CN102136132A - 一种暗环境下人眼视觉系统感知效果的合成方法 - Google Patents

Abstract

本发明公开一种暗环境下人眼视觉系统感知效果的合成方法，该方法为用户提供了夜晚环境下，尤其是昏暗环境下，人视觉系统感知效果直观的控制技术。用户可通过输入光照强度和频谱指定任意的目标光照环境，可自动合成源图像所示场景在目标光照环境下的人眼视觉系统感知效果。本发明根据源图像重建颜色频谱，计算视网膜细胞在源光照环境下的响应；然后，根据测量数据模拟视网膜细胞在目标光照环境中的适应情况，计算适应后的视网膜细胞的响应；最后，使用双边滤波器对图像进行非均一模糊以制造目标光照环境下的锐度损失效果。本发明的应用不仅限于夜晚环境，也可用于对其他光照环境下人眼视觉系统感知效果的合成。

Description

一种暗环境下人眼视觉系统感知效果的合成方法

技术领域

本发明属于计算机视觉与计算机图像处理相结合的交叉学科技术领域，涉及图像的频谱重建、颜色调节和锐度调节技术，涉及一种基于图像的夜晚环境下(尤其是昏暗环境下)人眼视觉系统感知效果的合成方法。

背景技术

夜间环境光线条件通常比较复杂，既包含来自天空的自然光，也包含来自路灯等人造光源的光线。生物学实验结果指出，人眼视觉系统在这样的光照环境中的感知效果与在明亮环境中的感知效果有很大区别。在夜间环境中，人眼视觉系统的感知效果往往较明亮环境下的感知效果出现亮度变化，饱和度降低，细节分辨能力降低等现象。这些现象是由于人眼视网膜内视锥细胞和视杆细胞的性质不同而造成的，视网膜可自动适应光照环境的变化。

在传统胶片电影业中，一项被称为“白夜”(Day-for-Night)的技术(Samuelson D W.Motion Picture Camera Techniques.second ed.，Focal Press，1984.)曾被用于在白天取得夜晚环境的拍摄效果。此项技术通过在摄影机镜头前放置一个蓝色滤镜实现色调的改变，并通过刻意的曝光不足营造昏暗环境中的锐度损失效果。类似的数字图像处理方法也被用于计算机图形学中以仿真夜晚环境中的视觉感知效果，例如Thompson等(Thompson W B，Shirley P，Ferwerda J A.A SpatialPost-Processing Algorithm for Images of Night Scenes.Journal ofGraphics Tools，2002，7(1)：1-12.)。一些图像影调调节工具也可用于实现较为逼真的“白夜”效果，但由于它们并非专门为这一目的而设计，所以使用时的参数调节过程相对较繁琐。另一类方法则是基于物理模型进行仿真。尽管有关人眼视觉系统的环境适应机理的研究中尚有部分未解决的问题，前人工作中已经基于大量的实验测量数据提出了多个经验模型。

图像影调处理的相关工作可分为两类：基于物理模型的仿真方法，和面向用户的影调调节函数。基于物理模型方法的目标为对在光照、记录媒介、场景内容等不同条件发生改变时的影调变化进行准确的计算，得到非常逼真的结果。这类方法的例子有Pattanaik等，Shin等和Haro等的方法。Pattanaik等的方法(Pattanaik S N，Tumblin J，Yee H，etaI.Time-Dependent Visual Adaptation for Fast Realistic Image Display.Proceedings of the 27th annual conference on Computer graphics andinteractive techniques，New York，NY，USA：ACM Press，2000.47-54.)提出的用于实时交互用途的快速视觉适应函数。Shin等(Shin J，Matsuki N，Yaguchi H，et al.A Color Appearance Model Applicable inMesopic Vision.Optical Review，2004，11(4)：272-278.)提出的基于实验数据的过渡视觉模型。Haro等(Haro G，Bertalm′

o M，Caselles V.Visual Acuity in Day for Night.International Journal of Computer Vision，2006，69(1)：109-117.)提出的数字“白夜”系统等。另外还可以将物理模型嵌入渲染工具中，进行夜晚场景的渲染。因其结果的高度科学性，这类方法常被应用于图像显示硬件和渲染结果校正中。不过这类基于物理模型的仿真方法往往参数系统相当复杂，不便于用户对计算结果进行进一步的操控。

