应分析。
52.仍然如图3所示，以对原始图像块{pt|t＝1，2，3，
…
，n}进行处理为例，变换图像块{p
t
′
|t＝1，2，3，
…
，n}中每个变换图像块进行jnd分析和亮度自适应分析，其中，经过jnd分析可以得到该每个变化图像块对应的jnd初始值，记为jbase
ij
；经过亮度自适应分析可以得到该每个变化图像块对应的亮度自适应因子，记为la。通过对上述变换图像块{p
t
′
|t＝1，2，3，
…
，n}中每个变换图像块对应的jnd初始值jbase
ij
和亮度自适应因子la进行分析，可以得到分析结果，即该每个变换图像块对应的jnd目标值jnd
ij
。
53.在一种可选的实施例中，在步骤s206中，多维度分析还包括：对比掩蔽效应分析、颜色掩蔽效应，对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，包括如下方法步骤：
54.步骤s263，对多个变换图像块中每个变换图像块进行多维度分析，确定第一参数值、第二参数值、第三参数值，以及第四参数值，其中，第一参数值为恰可觉察误差参数的基础值，第二参数值为亮度自适应参数值，第三参数值为对比掩蔽效应参数值，第四参数值为颜色掩蔽效应参数值；
55.步骤s264，利用第一参数值、第二参数值、第三参数值和第四参数值，获取分析结果，其中，分析结果为恰可觉察误差参数的目标值。
56.上述第一参数值，即恰可察觉误差参数可以是jnd值的初始值；上述第二参数值，即亮度自适应参数值可以是表示人眼对图像块目标亮度的感知的参数；上述第三参数值，即对比掩蔽效应参数值可以是表示人眼对图像中某一种视觉成分的敏感度受另一种视觉成分影响的参数；上述第四参数值，即颜色掩蔽效应参数值可以是表示人眼对图像中不同颜色区域发生相同强度变化的敏感程度的参数。
57.对上述多个变换图像块中的每个变换图像块进行多维度分析，可以确定上述第一参数值、第二参数值、第三参数值和第四参数值，其中，变换图像块是经离散余弦变换后的待处理图像块。
58.基于上述第一参数值、第二参数值、第三参数值和第四参数值，可以获得jnd分析结果，该jnd分析结果可以是恰可察觉误差参数的目标值，即jnd值的目标值。
59.仍然如图3所示，以对原始图像块{pt|t＝1，2，3，
…
，n}进行处理为例，对变换图像块{pt
′
|t＝1，2，3，
…
，n}中每个变换图像块进行多维度分析，得到分析结果包括：进行恰可觉察误差分析，得到jnd值的初始值，记为jbase
ij
；进行亮度自适应分析，得到亮度自适应参
数值，记为la；进行对比掩蔽效应分析，得到对比掩蔽效应参数值，记为fc
ij
；进行颜色掩蔽效应分析，得到颜色掩蔽效应参数值，记为cm。
60.根据所得jnd值的初始值jbase
ij
、亮度自适应参数值la、对比掩蔽效应参数值fc
ij
和颜色掩蔽效应参数值cm，可以获取分析结果，即恰可觉察误差参数的目标值jnd
ij
。
61.在一种可选的实施例中，在步骤s204中，对多个原始图像块进行图像变换处理，得到多个变换图像块，包括如下方法步骤：
62.步骤s241，对多个原始图像块进行离散余弦变换处理，得到多个变换图像块。
63.上述多个原始图像块可以是多个待处理的图像，对该多个原始图像块进行离散余弦变换，可以得到多个变换图像块，该变换图像块可以用于对对比掩蔽效应的估计。
64.仍然如图3所示，以对原始图像块{pt|t＝1，2，3，
…
，n}进行处理为例，对原始图像块处理得到变换图像块的操作如下：获取n个原始图像块{pt|t＝1，2，3，
…
，n}；使用离dct对n个原始图像块{pt|t＝1，2，3，
…
，n}中的每个原始图像块进行变换，得到n个变换图像块{pt
′
|t＝1，2，3，
…
，n}。
65.需要说明的是，这里的dct可以是整数dct，也可以是浮点数dct。
66.在一种可选的实施例中，在步骤s263中，对多个变换图像块中每个变换图像块进行多维度分析，确定第一参数值，包括如下方法步骤：
67.步骤s2631，采用对比敏感函数对多个变换图像块中每个变换图像块进行恰可觉察误差分析，得到第一参数值。
68.上述多个变换图像块是经离散余弦变换后的多个待处理图像块，上述恰可察觉误差分析即jnd分析，上述第一参数值，即恰可察觉误差参数可以是jnd值的初始值。使用对比敏感函数对上述多个变换图像块中每个变换图像块进行恰可察觉误差分析，可以得到上述第一参数值。
69.仍然如图3所示，以对原始图像块{p
t
|t＝1，2，3，
…
，n}进行处理为例，采用对比敏感函数(contrast sensitivity function，简称csf)对n个变换图像块{p
t
′
|t＝1，2，3，
…
