近日，信号处理领域的顶级国际会议ICASSP 2023发出审稿结果通知，高维数据安全研究院与安徽大学、中国科学技术大学合作的论文《No Reference Quality Assessment For Screen Content Images Based On Entire And High-Influence Regions》被会议接收。

据了解，ICASSP(International Conference on Acoustics, Speech and Signal Processing)即国际声学、语音与信号处理会议，是IEEE信号处理学会（Signal Processing Society）的学术年会，是全世界规模最大、最全面的信号处理及其应用方面的顶会，在国际上享有盛誉并具有广泛的学术影响力。本届会议以“Signal Processing in the Artificial Intelligence era”（人工智能时代的信号处理）为主题，汇聚了语音识别、语音合成、语音增强、自然语言处理、机器学习等多个领域的优秀研究成果。

高维数据安全研究院屏幕水印研究团队，针对屏幕水印对屏幕显示内容的视觉影响，提出了屏幕内容图像质量需要进行科学、量化评价的研究需求，并与相关领域的顶级学者联合开展研究，研究成果通过本论文发表。本论文提出了一种屏幕内容图像质量评价方法，实验结果表明，该方法与人类视觉感知有更好的一致性，能够为屏幕水印的设计和优化提供视觉质量判断依据。本研究成果将指导屏幕显示相关的隐形水印技术进一步优化，为广大屏摄溯源用户带来更佳的视觉体验。

“屏幕拍摄泄密溯源取证系统”是基于高维数据首创的“电-光-电”跨媒介隐形水印技术研发，在行业内率先推出的突破性解决屏幕被截屏、拍屏造成的泄密溯源难题的创新产品。产品已通过国家保密局测评中心、解放军信息安全测评中心、公安部警用产品检测中心等权威测评认证，在中国电科、国家电网、南方电网、中金所、OPPO、上汽集团、中科寒武纪、安徽省数据局、南昌市政府等数头部政企客户单位成功应用。

以下为本论文的要点概述：

基于整体和高影响区域的屏幕内容图像质量评价方法

近年来，智能手机、笔记本电脑、智能家居显示屏等多媒体交互设备的广泛应用，导致对屏幕内容图像传输的需求急剧增加。然而，由于设备性能、存储或传输过程中信息丢失等因素，捕获的屏幕内容图像可能产生各种类型的失真。由于自然图像的结构和统计特性与屏幕内容图像有很大的不同，传统的自然图像质量评价方法不能很好地应用于屏幕内容图像。因此，为了更好地监控和优化图像处理算法在各个阶段的性能，有必要设计一个有效的屏幕内容图像质量评估模型。

根据从参考图像中需要的信息量，图像质量评价方法可以分为三类:全参考方法，半参考方法和无参考方法。但在大多数应用场景下较难获得参考图像的信息，因此目前无参考质量评价方法研究较多。目前，大部分无参考质量评价方法都侧重于对整体图像进行特征提取。然而，屏幕内容图像是由文本和图片组成的混合内容图像，人眼对不同区域的感知是有差异的。因此，考虑不同区域对于整个图像的视觉影响也很关键。有部分方法选择分别预测文本和图像区域的质量，然后利用自适应加权策略将分数融合。但这种融合方式可能会导致对象失去完整性，使得最终结果不准确。

图1 论文方法流程示意图

针对上述问题，本文提出了基于整体和高影响区域的屏幕内容图像质量评价方法，该方法的流程图如图1所示。通过信息熵判断高影响区域，并以整体图像质量分数为主导，通过高影响区域对整体分数进行轻微调整，以获得最终的质量分数。相较于常见的文本和图像两区域分数融合方法，本文不仅考虑到不同区域的差异性，更加保证了图像的整体性。此外，由于屏幕内容图像包含丰富的结构信息，本文采用相位一致解释图像低层特征，并基于相位一致构建多种梯度加权的局部二值模式直方图。将结构特征和底层特征的分布融合为单一表示，更精细地捕捉失真引起的图像结构退化。本文还引入对立颜色空间，并计算全局平均饱和度和颜色熵作为颜色信息的补充。实验结果表明，在各类公开数据集上本文方法的性能优于其他现有的屏幕内容图像质量评价方法，与人类视觉感知有更好的一致性。

- END -