初步了解JND

学习文献：

1.statistical study on perceived JPEG image quality via MCL-JCI dataset construction and analysis

2.Experimental Design and Analysis of JND Test on Coded image_video

3.A GMM-BASED STAIR QUALITY MODEL FOR HUMAN PERCEIVED JPEG IMAGES

总结：

1.JND point的选取方法：二分查找法，第一篇论文中给出解释图如下。

每次二分遍历结束条件有两种情况：一是直到下一个JND p(n+1)是目标图片（也是当前JND p(n)）左边的临近QF（如图a所示）。二是没有全部遍历便找出了有明显差异的点（如图b所示）。

确定整个JND points的过程解释如下图。默认QF=100为第0个JND，可见该过程类似像QF=1收敛。

2. SQF（Stair Quality Function）的生成步骤

a.将JND points 分类到不同QF Group：参加实验的每个受检测者对某一副测试图像会产生一系列JND点，将points收集起来，并分到Low Middle High QF组中。

b.对每个QF Group中的点进行统计，论文中多数用到GMM模型（有一篇用的k-Means）。

其中高斯混合模型的意义大致是：在该组里面，这些实验数据（即JND points）大概可模拟为多个高斯分布混合。建立高斯分布模型的个数现有贝叶斯标准进行判断；然后通过最大期望算法得到最终混合高斯模型的参数列表，参数包括每个高斯分布所占权重、方差和数学期望。

c.综合三个组的高斯混合模型，生成SQF：具体实现算法太复杂，只能搞清SQF相当于对JND(x)求积分。最终得到的理解图如下。其中SQF暂时理解为整体对该图片的视觉和理解效果。

最关键的是理解：最终统计模拟出的JND的数量为QualityLevel的数量，即曲线中跳跃处；QF也被当作论文中所说的JND Location。