，n}进行恰可察觉误差分析，可以得到jnd值的初始值jbase
ij
，其中，csf的计算过程如以下公式(1)所示：
[0070][0071]
在公式(1)中，i、j的取值范围均为0～n-1，其中，n为dct变换块的大小；α、β、γ、δ均为自定义常数，其值可以但不限于选取α＝0.4、β＝1.22、γ＝0.13、δ＝0.17；为dct归一化因子；ω
ij
表示dct第(i，j)个子带对应的空间频率；表示dct相应子带的方向角。
[0072]
在一种可选的实施例中，在步骤s263中，对多个变换图像块中每个变换图像块进行多维度分析，确定第二参数值，包括如下方法步骤：
[0073]
步骤s2632，获取多个变换图像块中每个变换图像块的尺寸信息和离散余弦变换直流系数；
[0074]
步骤s2633，采用尺寸信息和离散余弦变换直流系数对多个变换图像块中每个变换图像块进行亮度自适应分析，得到第二参数值。
[0075]
上述尺寸信息可以是图像块的长宽信息，即长度方向和宽度方向上包含的子块
数；上述离散余弦变换直流系数可以是上述变换图像块的离散余弦系数；上述第二参数值，即亮度自适应参数值可以是表示人眼对图像块目标亮度的感知的参数。获取上述多个变换图像块中每个变换图像块的尺寸信息和离散余弦变换直流系数，并根据该尺寸信息和该离散余弦变换直流系数，对上述多个变换图像块中每个变换图像块进行亮度自适应分析，可以得到上述第二参数值。
[0076]
仍然如图3所示，以对原始图像块{p
t
|t＝1，2，3，
…
，n}进行处理为例，n个变换图像块{p
t
′
|t＝1，2，3，
…
，n}中每个变换图像块由8*8的子图像块组成，故得到该每个变换图像块的尺寸信息n＝64；同时获取该变换图像块的离散余弦系数，记为dc。根据尺寸信息n和离散余弦系数dc，可以对n个变换图像块{p
t
′
|t＝1，2，3，
…
，n}中每个变换图像块进行亮度自适应分析，得到亮度自适应参数值la，其中，亮度自适应分析的计算过程如以下公式(2)所示：
[0077][0078]
在公式(2)中，σ1、σ2、k1、k2均为自定义常数，其值可以但不限于选取σ1＝50、σ2＝180、k1＝135、k2＝400。
[0079]
需要说明的是，此处亮度自适应用于描述人眼对外界目标亮度的感知更加依赖于目标跟背景之间的亮度差，人眼对较暗或较亮区域的亮度变化感知较弱的现象。
[0080]
在一种可选的实施例中，在步骤s263中，对多个变换图像块中每个变换图像块进行多维度分析，确定第三参数值，包括如下方法步骤：
[0081]
步骤s2634，获取多个变换图像块中每个变换图像块的离散余弦变换交流系数；
[0082]
步骤s2635，利用离散余弦变换交流系数对多个变换图像块进行分类，得到图像块分类结果；
[0083]
步骤s2636，基于图像块分类结果进行对比掩蔽效应分析，得到第三参数值。
[0084]
上述离散余弦变换交流系数可以是上述变换图像块中离散变换区域内的交流系数；上述第三参数值，即对比掩蔽效应参数值可以是表示人眼对图像中某一种视觉成分的敏感度受另一种视觉成分影响的参数。获取上述多个变换图像块中每个变换图像块的该离散余弦变换交流系数；根据该离散余弦变换交流系数，可以对上述多个变换图像块进行分类，得到图像块分类结果；对该图像块分类结果进行对比掩蔽效应分析，可以得到上述第三参数值。
[0085]
上述对比掩蔽效应分析中，对比掩蔽效应是指人眼对某一种视觉成分的敏感度会由于另一种视觉成分的存在受到影响，该影响可以用参数对比掩蔽效应参数表示，即上述第三参数值。
[0086]
在一种可选的实施例中，在步骤s2634中，利用离散余弦变换交流系数对多个变换图像块进行分类，得到图像块分类结果，包括如下方法步骤：
[0087]
步骤s26341，利用离散余弦变换交流系数对多个变换图像块进行第一粒度分类，得到中间分类结果；
[0088]
步骤s26342，基于待处理图像在垂直方向上所包含的图像块数量与待处理图像在水平方向上所包含的图像块数量，对中间分类结果进行第二粒度分类，得到图像块分类结果。
[0089]
上述利用离散余弦变换交流系数对多个变换图像块进行分类可以分为两个阶段：首先，利用上述离散余弦变换交流系数对上述多个变换图像块进行第一粒度分类，可以得到中间分类结果；然后，根据上述待处理图像在垂直方向上所包含的图像块数量与上述待处理图像在水平方向上所包含的图像块数量，可以对该中间分类结果进行第二粒度分类，最终得到图像块分类结果。其中，第一粒度可以大于第二粒度，即第一粒度分类是较粗的分类，第二礼物分类是较细的分类，也就是说，上述中间分类结果中的类别少于上述图像块分类结果中的类别。
[0090]
仍然如图3所示，以对原始图像块{p