大部分图像影调调节方法也可用于夜晚光照效果合成，包括交互式色调映射和和交互式局部色调调节等。交互式色调映射的典型文献为：Durand F，Dorsey J.Interactive tone mapping.Proceedings of 11thEurographics Workshop on Rendering，Brno，Czech Republic：Springer-Verlag，2000.219-230。交互式局部色调调节的典型文献为：Lischinski D，Farbman Z，Uyttendaele M，et al.Interactive LocalAdjustment of Tonal Values.ACM Transactions on Graphics，2006，25(3)：646-653。这类方法使用用户交互取代实验测量数据对参数进行控制，其参数量也大都明显少于基于物理模型的方法。不过，由于这类工具并非特别为夜晚光照效果合成的目的定制，所以为获取可得到较为逼真的合成效果的适合参数，用户往往需要耗费大量精力于参数调节过程中。

发明内容

为了解决现有技术的问题，本发明的目的是提出一个基于图像的方法实现人眼视觉系统在暗环境下感知效果的合成。

为了达成所述目的，本发明提供一种暗环境下人眼视觉系统感知效果的合成方法，该方法的步骤如下：

将输入的正常日照条件下的源图像自动处理为目标夜晚光照效果的步骤包括：

步骤1：计算人眼视觉系统在源光照环境下的响应，根据输入的源图像重建源图像的颜色频谱数据；

步骤2：根据人眼视锥细胞和视杆细胞的特性，计算人眼视觉系统在目标光照环境中的响应，对频谱数据进行颜色调节，生成中间结果图像；

步骤3：根据视锐度函数计算人眼视觉系统在目标光照环境中的响应，对中间结果图像进行锐度调节，生成目标光照环境下的视觉效果图像；

步骤4：对视觉效果图像根据其图像内容进行后处理，输出最终结果图像。

其中，所述重建源图像的颜色频谱是使用一个线性模型重建源图像的场景反射系数频谱，并选择颜色空间系统的标准色彩匹配函数作为重建基函数；正常色觉来源于视网膜内锥体细胞上的三种类型的光接收器对色光的不同吸收能力的比较；将任意一个颜色刺激按照在这三种类型光接收器上的接收比例建立一个三维颜色空间。

其中，所述计算人眼视觉系统在目标光照环境中的响应ξ′是使用加性系统：

${\mathrm{\ξ}}^{\′}=\left[\begin{array}{ccc}{a}_{\mathrm{ll}}& a_{\mathrm{ml}}& a_{\mathrm{sl}}\\ a_{\mathrm{lm}}& a_{\mathrm{mm}}& a_{\mathrm{sm}}\\ a_{\mathrm{ls}}& a_{\mathrm{ms}}& a_{\mathrm{ss}}\end{array}\right]\left[\begin{array}{c}{\mathrm{\ξ}}_l^{\′}\\ {\mathrm{\ξ}}_m^{\′}\\ {\mathrm{\ξ}}_s^{\′}\end{array}\right]+\left[\begin{array}{c}{b}_l\\ b_m\\ b_s\end{array}\right]\left[{\mathrm{\ξ}}_r^{\′}\right],$

计算人眼视觉系统在目标光照环境下的响应，其中，ξ′为目标光照环境下的人眼视觉系统响应，ξ_l′，ξ_m′，ξ_s′分别为目标光照环境下的人眼视锥细胞在三维颜色空间内各通道内的响应，ξ_r′为目标光照环境下的人眼视杆细胞的响应；a为人眼总视觉感知效果中人眼视锥细胞响应在颜色空间内各通道中以及不同通道间的响应权重函数，a_ll表示l和l通道间的响应权重函数，a_ml表示m和l通道间的响应权重函数，a_sl表示s和l通道间的响应权重函数，a_lm表示l和m通道间的响应权重函数，a_mm表示m和m通道间的响应权重函数，a_sm表示s和m通道间的响应权重函数，a_ls表示l和s通道间的响应权重函数，a_ms表示m和s通道间的响应权重函数，a_ss表示s和s通道间的响应权重函数；b是人眼总视觉感知效果中人眼视杆细胞响应在颜色空间内各通道中的响应权重函数。

