【文件属性】：
文件名称：matlabjnd代码-PWJNDInfer:PWJND推断
文件大小：151.61MB
文件格式：ZIP
更新时间：2021-05-21 00:21:12
系统开源
Matlab
Jnd代码介绍
该网站共享“
TIP-2020”“仅可察觉的失真轮廓推断：补丁级别的结构可见性学习方法”的代码和数据集。
抽象的：
在本文中，我们提出了一种有效的方法，基于面片级结构可见性学习来推断正好可察觉的失真（JND）轮廓。
代替像素级JND轮廓估计，被认为是与人类感知更好相关的基本处理单元的图像块可以进一步分解为三个概念独立的组件，以进行可见性估计。
特别是，为了将结构退化合并到补丁程序级别的JND模型中，对基于深度学习的结构退化估计模型进行了训练，以近似掩盖结构可见性。
为了促进学习过程，进一步建立了一个JND数据集，其中包括202个原始图像和由基于即将到来的通用视频编码（VVC）标准的高级压缩算法生成的7878个失真图像。
大量的实验结果进一步表明了所提出的方法优于最新技术的优越性。
基于DNN的结构可见性学习模型的框架：
要求和安装
我们建议以下依赖项。
Python
3.6
PyTorch
1.4.0
用法
抱歉，我很抱歉，该代码已立即上传。
为了您的使用，请按照以下步骤操作：
将测试图像复制到“
./Test_images”
运行'Generate_te
【文件预览】：
PWJNDInfer-main
----dataset_download.txt(2KB)
----Patch_JND.m(1KB)
----tools()
--------get_LM.m(173B)
--------sort_nat.m(3KB)
--------get_patch_feature.m(296B)
--------Fea2Img.m(151B)
--------Patch_jnd_infer2.m(5KB)
--------get_randi.m(168B)
----Test_images()
--------Croped4.tif(5.56MB)
--------Croped11.tif(5.98MB)
--------Croped18.tif(5.95MB)
--------Croped10.tif(5.96MB)
--------Croped0.tif(5.94MB)
--------Croped5.tif(5.98MB)
--------Croped9.tif(5.95MB)
--------Croped14.tif(5.95MB)
--------Croped8.tif(5.98MB)
--------Croped16.tif(5.83MB)
--------Croped7.tif(5.94MB)
--------Croped1.tif(5.77MB)
--------Croped6.tif(5.98MB)
--------Croped17.tif(5.95MB)
--------Croped3.tif(5.98MB)
--------Croped2.tif(5.86MB)
--------Croped15.tif(5.98MB)
--------Croped12.tif(5.93MB)
--------Croped13.tif(5.79MB)
----README.md(3KB)
----Generate_testpatch.m(1KB)
----figures()
--------framework.jpg(432KB)
----structural_infer()
--------results()
--------data()
--------cbam.py(4KB)
--------dataloader.py(8KB)
--------models.py(14KB)
--------utils.py(7KB)
--------config.py(5KB)
--------__pycache__()
--------test.py(214B)
--------tester.py(6KB)
--------save_file_names_v1.py(4KB)
--------main.py(3KB)
--------metrics()
--------solver.py(18KB)
--------losses.py(32KB)
----.gitattributes(66B)