t
|t＝1，2，3，
…
，n}进行处理为例，获取n个变换图像块{p
t
′
|t＝1，2，3，
…
，n}中每个变换图像块离散变换区域内的交流系数，记为ac；根据系数ac对n个变换图像块{p
t
′
|t＝1，2，3，
…
，n}进行粗分类，即分为非平滑块、平滑块两类。用b
r，c
表示粗分类结果：若b
r，c
＝0，表示该图像块为平滑块，若b
r，c
＝1，表示该图像块为非平滑块，其中，r、c取值范围分别为原始图像垂直、水平方向上图像块个数，此处r、c的取值范围均为1～8。
[0091]
粗分类使用的分类模型可以为常见的分类模型，例如，逻辑回归、支持向量机(support vector machine，简称svm)、神经网络分类器等。
[0092]
图4是根据本发明实施例的一种可选的图像块分类模型的示意图；如图4所示，采用svm对8
×
8大小的某变换图像块进行粗分类，输入向量由ac系数构成，记为x＝(ac
00
，ac
01
，ac
02
，
…
，ac
n-1n-1
)；直线l1的方程为ω
t
x b＝1；直线l2的方程为ω
t
x b＝0；直线l3的方程为ω
t
x b＝-1。其中，ω是超平面的参数矩阵(超平面是平面中直线、空间中平面的推广)；ω
t
是ω的转置矩阵；b是自定义常数。
[0093]
可选地，上述粗分类中，训练分类模型使用的数据可以是人工标注的数据，也可以是自动生成的数据集。例如，采用边缘检测算子对原始图像进行边缘提取，其中，边缘检测算子可以是常见的坎尼(canny)算子、拉普拉斯(laplace)算子等。
[0094]
可选地，上述粗分类的分类依据是：根据每个图像块中边缘像素的比重，将该图像块分为平滑块和非平滑块两类。
[0095]
可选地，上述粗分类中，根据采用的分类模型选择损失函数，例如，使用svm分类模型时，可以选用铰链损失函数、逻辑(logistic)回归损失函数、指数损失函数等。
[0096]
图5是根据本发明实施例的另一种可选的图像块分类模型的示意图；如图5所示，在粗分类结束后，采用细分类方法将非平滑块分为边缘块和纹理块。根据如下公式(3)对粗分类结果b
r，c
进行调整：
[0097][0098]
在公式(3)中，s1、s2为自定义常数，此处选取s1＝1、s2＝6。
[0099]
细分类调整后的结果中，若b
r，c
＝2，则该图像块为边缘块，若b
r，c
＝1，则该图像块为纹理块。在本实施例中，由粗分类结果到细分类结果如图5所示。
[0100]
仍然如图3所示，以对原始图像块{p
t
|t＝1，2，3，
…
，n}进行处理为例，将n个变换
图像块{p
t
′
|t＝1，2，3，
…
，n}分为纹理块、边缘块、平滑块三类后，根据分类结果对n个变换图像块{p
t
′
|t＝1，2，3，
…
，n}进行对比掩蔽效应分析，得到对比掩蔽效应参数值fc
ij
，其中，对比掩蔽效应分析的计算过程如下：当(i j)≤6并且b
r，c
≠1时，对比掩蔽效应参数值fc
ij
由以下公式(4)计算得到；否则，对比掩蔽效应参数值fc
ij
由以下公式(5)计算得到：
[0101]
fc
ij
＝μ
ꢀꢀꢀꢀꢀ
公式(4)
[0102][0103]
在公式(4)和公式(5)中，ρ、v为自定义常数，其值可以但不限于选取：ρ＝3.5、v＝0，28；μ为自定义参数；min为最小值函数，max为最大值函数。
[0104]
上述μ的计算方法如下：当b
r，c
＝0或者b
r，c
＝2时，μ＝ξ1；当(i j)≤6并且b
r，c
＝1时，μ＝ξ2；否则，μ＝ξ3。其中，ξ1、ξ2、ξ3为自定义常数，其值可以但不限于选取：ξ1＝0.9、ξ2＝1.75、ξ3＝1。
[0105]
需要说明的是，此处对比掩蔽效应用于描述人眼对某一种视觉成分的敏感度会由于另一种视觉成分的存在受到影响的现象。
[0106]
在一种可选的实施例中，在步骤s263中，对多个变换图像块中每个变换图像块进行多维度分析，确定第四参数值，包括如下方法步骤：
[0107]
步骤s2637，确定多个变换图像块中每个变换图像块所包含的多个通道；
[0108]
步骤s2638，利用多个通道获取每个变换图像块的平均亮度和颜色深浅度量，其中，平均亮度由多个通道中的第一通道确定，颜色深浅度量由多个通道中除第一通道之外的多个第二通道确定；
[0109]
步骤s2639，基于平均亮度和颜色深浅度量进行颜色掩蔽效应分析，得到第四参数值。
[0110]
上述第四参数值，即颜色掩蔽效应参数值可以是表示人眼对图像中不同颜色区域发生相同强度变化的敏感程度的参数；上述多个通道可以包括上述第一通道和多个第二通道，该第一通道用于确定该变换图像块的平均亮度，该多个第二通道用于确定该变换图片块的颜色深浅度量。