其中，所述计算人眼视觉系统在目标光照环境中的响应使用简化的加性系统：

${\mathrm{\ξ}}^{\′}=a{\mathrm{\ξ}}_c^{\′}+b{\mathrm{\ξ}}_r^{\′},$

近似计算人眼视觉系统在目标光照环境下的响应，其中ξ′为目标光照环境下的人眼视觉系统响应，ξ_c′为目标光照环境下的人眼视锥细胞的响应，ξ_r′为目标光照环境下的人眼视杆细胞的响应；响应权重函数a和响应权重函数b随光照环境的强度变化，分别反映了人眼视锥细胞和人眼视杆细胞在总视觉感知效果中所占权重。

其中，所述颜色调节是使用在不同光照强度下人眼视觉系统的光效率频谱的实验测量数据作为光照适应函数，随光照强度的变化对色彩匹配函数进行修正，以反映不同光照强度下人眼视觉系统的光效率频谱的不同。

其中，所述锐度调节是使用双边滤波器对中间结果图像进行非均一模糊，制造目标光照环境下的锐度损失效果。

其中，所述后处理是对源图像中的天空、阴影和高光区域进行处理，使用一个局部高斯函数改变相应区域在合成结果中的值，提高合成结果的逼真度。

所述的方法，还包括目标夜晚光照效果的图像处理方法是通过使用其他光照环境作为目标光照条件，生成不限于夜晚环境的其他光照环境下人眼视觉系统感知效果的合成。

本发明的有益效果：本发明一种基于图像的夜晚环境下(尤其是昏暗环境下)人眼视觉系统感知效果的合成方法，为用户提供了夜晚环境下，尤其是昏暗环境下，人眼视觉系统感知效果直观的控制技术。用户可通过输入光照强度和频谱指定任意的目标光照环境，可自动合成源图像所示场景在目标光照环境下的人眼视觉系统感知效果。建立了一个过渡视觉的经验模型，综合考虑了多项不同视觉特征的变化。本发明能够将源图像中明亮环境下的场景转换为用户指定的夜晚光照环境下的人眼视觉系统感知效果，转换结果与实际感知效果近似。本发明的参数系统简单，但物理含义明确，便于用户调节，同时也便于直接根据前人工作中提供的实验测量数据计算。本发明不仅可作为人眼视觉系统感知效果的仿真工具，也可用于使白天环境的图像具有黄昏、夜晚等特殊光照效果的图像影调处理工具。

附图说明

图1是本发明方法流程图

图2a-图2c是本发明视觉的光照适应结果

图3a-图3c是本发明与普通高斯滤波器的结果比较

图4a-图4c是本发明结果示例

图5a-图5c是本发明对天空的特殊处理

具体实施方式

下面将结合附图对本发明加以详细说明，应指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。

1方法概述(overview of approach)

本发明的工作流程如图1所示。输入的源图像为在充足光照条件下的取得的目标场景的图像。目标光照环境的强度由用户指定。这里假定源图像已经过白平衡调整且曝光恰当，因此计算时无需考虑图像获取装置与人眼视觉系统的感光性质差异问题。方法默认的源光照环境为强度为E＝10³cd/m²的标准D65白光。在其后各步骤中，本发明方法首先使用人眼视觉系统的经验模型计算人眼视锥细胞和人眼视杆细胞在目标光照环境中的响应，而后再使用双边滤波器仿真锐度损失。

