数字图像质量评价算法-.研究与性能评价

《数字图像质量评价算法-.研究与性能评价》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第一章绪论胞的感受野。外侧膝状体前面通过视神经与视网膜相连，后面经视觉通路到达视皮层。它不仅可以看作是信号从视网膜到视皮层传输的一个中转站，而且还起到控制允许通过信息量数目的门限作用。大脑皮层中与视觉有关的区域目前己知的多达35个，初级视皮层是其中面积较大的区域，也是整个大脑皮层中被研究得最透彻的区域。首先，有研究成果指出初级视皮层的不同部位对运动、对比度和颜色信息分别形成了对应的工作通道。其次，Hubel和Wisesl发现并定义了位于初级视皮层的三种细胞，即简单细胞、复杂细胞和超复杂细胞之后，人脑在微观

2、层面处理视觉信息的机制被进一步揭示。简单细胞的特点是感受野较小，呈狭长形，且每个细胞都有一个最优方位，在此方位上细胞响应最强烈。复杂细胞除了具有与简单细胞相似的响应特性，对特定方位的刺激特别敏感之外，它们还具有汇聚和整合信息的功能。而超复杂细胞在具备复杂细胞基本功能的基础上，对棒状物体和边缘长度的响应具有选择性，因此通常又被称为线段响应细胞。此外还有研究发现，位于初级视皮层的很大一部分神经元细胞分别对特定频谱位置、特定频率和特定方向的视觉刺激具有更敏锐的响应，对其他的视觉刺激则只能产生微弱响应。以上描述的

3、这些敏感神经元的行为，可以分别用分段函数、带通函数和方向选择函数进行很好的描述。目前，对人类视觉机理的生理学研究仍然存在很大空白区域，要精确地认识和模仿人类视觉功能的作用机理还非常困难。但是，每一个新的科学研究成果都有利于刷新思路，启迪灵感，这些对未来的工程应用将发挥十分重要的作用。1．2．3人类视觉心理学特性视觉心理物理学(VisualPsychophysics)是定量地研究视觉物理刺激和由这些物理刺激影响的感觉、知觉之间关系的-f7科学。借助于各种数学方法和测量技术，该领域卜H现了一些具有广泛影响的理

4、论。然而，受人类视知觉的复杂性和研究手段的局限性影响，目前许多理论尚处在假说阶段，其合理性需要更多科学实验的论证，其理论框架也需要更多有说服力和想象力的内容补充。其中与静态图像相关的比较成熟的理论有：亮度特性、对比敏感度函数和对比度掩膜。下面分别介绍这些理论。亮度特性的一个重要特点，是人眼对被观察物体的绝对亮度变化判断力较差，而对同一幅图像中相邻位置相对亮度的差异判断力较强，即对比度灵敏度高于绝对亮度灵敏度。其中的一个重要结论是韦伯定律。该规律指出，两个刺激之间的“刚可分辨差”(iust．noticeab

5、le．difference)与该刺激的绝对大小成正比。即：第一章绪论，址七=——三式(1-1)中，k为常量，厶三为两个刺激亮度之间的“刚可分辨差”，上为背景亮度。后来，费希纳对韦伯的发现提出了更深入的理论理解，从另一个角度入手描述了人眼主观亮度感受值(S)与客观亮度刺激值(B)之间的关系：S=k·lnB+ko=k’·lgB+k0(1-2)其中，七’=klnlO，％为常数，七为与整幅图像的平均亮度刺激值有关的常数。由式(1．21，可以看出人眼主观亮度感受值与客观亮度刺激值的对数之间存在线性的关系。对比敏感度

6、函数(CSF，ContrastSensitivityFunction)可理解为人眼对特定频率上对比度的灵敏程度。它的定义与可视门限有关。考虑如下实验：在一系列具有均匀亮度三分布的“空白”图像上叠加亮度为三+厶￡的正弦波，首先固定频率变量，构建一系列具有不同幅度的正弦波激励，调整这些正弦波的幅度至观察者刚好可以察觉到正弦波条纹为止，由此得到特定频率下对比度幅度的可视门限：然后调整正弦波的频率，再针对一系列不同的频率重复上述过程，得到不同频率下对比度幅度的可视门限。以上过程中提到的可视门限的倒数即被定义为对比

7、敏感度函数。人眼对比敏感度函数的示意图如图1．2所示。著名的Campbell．Robson图直观地说明了对比敏感度函数的形状，如图1．3所示。空域频率(周／度)对比门限O．1110100空域频率(周／毫米视网膜)图1-2对比敏感度函数示意图1000敏感』100、P对比I10＼_，1第一章绪论图1-3Campbell-Robson图对比度掩膜(ContrastMasking)是指由于受到一幅空间位置相邻、频率内容相近的参考图像的影响，原始图像某些部分的可辨识度较单独出现有所下降的现象。简单地说，即激励甲的存

8、在造成人眼对激励乙的感知度被加强或减弱的现象。通常通过度量对比度感知门限的变化量来表示对比度掩膜的作用。由于自然场景中一般包含丰富的频率内容，同样频率、均匀分布的噪声，出现在平坦区域造成的影响往往比出现在纹理区域要大得多。这是解释对比度掩膜效应的典型例子。由于视觉认知的复杂性，人类对它的认识还处在初级阶段。随着神经生理学、认知心理学、计算机视觉、模式识别、人工智能等相关学科的迅速发展，人类视觉系统模型的研究有望得到更多角度的启