[0111]
确定上述多个变换图像块中每个变换图像块包含的上述多个通道；根据该多个通道，可以获得上述每个变化图像块的平均亮度和颜色深浅度量；基于该每个变换图像块的平均亮度和颜色深浅度量，可以进行颜色掩蔽效应分析，最终得到上述第四参数值。
[0112]
仍然如图3所示，以对原始图像块{pt|t＝1，2，3，
…
，n}进行处理为例，n个变换图像块{pt
′
|t＝1，2，3，
…
，n}中每个变换图像块包含y通道、uv通道，其中，每个变换图像块的y通道决定该变换图像块的平均亮度，记为avry；每个变换图像块的uv通道决定该变换图像块的颜色深浅度量，记为θ。特别地，颜色深浅度量θ的计算方法不唯一，在uv通道下，颜色深浅度量θ可以由以下公式(6)计算得到：
[0113][0114]
在公式(6)中，avru是u通道下该变换图像块的平均亮度，avrv是v通道下该变换图像块的平均亮度。
[0115]
根据该n个变换图像块{pt
′
|t＝1，2，3，
…
，n}中每个变换图像块的平均亮度avry
和颜色深浅度量θ进行颜色掩蔽效应分析，可以得到颜色掩蔽效应参数值cm，其中，对比掩蔽效应分析的计算过程如下：当avry＞l1时，对比颜色掩蔽效应参数值取cm＝1；当l1≥avry＞l2时，对比颜色掩蔽效应参数值cm由以下公式(7)计算得到；否则，对比颜色掩蔽效应参数值cm由以下公式(8)计算得到：
[0116][0117][0118]
在公式(6)和公式(7)中，l1、l2、p1、p2、r1、r2均为自定义常数，其值可以但不限于选取：l1＝150、l2＝60、p1＝1.833、p2＝2.667、r1＝180、r2＝120，其中，l1＞l2。
[0119]
需要说明的是，此处对比掩蔽效应用于描述人眼对图像不同颜色区域的发生的相同强度变化敏感程度不同的现象。
[0120]
仍然如图3所示，以对原始图像块{pt|t＝1，2，3，
…
，n}进行处理为例，对于n个变换图像块{pt
′
|t＝1，2，3，
…
，n}中每个变换图像块，将前述过程计算所得的亮度自适应参数值la、对比掩蔽效应参数值fc
ij
和颜色掩蔽效应参数值cm与jnd值的初始值jbase
ij
进行结合计算，可以获取分析结果，即恰可觉察误差参数的目标值jnd
ij
。
[0121]
可选地，上述结合计算可以使用线性函数，例如，乘性模型等；上述结合计算也可以使用非线性函数，例如，指数函数、最大值函数、最小值函数等。此处以使用乘性模型为例，恰可觉察误差参数的目标值jnd
ij
可以由如下公式(9)计算得到：
[0122]
jnd
ij
＝jbase
ij
×
la
×
fc
ij
×
cm
ꢀꢀꢀꢀꢀ
公式(9)
[0123]
由此，本技术实施例在对原始图像块{pt|t＝1，2，3，
…
，n}进行处理的过程中，通过加入分类模型和颜色掩蔽效应分析，优化了jnd模型，以更高的计算效率，计算得到了更加准确的jnd值，从而实现了快速、准确地估算jnd模型的技术效果，进而解决了现有技术中由于纹理掩蔽效应的估计中计算消耗较大，导致jnd值准确性和jnd模型计算效率无法兼顾的技术问题。
[0124]
本发明其中一实施例还提供了一种图像处理方法，该图像处理方法在云端服务器上运行，图6是根据本发明实施例的另一种图像处理方法的流程图，如图6所示，该图像处理方法，包括：
[0125]
步骤s602，接收来自于客户端的待处理图像，其中，待处理图像包括：多个原始图像块；
[0126]
步骤s604，对多个原始图像块进行图像变换处理以得到多个变换图像块，对多个变换图像块中每个变换图像块进行多维度分析以得到分析结果，以及基于分析结果确定待处理图像的图像感知结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；
[0127]
步骤s606，将图像感知结果反馈至客户端。
[0128]
可选地，图7是根据本发明实施例的一种可选的在云端服务器进行图像处理的示意图，如图7所示，客户端将待处理图像上传至云端服务器，其中，待处理图像包括：多个原始图像块；云端服务器对多个原始图像块进行图像变换处理以得到多个变换图像块，对多个变换图像块中每个变换图像块进行多维度分析以得到分析结果，以及基于分析结果确定待处理图像的图像感知结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应
分析。然后，云端服务器会向上述客户端反馈图像感知结果，最终的图像感知结果会通过客户端的图形用户界面提供给用户。
[0129]
