HVS与图像质量评价方法

HVS与图像质量评价方法视觉生理•眼球（光信号）•视网膜（光信号-电信号）•视交叉和外侧膝体（传输）•视觉皮层（电信号处理）视网膜•圆柱体细胞对弱光反应灵敏，暗视觉，细节分辨能力差，感受不到颜色，对物体活动敏感•椎体细胞对物像细节具有较高的分辨能力，能够识别颜色，视觉灵敏度主要取决于椎体细胞视觉特性•视觉亮度特性•视觉空间频率特性•视觉时间频率特性视觉亮度特性•由于受人眼对比灵敏度的影响，人眼对亮度的主观感觉与客观亮度成对数关系。人眼的亮度视觉有个重要的特点，就是对被观察事物的绝对亮度判断力差，而对亮度的差异判断力较强。通常用对比度来描述亮度差异，常使用下式来确定相对对比度Cr•人眼刚能分辨的亮度差异所对应的最小相对对比度值称为对比灵敏度因素，其大小和背景亮度L和环境亮度L0有关，如图所示在宽阔常用的背景亮度变化范围内，人眼的对比灵敏度因素变化很小，当背景亮度很强或很弱时，人眼分辨亮度差异的能力下降。当画面的背景亮度不等于周围的环境亮度时，对比灵敏度不仅与背景亮度有关，而且与环境亮度有关视觉亮度特性•人眼对亮度的适应性分为亮适应、暗适应、和局部适应。从平均亮度小的暗环境转入平均亮度大的亮环境的人眼视觉过程称为亮适应，其适应时间为几秒到几分钟。从亮环境转入暗环境的人眼视觉适应称为暗适应，适应时间从几秒到几十分钟。视觉亮度特性•视觉亮度特性的应用：由于人眼对比灵敏度高，亮度感觉决定于亮度对比度，因而对重现图像的亮度逼真度要求的特点是：不需重现图像与原物图像两者的亮度完全相同，只要他们的亮度对比度相等就行，而重现图像上有微小的亮度差异，只要它小于对比灵敏度，则对重现图像的质量没有影响。视觉的空间频率特性•视觉空间分辨率人眼辨别图像细节的能力称为视觉锐度或视觉空间分辨率，他用人眼能够区分图像上的相邻亮点的最小视角的倒数表示，人眼对图像中心的分辨能力大于边缘部分。•人眼空间探测阈值按照傅里叶光学原理，任何图像都是由不同空间平率的亮度按正弦和余弦规律变化的各种成分组成。空间频率越高代表图像细节越小。人眼受空间分辨率的限制，探测能力也随空间平率增高而减小。对某一特定的空间频率成分，其亮度的最大值与最小值两者之差与两者之和的比值为亮度调制度M。人眼空间可探测阈值曲线表示人眼对各种空间频率成分刚可探测的最低亮度调制度。如图所示。视觉的空间频率特性图像中空间频率越高的成分代表图像的细节越小，人眼探测能力越低，为达到可以分辨，必须相应增大其调制量。光栅的平均强度、环境光和单色光波长对人眼探测光栅的能力都有影响，当这些条件变化时，曲线要上下浮动。•调制传递函数与极限分辨率调制传递函数表示传像系统的输出调制度与输入调制度的比度，他代表传像系统对所传送图像的分辨率像质的影响。如果输入图像的调制度是已知的固定值，则调制传递函数就表示输出图像的分辨率像质。实际上任何图像传送系统，传送图像的作用相当于低通空间频率滤波器，在空间频率域上的传像能力随图像的频率成分的升高而减弱。如图所示。视觉的空间频率特性如果将输出图像分辨率相知的MTF曲线与表示人眼视觉空间分辨率与之特性的TOD曲线画在同一坐标上，则两曲线的交点代表人眼观察改图像所能达到的空间分辨率的极限情况。该点横坐标为图像可分辨的最高空间频率，称为图像的极限分辨率，该点的纵坐标表示图像的的最高空间频率成分的调制度。•马赫带当人们观察亮度沿坐标轴变化的亮带时，人眼对亮带的感觉是，在亮度变化去两端附近的暗区出现黑条，而在亮区出现白条。如图所示。视觉的空间频率特性马赫带是人眼观察亮度剧变区域的主观视觉所出现的虚幻的亮或暗的条纹。产生马赫带的原因是人眼视觉空间频率响应。在较低的空间频率区域，人眼的视觉灵敏度并非随空间频率上升而下降，而是存在极大值，如图所示。