视觉分辨能力度量

课程设计视觉分辨能力度量图像与图像处理的生理基础是人类视觉。没有人类视觉也就没有图像，更没有图像处理。人类视觉的分辨率限制的补偿和利用，在一些学科的理论、技术和相关产业的发展中起了决定性的作用。如光是能引起人类视觉的电磁波或光量子，光学学科的存在，完全是因为有人类视觉的存在。世界本无色，色是人类视觉的一种感觉，因此色是一种心理物理量。在人类视觉生理物理学文献中，报道了人类视觉的空间分辨率限制(不能分辨视角小于1′的两点)、时间分辨率限制(不能分辨时间间隔小于0.1″出现的两幅不同图像)和频率(波长)分辨率限制(不能分辨波长差小于5nm的两种颜色)，但是没有对比度分辨率限制的测定方法和数据报道，特别是基于计算机数字技术的测定方法和数据报道。人类视觉的时间分辨率限制的利用，奠定了现代影视学理论和技术以及相关产业的视觉生理学基础。没有人类视觉的时间分辨率限制，现代电影、电视、动画等诸多影视技术及相关产业都将成为乌有。人类视觉的空间分辨率限制的补偿，奠定了现代显微学理论和技术以及相关产业的视觉生理学基础。没有人类视觉的空间分辨率限制的存在，现代光学显微、电子显微、原子力显微等诸多显微技术及相关产业也都将成为乌有。可以预料，弥补和利用人类视觉的对比度分辨率限制，也可产生出与之相关的理论、技术和产业，如底层图像挖掘、隐藏和伪装以及反隐身、反隐形和不依赖于红外的夜视系统等。图像识别技术被广泛应用，并且在各个领域发挥着极其重要的作用。好的识别技术是关键所在，怎么样提高识别率和识别的速度意义重大，直接关系到图像识别的实用性和安全性。因此，本文将对图像的分辨能力进行度量，以更精确的描述人的视觉分辨能力强弱。一、视网膜视网膜就像一架照相机里的感光底片，专门负责感光成像。当我们看东西时，物体的影像通过屈光系统，落在视网膜上。视网膜是一层透明薄膜，因脉络膜和色素上皮细胞的关系，使眼底呈均匀的橘红色。后界位于视乳头周围，前界位于锯齿缘，其外面紧邻脉络膜，内面紧贴玻璃体。在观察客观物体时，光线通过角膜、虹膜和晶状体，投影到眼球后方的视网膜的中心凹区及其周围。然后，视网膜上的感光细胞受到这些强度不同的光信号刺激后产生强度不同的生物电信号。这些电信号将由视神经传递到大脑的视觉中枢做进一步处理。眼球结构图二、图像处理图像是多媒体信息时代的主要数字信息资源。如何从海量的图像数据中迅速而准确地搜寻到我们所需的信息成为研究热点。作为一个高级视觉信息感知系统，人类视觉系统能高效地处理图像内容。因此，研究人类视觉系统的视觉信息感知特性能有效提升计算机处理图像的能力。本文探索了人类视觉系统的感知特性，重点探讨了视网膜的视觉关注特性、视觉感知过程中的视觉分辨能力，并研究了其在数字图像处理中的建模及应用，主要包括包括图像恰可识别失真阈值估计算法。在视觉信息感知初期，人类视觉系统并非对所有图像区域平等地进行处理，而是通过视觉关注机制筛选出重要区域以进行进一步的优先解读。基于视觉关注的图像显著性检测算法能有效减少待处理图像内容，从而提升图像处理效率。对于输入视觉信息的感知过程中，由于视觉系统的分辨能力有限，无法察觉出处于一定阈值以下的信号内容变化。恰可识别失真阈值表征视觉系统感知能力，可有效去除图像冗余信息，从而提升图像压缩性能。三、恰可识别阈值（JND）人类视觉系统对视觉信息的感知是一个非均匀、非线性的信息处理过程，而且对不同的图像内容具有不同的分辨能力。主观感知研究表明，人类视觉系统无法察觉到处于一定阈值以下的图像内容变化，该阈值称为恰可识别失真(JustNoticeableDistortion,JND)阈值。图像内容的JND阈值度量对提升图像压缩比、信息隐藏等性能具有重要的指导意义。JND阈值主要取决于视觉对图像内容的背景亮度敏感性、对比度掩模、纹理掩模、模块掩膜等。恰可识别失真(JustNoticeableDistortion,JND)[阈值反映了人类视觉系统的感知能力及敏感度，该阈值可用于图像压缩、质量评价、水印等领域。在最近十几年中，一系列基于变换域及时域的JND阈值计算模型被提出。变换域的JND阈值计算往往在DWT域及DCT域的次能带上进行，这些模型主要考虑对比度敏感方程(ContrastSensitivityFunction,CSF)、亮度适应性及空域掩模等因素的作用。在计算JND阈值时，输入图像首先将被划分为固定大小的块(如8×8的块)来进行领域转换；然后对每块进行JND阈值计算。由于切块操作会在一定程度上破坏图像内容间的空域相关性，因此基于变换域的JND阈值计算模型无法有效估计空域结构特性所引起的空域掩模效应。考虑到像素间的空域相关性，基于空域的JND阈值计算模型直接根据每个像素与其周围像素的空域相关性来计算每个像素点的JND阈值。基于空域的JND阈值计算模型主要考虑亮度适应性和空域掩模这两方面的影响。亮度适应性模型主要考虑人类视觉系统对不同亮度的敏感度。亮度适应性方程可根据韦伯定理推导获得，该定理能准确反映视觉感知特性，且已被广泛应用于基于空域的JND阈值计算模型中。然而，边缘区域仅能隐藏非常少的噪声，因为人类视觉系统对边缘区域特别敏感[98,99]。Yang等人通过对边缘区域加以保护，从而改进Chou等人的JND阈值计算模型。