需要说明的是，本技术实施例所提供的上述图像处理方法，可以但不限于适用于数字水印、信息传递、图像及视频主观质量评价、图像及视频压缩等实际应用场景，通过saas服务端和客户端进行交互的方式，采用图像变换处理、多维度分析的方式对上述待处理图像进行处理，并将返回的处理结果通过客户端提供给用户。
[0130]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
[0131]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0132]
实施例2
[0133]
根据本发明实施例，还提供了一种用于实施上述图像处理方法的装置实施例，图8是根据本发明实施例的一种图像处理装置的结构示意图，如图8所示，该装置包括：获取模块801、变换模块802、分析模块803、处理模块804，其中，
[0134]
获取模块801，用于获取待处理图像，其中，待处理图像包括：多个原始图像块；变换模块802，用于对多个原始图像块进行图像变换处理，得到多个变换图像块；分析模块803，用于对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；处理模块804，用于基于分析结果，确定待处理图像的图像感知结果。
[0135]
可选地，分析模块803，还用于：对多个变换图像块中每个变换图像块进行多维度分析，确定第一参数值和第二参数值，其中，第一参数值为恰可觉察误差参数的基础值，第二参数值为亮度自适应参数值；利用第一参数值和第二参数值获取分析结果，其中，分析结果为恰可觉察误差参数的目标值。
[0136]
可选地，多维度分析还包括：对比掩蔽效应分析、颜色掩蔽效应，分析模块803，还用于：对多个变换图像块中每个变换图像块进行多维度分析，确定第一参数值、第二参数值、第三参数值，以及第四参数值，其中，第一参数值为恰可觉察误差参数的基础值，第二参数值为亮度自适应参数值，第三参数值为对比掩蔽效应参数值，第四参数值为颜色掩蔽效应参数值；利用第一参数值、第二参数值、第三参数值和第四参数值，获取分析结果，其中，分析结果为恰可觉察误差参数的目标值。
[0137]
可选地，变换模块802，还用于：对多个原始图像块进行离散余弦变换处理，得到多个变换图像块。
[0138]
可选地，分析模块803，还用于：采用对比敏感函数对多个变换图像块中每个变换
图像块进行恰可觉察误差分析，得到第一参数值。
[0139]
可选地，分析模块803，还用于：获取多个变换图像块中每个变换图像块的尺寸信息和离散余弦变换直流系数；采用尺寸信息和离散余弦变换直流系数对多个变换图像块中每个变换图像块进行亮度自适应分析，得到第二参数值。
[0140]
可选地，分析模块803，还用于：获取多个变换图像块中每个变换图像块的离散余弦变换交流系数；利用离散余弦变换交流系数对多个变换图像块进行分类，得到图像块分类结果；基于图像块分类结果进行对比掩蔽效应分析，得到第三参数值。
[0141]
可选地，分析模块803，还用于：利用离散余弦变换交流系数对多个变换图像块进行第一粒度分类，得到中间分类结果；基于待处理图像在垂直方向上所包含的图像块数量与待处理图像在水平方向上所包含的图像块数量，对中间分类结果进行第二粒度分类，得到图像块分类结果。
[0142]
可选地，分析模块803，还用于：确定多个变换图像块中每个变换图像块所包含的多个通道；利用多个通道获取每个变换图像块的平均亮度和颜色深浅度量，其中，平均亮度由多个通道中的第一通道确定，颜色深浅度量由多个通道中除第一通道之外的多个第二通道确定；基于平均亮度和颜色深浅度量进行颜色掩蔽效应分析，得到第四参数值。
[0143]
此处需要说明的是，上述获取模块801、变换模块802、分析模块803、处理模块804对应于实施例1中的步骤s202至步骤s208，四个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
[0144]
在本发明实施例中，获取待处理图像，其中，待处理图像包括：多个原始图像块；采用对多个原始图像块进行图像变换处理的方法，得到多个变换图像块；通过对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；进而基于分析结果，确定待处理图像的图像感知结果。容易注意到的是，通过本技术实施例，对对比掩蔽效应的估计中，通过采用分类模型，更好地区分出图像的平滑、边缘、纹理区域，并提升了计算效率；此外，引入颜色掩蔽效应，使jnd模型估激过程更快速、更准确。这种方法不仅适用于自然图像，也适用于文本较多的屏幕图像。
[0145]
由此，本技术实施例达到了通过加入分类模型和颜色掩蔽效应提高jnd模型的计算效率和jnd值的准确性的目的，从而实现了快速、准确地估算jnd模型的技术效果，进而解决了现有技术中由于纹理掩蔽效应的估计中计算消耗较大，导致jnd值准确性和jnd模型计算效率无法兼顾的技术问题。