在某一较低空间频率处，视觉灵敏度最高，因而该空间频率成分被视觉强调所突出。马赫带效应是图像亮度变化边界处的主观锐化效应，由于它具有自动增强图像轮廓的作用，所以在图像处理时可适当放松对轮廓锐度的要求，而换取其他图像质量指标的改善。视觉的时间频率特性HVS模型HVS通用模型HVS模型的主要特性包括视觉非线性、多通道、对比敏感度带通、掩盖效应、多通道不同激励的相互作用以及视觉生理心理特征。其中非线性、多通道、对比敏感度带通和掩盖效应的特性研究较多，有相应的计算模型，而多通道不同激励的相互作用和视觉生理心理特性还没有精确的计算模型。HVS模型异常复杂，它涉及到生物学、解剖学、生理学、心理学等多学科领域，因此对其的研究还在不断的深入。基于视觉感知的评价方法-WMSE模型PQS算法的实现思想是:首先对经二维离散傅里叶变化的原图像和目标图像频谱，依据HVS分别予以子带分割，并对获取的系列子带频谱进行二维傅里叶反变换，建立相应的原图像和目标图像的子带图像系列；然后分别计算出各个子带图像对应的NMSE值，并根据子带视觉加权系数W，进行加权处理；经WMSE的阈值判决，最终得到该图像的质量主观评价等级。WMSE算法实现•人眼视觉HVS模型对于HVS,采用模型其中，a,b,c为常数，f为视频率，单位为cycles/degree（CPD）人眼对3~6CPD的空间频率分量最为敏感。在此，去H(f)的峰值频率响应问4.5CPD,可得：相应的HVS特性曲线如图从图中可以看到，对人眼视觉系统不再产生影响的最大频率分量为曲线与横轴交界处的频率值。fmaxWMSE算法实现•子带图像的分割方法依据建立的HVS模型，可见图像频谱中大于fmax的频率分量，不再对图像构成明显影响。可以忽略不计，即图像的子带分割可以只在（0，fmax）频谱区域内进行，采用等频宽子带分割，将图像分割的各个子带分别滤波，经二维傅里叶变换，即得对应的子带图像。•WMSE算法将原子带图像作为原图像，而将对应的目标子带图像作为目标图像，计算出各个子带图像的归一化均方误差NMSE。f（m,n）为M×N的图像，为降质图像WMSE算法实现然后，根据人眼对图像各频带分量（子带）的敏感度的带通高低，对NMSEi予以对应的权重Wi，后相叠加，最终获得图像视觉加权后的归一化均方误差WMSE,即WMSE模型探索并建立了一种新的图像质量客观评价方法，该方法以传统的图像质量方法中常用的归一化均方误差NMSE为基础，并结合人眼视觉特性，实现了用客观评价方法来反映主观评价结果的目标。从结果上看，WMSE明显优于NMSE，其不仅保留了客观评价方法的优点，同时也克服了其与实际图像质量脱节的严重缺陷，并能使图像的客观评价与主观评价结果相统一。虽然在算法上较NMSE复杂些，但所建立的计算机评价系统只需输入原图像和目标图像文件即可，实现非常便捷。基于视觉兴趣的评价方法由于受到人的心理、文化背景、周围环境、不同的应用场合等多种因素的影响，人眼对同一幅图像中的不同区域往往具有不同的感兴趣程度，即人眼就有视觉兴趣性特性。在充分利用视觉兴趣特性的基础上，提出了基于视觉兴趣的图像质量评价方法。ROI模型为其中一个例子。假设测量图像中只有一个感兴趣去A1,其面积为S1;不感兴趣区A2的面积为S2;S为图像的总面积S=S1+S2;假定人眼分别对感兴趣区和不感兴趣区的各像素点的兴趣程度相同，且他们的兴趣加权值分别为加权值越大，表示人眼对该区的感兴趣的程度越高。测量图像的均方误差IMSE为基于视觉兴趣的评价方法构造如下：其中K为调整因子，它反映了人眼对不感兴趣区或感兴趣区的重视程度。基于视觉兴趣的测量方法为图像质量评价开辟了一条新路，改模型能够较好的符合人眼的主观视觉，但该方法还处在初级阶段，仍有很多问题有待深入研究，如兴趣区域的确定，权值的确定等。