全 RGB 恰可察觉差（JND）建模

恰可察觉差（JND）在多媒体信号处理中有着广泛的应用，尤其是在视觉数据处理方面。它通常被定义为人类能够感知的最小视觉内容变化，对此已有数十年的研究。然而，现有方法大多仅关注 JND 建模中的亮度分量，并简单地将色度分量视为亮度分量的缩放版本。本文提出了一种通过考虑全 RGB 通道特性来生成 JND 的模型，称为 RGB-JND。为此，我们提出了 RGB-JND-NET，其中利用全 RGB 通道中的视觉内容来提取特征以生成 JND。为了监督 JND 的生成，我们开发了一种自适应图像质量评估组合（AIC）。此外，RGB-JND-NET 还通过自动挖掘视觉注意力与 JND 之间的潜在关系来考虑视觉注意力，并进一步利用该关系来约束 JND 的空间分布。据我们所知，这是首次对全色彩空间的 JND 建模进行细致研究的工作。实验结果表明，RGB-JND-NET 模型优于相关的最先进 JND 模型。此外，根据该模型的实验结果，红色和蓝色通道的 JND 大于绿色通道，这表明在红色和蓝色通道中可以容忍更多的变化，这与众所周知的人类视觉系统对绿色通道比红色和蓝色通道更敏感的事实相符。