[0146]
需要说明的是，本实施例的优选实施方式可以参见实施例1中的相关描述，此处不再赘述。
[0147]
实施例3
[0148]
根据本发明实施例，还提供了一种电子装置的实施例，该电子装置可以是计算装置群中的任意一个计算装置。该电子装置包括：处理器和存储器，其中：
[0149]
存储器，与上述处理器连接，用于为上述处理器提供处理以下处理步骤的指令：获取待处理图像，其中，待处理图像包括：多个原始图像块；对多个原始图像块进行图像变换处理，得到多个变换图像块；对多个变换图像块中每个变换图像块进行多维度分析，得到分
析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；基于分析结果，确定待处理图像的图像感知结果。
[0150]
在本发明实施例中，获取待处理图像，其中，待处理图像包括：多个原始图像块；采用对多个原始图像块进行图像变换处理的方法，得到多个变换图像块；通过对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；进而基于分析结果，确定待处理图像的图像感知结果。容易注意到的是，通过本技术实施例，对对比掩蔽效应的估计中，通过采用分类模型，更好地区分出图像的平滑、边缘、纹理区域，并提升了计算效率；此外，引入颜色掩蔽效应，使jnd模型估激过程更快速、更准确。这种方法不仅适用于自然图像，也适用于文本较多的屏幕图像。
[0151]
由此，本技术实施例达到了通过加入分类模型和颜色掩蔽效应提高jnd模型的计算效率和jnd值的准确性的目的，从而实现了快速、准确地估算jnd模型的技术效果，进而解决了现有技术中由于纹理掩蔽效应的估计中计算消耗较大，导致jnd值准确性和jnd模型计算效率无法兼顾的技术问题。
[0152]
需要说明的是，本实施例的优选实施方式可以参见实施例1中的相关描述，此处不再赘述。
[0153]
实施例4
[0154]
本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
[0155]
可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
[0156]
在本实施例中，上述计算机终端可以执行应用程序的漏洞检测方法中以下步骤的程序代码：获取待处理图像，其中，待处理图像包括：多个原始图像块；对多个原始图像块进行图像变换处理，得到多个变换图像块；对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；基于分析结果，确定待处理图像的图像感知结果。
[0157]
可选地，图9是根据本发明实施例的另一种计算机终端的结构框图，如图9所示，该计算机终端可以包括：一个或多个(图中仅示出一个)处理器122、存储器124、以及外设接口126。
[0158]
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的安全漏洞检测方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的系统漏洞攻击的检测方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端a。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0159]
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：获取待处理图像，其中，待处理图像包括：多个原始图像块；对多个原始图像块进行图像变
换处理，得到多个变换图像块；对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；基于分析结果，确定待处理图像的图像感知结果。
[0160]
可选地，上述处理器还可以执行如下步骤的程序代码：对多个变换图像块中每个变换图像块进行多维度分析，确定第一参数值和第二参数值，其中，第一参数值为恰可觉察误差参数的基础值，第二参数值为亮度自适应参数值；利用第一参数值和第二参数值获取分析结果，其中，分析结果为恰可觉察误差参数的目标值。
[0161]
可选地，上述处理器还可以执行如下步骤的程序代码：对多个变换图像块中每个变换图像块进行多维度分析，确定第一参数值、第二参数值、第三参数值，以及第四参数值，其中，第一参数值为恰可觉察误差参数的基础值，第二参数值为亮度自适应参数值，第三参数值为对比掩蔽效应参数值，第四参数值为颜色掩蔽效应参数值；利用第一参数值、第二参数值、第三参数值和第四参数值，获取分析结果，其中，分析结果为恰可觉察误差参数的目标值。