在Yang等人提出的模型中，Canny边缘检测算子被用来检测图像边缘。然后，通过对边缘区域赋予一个较小的权重值来减小该区域的JND阈值。然而在Yang等人的JND模型中，空域掩模方程依旧是根据亮度对比度获得。虽然图像的主边缘区域在该模型中得以保护，但是次边缘区域的JND阈值却因此而被高估，且纹理区域的JND阈值始终还是被低估。为了更加准确的计算纹理区域的JND阈值，Liu等人首先将图像分解为结构和纹理这两部分内容；然后根据对比掩模函数计算空域掩模效应；最后用较大的权重突出纹理部分的JND阈值。然而，现在的图像分解方法无法准确将图像分解为结构和纹理这两部分。此外，有序的纹理区域所具有的JND阈值也是较小的。因此，我们需要进一步的分析空域掩模效应来建立一套更加准确的空域掩模方程。通过实验我们发现除亮度变化外，结构的规则程度是空域掩模效应的另一个决定因素。实际上，人类视觉系统非常善于提取图像的结构信息并用来解读图像的内容。人类视觉系统对结构规则区域非常敏感，能容易地察觉出该区域的失真。而且，我们通过主观实验也发现，规则区域的JND阈值比较低，而不规则区域的JND阈值比较高。这些发现促使我们根据图像结构的规则程度来计算空域掩模效应并建立更加准确的JND阈值计算模型。四、图像结构特性图像的结构特性影响主观视觉的空域掩模效应。人类视觉系统善于提取输入图像的结构信息，且对结构规则区域中的内容失真非常敏感，而对结构不规则区域中的内容失真不是很敏感。这是因为规则的图像会表现出自我重复的结构，即规则图像中相邻的图像块具有相似的结构。通过对比这些相似的图像块，我们很容易就能找到失真的图像内容。因此，我们需要考虑结构规则度对空域掩模效应的作用。图像结构的规则度在一定程度上决定人类视觉系统对图像内容失真的敏感性。由于相互关联的像素点共同传递图像的结构信息，所以图像结构是由像素点的排列方式及它们间的相关性决定的。JND阈值由亮度适应性和空域掩模共同决定。图像区域的亮度适应性由其背景亮度特性决定，而空域掩模由其前景内容所决定。这两者共同作用于人类视觉系统并影响视觉感知。因此我们通过融合这两方面的内容来得到最终的JND阈值。由于这两者相互作用，它们之间也存在一定的抑制作用，因此不能将两者简单地相加得到最终结果。在相互作用的过程中，值较大的因素将扮演更加重要的角色，所以我们打算用这两个因素的自身数值特性来权衡两者的作用。五、JND模型代码functionSxy=jnd(A)%最小可觉差Jnd计算，及人眼刺激图计算。%A=imread('D:\我的文档\MATLAB\新建文件夹\评价方法\CCD.bmp');%计算背景灰度图I[mn]=size(A);%A=rgb2gray(A);A=double(A);fori=1:mforj=1:nflag=2i&im-1&2j&jn-1;ifflagfora=1:5forb=1:5C(a,b)=A(i-3+a,j-3+b);endendC=double(C);B=[1,1,1,1,1;1,2,2,2,1;1,2,0,2,1;1,2,2,2,1;1,1,1,1,1];II=(1/32)*C.*B;I(i,j)=sum(sum(II));elseI(i,j)=A(i,j);endendendI=double(I);%计算某像素点处，其背景灰度值所对应的jnd值fori=1:mforj=1:nif0=I(i,j)&I(i,j)=60E(i,j)=log2(1+(A(i,j)-I(i,j))/I(i,j));E0(i,j)=log2(1+(-0.009*I(i,j)+0.575));Sxy(i,j)=E(i,j)/E0(i,j);elseif60I(i,j)&I(i,j)=200E(i,j)=log2(1+(A(i,j)-I(i,j))/I(i,j));E0(i,j)=log2(1+0.035);Sxy(i,j)=E(i,j)/E0(i,j);elseifI(i,j)200E(i,j)=log2(1+(A(i,j)-I(i,j))/I(i,j));E0(i,j)=log2(1+(0.035+0.001*(I(i,j)-200)));Sxy(i,j)=E(i,j)/E0(i,j);endendendendend%令1JND为最小可感知误差，则目标与背景间的灰度差可用JND为单位表示。%根据费纳西定律，人眼感知量落后于刺激量一个数量级，即S=Klgl+C,我们令C为1。Sxy(find(isinf(Sxy)))=0;%TT即为对于CCD的人眼感知刺激图Sxy(find(isnan(Sxy)))=0;%TT=TT+1.3;fori=1:mforj=1:nifSxy(i,j)1.5Sxy(i,j)=0;endendendimshow(Sxy)六、实验总结通过本次课程设计，使我们初步了解到了关于分辨，度量的相关知识，以后在处理图像相关问题时也会更加得心应手。设计过程中固然问题不断，但通过团队成员的共同努力以及细心求证，我们认识到了自己的缺陷和不足，也克服了种种困难，最终才得以成功。在这次实验中，不仅培养了我们对于MATLAB的操作能力，还让我们在许多方面获益匪浅。让我们认识到只有通过学习，才可以不断认识，只有通过实践，才可以明白自己的缺陷，只有通过合作，才能体会到团结的力量。