近日，信號處理領域的頂級國際會議ICASSP 2023發出審稿結果通知，高維數據安全研究院與安徽大學、中國科學技術大學合作的論文《No Reference Quality Assessment For Screen Content Images Based On Entire And High-Influence Regions》被會議接收。

據了解，ICASSP(International Conference on Acoustics, Speech and Signal Processing)即國際聲學、語音與信號處理會議，是IEEE信號處理學會（Signal Processing Society）的學術年會，是全世界規模最大、最全面的信號處理及其應用方面的頂會，在國際上享有盛譽并具有廣泛的學術影響力。本屆會議以“Signal Processing in the Artificial Intelligence era”（人工智能時代的信號處理）為主題，匯聚了語音識別、語音合成、語音增強、自然語言處理、機器學習等多個領域的優秀研究成果。

高維數據安全研究院屏幕水印研究團隊，針對屏幕水印對屏幕顯示內容的視覺影響，提出了屏幕內容圖像質量需要進行科學、量化評價的研究需求，并與相關領域的頂級學者聯合開展研究，研究成果通過本論文發表。本論文提出了一種屏幕內容圖像質量評價方法，實驗結果表明，該方法與人類視覺感知有更好的一致性，能夠為屏幕水印的設計和優化提供視覺質量判斷依據。本研究成果將指導屏幕顯示相關的隱形水印技術進一步優化，為廣大屏攝溯源用戶帶來更佳的視覺體驗。

“屏幕拍攝泄密溯源取證系統”是基于高維數據首創的“電-光-電”跨媒介隱形水印技術研發，在行業內率先推出的突破性解決屏幕被截屏、拍屏造成的泄密溯源難題的創新產品。產品已通過國家保密局測評中心、解放軍信息安全測評中心、公安部警用產品檢測中心等權威測評認證，在中國電科、國家電網、南方電網、中金所、OPPO、上汽集團、中科寒武紀、安徽省數據局、南昌市政府等數頭部政企客戶單位成功應用。

以下為本論文的要點概述：

基于整體和高影響區域的屏幕內容圖像質量評價方法

近年來，智能手機、筆記本電腦、智能家居顯示屏等多媒體交互設備的廣泛應用，導致對屏幕內容圖像傳輸的需求急劇增加。然而，由于設備性能、存儲或傳輸過程中信息丟失等因素，捕獲的屏幕內容圖像可能產生各種類型的失真。由于自然圖像的結構和統計特性與屏幕內容圖像有很大的不同，傳統的自然圖像質量評價方法不能很好地應用于屏幕內容圖像。因此，為了更好地監控和優化圖像處理算法在各個階段的性能，有必要設計一個有效的屏幕內容圖像質量評估模型。

根據從參考圖像中需要的信息量，圖像質量評價方法可以分為三類:全參考方法，半參考方法和無參考方法。但在大多數應用場景下較難獲得參考圖像的信息，因此目前無參考質量評價方法研究較多。目前，大部分無參考質量評價方法都側重于對整體圖像進行特征提取。然而，屏幕內容圖像是由文本和圖片組成的混合內容圖像，人眼對不同區域的感知是有差異的。因此，考慮不同區域對于整個圖像的視覺影響也很關鍵。有部分方法選擇分別預測文本和圖像區域的質量，然后利用自適應加權策略將分數融合。但這種融合方式可能會導致對象失去完整性，使得最終結果不準確。

圖1 論文方法流程示意圖

針對上述問題，本文提出了基于整體和高影響區域的屏幕內容圖像質量評價方法，該方法的流程圖如圖1所示。通過信息熵判斷高影響區域，并以整體圖像質量分數為主導，通過高影響區域對整體分數進行輕微調整，以獲得最終的質量分數。相較于常見的文本和圖像兩區域分數融合方法，本文不僅考慮到不同區域的差異性，更加保證了圖像的整體性。此外，由于屏幕內容圖像包含豐富的結構信息，本文采用相位一致解釋圖像低層特征，并基于相位一致構建多種梯度加權的局部二值模式直方圖。將結構特征和底層特征的分布融合為單一表示，更精細地捕捉失真引起的圖像結構退化。本文還引入對立顏色空間，并計算全局平均飽和度和顏色熵作為顏色信息的補充。實驗結果表明，在各類公開數據集上本文方法的性能優于其他現有的屏幕內容圖像質量評價方法，與人類視覺感知有更好的一致性。

- END -