[0162]
可选地，上述处理器还可以执行如下步骤的程序代码：对多个原始图像块进行离散余弦变换处理，得到多个变换图像块。
[0163]
可选地，上述处理器还可以执行如下步骤的程序代码：采用对比敏感函数对多个变换图像块中每个变换图像块进行恰可觉察误差分析，得到第一参数值。
[0164]
可选地，上述处理器还可以执行如下步骤的程序代码：获取多个变换图像块中每个变换图像块的尺寸信息和离散余弦变换直流系数；采用尺寸信息和离散余弦变换直流系数对多个变换图像块中每个变换图像块进行亮度自适应分析，得到第二参数值。
[0165]
可选地，上述处理器还可以执行如下步骤的程序代码：获取多个变换图像块中每个变换图像块的离散余弦变换交流系数；利用离散余弦变换交流系数对多个变换图像块进行分类，得到图像块分类结果；基于图像块分类结果进行对比掩蔽效应分析，得到第三参数值。
[0166]
可选地，上述处理器还可以执行如下步骤的程序代码：利用离散余弦变换交流系数对多个变换图像块进行第一粒度分类，得到中间分类结果；基于待处理图像在垂直方向上所包含的图像块数量与待处理图像在水平方向上所包含的图像块数量，对中间分类结果进行第二粒度分类，得到图像块分类结果。
[0167]
可选地，上述处理器还可以执行如下步骤的程序代码：确定多个变换图像块中每个变换图像块所包含的多个通道；利用多个通道获取每个变换图像块的平均亮度和颜色深浅度量，其中，平均亮度由多个通道中的第一通道确定，颜色深浅度量由多个通道中除第一通道之外的多个第二通道确定；基于平均亮度和颜色深浅度量进行颜色掩蔽效应分析，得到第四参数值。
[0168]
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：接收来自于客户端的待处理图像，其中，待处理图像包括：多个原始图像块；对多个原始图像块进行图像变换处理以得到多个变换图像块，对多个变换图像块中每个变换图像块进行多维度分析以得到分析结果，以及基于分析结果确定待处理图像的图像感知结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；将图像感知结果反馈至客户端。
[0169]
在本发明实施例中，获取待处理图像，其中，待处理图像包括：多个原始图像块；采
用对多个原始图像块进行图像变换处理的方法，得到多个变换图像块；通过对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；进而基于分析结果，确定待处理图像的图像感知结果。
[0170]
容易注意到的是，通过本技术实施例，对对比掩蔽效应的估计中，通过采用分类模型，更好地区分出图像的平滑、边缘、纹理区域，并提升了计算效率；此外，引入颜色掩蔽效应，使jnd模型估激过程更快速、更准确。这种方法不仅适用于自然图像，也适用于文本较多的屏幕图像。
[0171]
由此，本技术实施例达到了通过加入分类模型和颜色掩蔽效应提高jnd模型的计算效率和jnd值的准确性的目的，从而实现了快速、准确地估算jnd模型的技术效果，进而解决了现有技术中由于纹理掩蔽效应的估计中计算消耗较大，导致jnd值准确性和jnd模型计算效率无法兼顾的技术问题。
[0172]
本领域普通技术人员可以理解，图9所示的结构仅为示意，计算机终端也可以是智能手机(如android手机、ios手机等)、平板电脑、掌声电脑以及移动互联网设备(mobile internet devices，mid)、pad等终端设备。图9其并不对上述电子装置的结构造成限定。例如，计算机终端还可包括比图9中所示更多或者更少的组件(如网络接口、显示装置等)，或者具有与图9所示不同的配置。
[0173]
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(read-only memory，rom)、随机存取器(random access memory，ram)、磁盘或光盘等。
[0174]
根据本发明实施例，还提供了一种存储介质的实施例。可选地，在本实施例中，上述存储介质可以用于保存上述实施例1所提供的图像处理方法所执行的程序代码。
[0175]
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
[0176]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取待处理图像，其中，待处理图像包括：多个原始图像块；对多个原始图像块进行图像变换处理，得到多个变换图像块；对多个变换图像块中每个变换图像块进行多维度分析，得到分析结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；基于分析结果，确定待处理图像的图像感知结果。
[0177]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：对多个变换图像块中每个变换图像块进行多维度分析，确定第一参数值和第二参数值，其中，第一参数值为恰可觉察误差参数的基础值，第二参数值为亮度自适应参数值；利用第一参数值和第二参数值获取分析结果，其中，分析结果为恰可觉察误差参数的目标值。
[0178]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：对多个变换图像块中每个变换图像块进行多维度分析，确定第一参数值、第二参数值、第三参数值，以及第四参数值，其中，第一参数值为恰可觉察误差参数的基础值，第二参数值为亮度自适应参数值，第三参数值为对比掩蔽效应参数值，第四参数值为颜色掩蔽效应参数值；利用第一参数值、第二参数值、第三参数值和第四参数值，获取分析结果，其中，分析结果为恰可觉察误差参数的目标值。
[0179]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：对多个原始图像块进行离散余弦变换处理，得到多个变换图像块。
[0180]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：采用对比敏感函数对多个变换图像块中每个变换图像块进行恰可觉察误差分析，得到第一参数值。
[0181]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取多个变换图像块中每个变换图像块的尺寸信息和离散余弦变换直流系数；采用尺寸信息和离散余弦变换直流系数对多个变换图像块中每个变换图像块进行亮度自适应分析，得到第二参数值。
[0182]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取多个变换图像块中每个变换图像块的离散余弦变换交流系数；利用离散余弦变换交流系数对多个变换图像块进行分类，得到图像块分类结果；基于图像块分类结果进行对比掩蔽效应分析，得到第三参数值。
[0183]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：利用离散余弦变换交流系数对多个变换图像块进行第一粒度分类，得到中间分类结果；基于待处理图像在垂直方向上所包含的图像块数量与待处理图像在水平方向上所包含的图像块数量，对中间分类结果进行第二粒度分类，得到图像块分类结果。
[0184]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：确定多个变换图像块中每个变换图像块所包含的多个通道；利用多个通道获取每个变换图像块的平均亮度和颜色深浅度量，其中，平均亮度由多个通道中的第一通道确定，颜色深浅度量由多个通道中除第一通道之外的多个第二通道确定；基于平均亮度和颜色深浅度量进行颜色掩蔽效应分析，得到第四参数值。
[0185]
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：接收来自于客户端的待处理图像，其中，待处理图像包括：多个原始图像块；对多个原始图像块进行图像变换处理以得到多个变换图像块，对多个变换图像块中每个变换图像块进行多维度分析以得到分析结果，以及基于分析结果确定待处理图像的图像感知结果，其中，多维度分析至少包括：恰可觉察误差分析、亮度自适应分析；将图像感知结果反馈至客户端。
[0186]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0187]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0188]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0189]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目
的。
[0190]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0191]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0192]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。