方法主要参数含义如下所示：

E：源光照环境强度；

E′：目标光照环境强度；

σ：色彩匹配函数；

ξ：源光照环境下的人眼视网膜细胞响应；

ξ′：目标光照环境下的人眼视网膜细胞响应；

α：人眼视锥细胞的光照适应函数；

β：人眼视杆细胞的光照适应函数；

a：人眼总视觉感知效果中人眼视锥细胞响应的权重函数；

b：人眼总视觉感知效果中人眼视杆细胞响应的权重函数。

2计算人眼视锥细胞和人眼视杆细胞的响应

鉴于源图像在明亮环境中取得，可认为在源光照环境中视觉系统的反应为明视觉，即源图像来自单纯的人眼视锥细胞响应。因此我们把源图像从红绿蓝(RGB)空间转换至色度亮度饱和度(LMS)空间以近似源光照环境下的人眼视锥细胞信号ξ_c＝[ξ_l，ξ_m，ξ_s]，其中ξ_c′为目标光照环境下的人眼视锥细胞的响应，ξ_l′，ξ_m′，ξ_s′分别为目标光照环境下的人眼视锥细胞在LMS空间内各通道内的响应，下标l，m，s表示各颜色通道。我们使用一个线性模型进行场景反射系数频谱的重建R(λ)：

$R\left(\mathrm{\λ}\right)=\underset{i=\{l,m,s\}}{\mathrm{\Σ}}\frac{{\mathrm{\ξ}}_i{B}_i\left(\mathrm{\λ}\right)}{I\left(\mathrm{\λ}\right)}---\left(1\right)$

其中ξ_i是人眼视锥细胞在颜色空间各通道内的响应。为B_i(λ)为重建基函数，对应源光照环境I(λ)为CIE D65白光的假设，我们选择LMS颜色系统的标准色彩匹配函数作为方法默认的重建基函数B_i(λ)。

那么在目标光照环境I′λ)中，新的人眼视锥细胞响应ξ_c′为：

${{\mathrm{\ξ}}^{\′}}_c={\∫}_{{\mathrm{\λ}}_{\min }}^{{\mathrm{\λ}}_{\max }}R\left(\mathrm{\λ}\right)I^{\′}\left(\mathrm{\λ}\right){{\mathrm{\σ}}^{\′}}_c\left(\mathrm{\λ}\right)\mathrm{d\λ}---\left(2\right)$

其中λ为波长，人眼视觉系统的可见光范围为[λ_min，λ_max]。由于人眼视锥细胞与人眼视杆细胞的光效率频谱不同，不同光照强度下人眼视觉系统的光效率频谱也不同，应随光照强度E的变化对色彩匹配函数σ进行修正。

定义目标光照环境下新的色彩匹配函数为 ${{\mathrm{\σ}}^{\′}}_c\left(\mathrm{\λ}\right)=\frac{\mathrm{\α}\left(E^{\′}\right)}{\mathrm{\α}\left(E\right)}{\mathrm{\σ}}_c\left(\mathrm{\λ}\right),$ 其中σ_c为人眼视锥细胞响应的色彩匹配函数，光照适应函数α为在不同光照强度下人眼视锥细胞的光效率频谱，在前人工作中已有相应的实验测量数据。

人眼视杆细胞信号的校正与人眼视锥细胞信号的校正类似，仅需使用人眼视杆细胞相应的色彩匹配函数σ_r代替式(2)中的σ_c，即可计算目标光照环境下的人眼视杆细胞信号ξ′_r：

${{\mathrm{\ξ}}^{\′}}_r={\∫}_{{\mathrm{\λ}}_{\min }}^{{\mathrm{\λ}}_{\max }}R\left(\mathrm{\λ}\right)I^{\′}\left(\mathrm{\λ}\right){{\mathrm{\σ}}^{\′}}_r\left(\mathrm{\λ}\right)\mathrm{d\λ}---\left(3\right)$

其中 ${{\mathrm{\σ}}^{\′}}_r\left(\mathrm{\λ}\right)=\frac{\mathrm{\β}\left(E^{\′}\right)}{\mathrm{\β}\left(E\right)}{\mathrm{\σ}}_r\left(\mathrm{\λ}\right)$ 是根据人眼视杆细胞的性质进行修正后的色彩匹配函数，人眼视杆细胞的光照适应函数β同样来自实验测量数据。

3视觉光照适应

总视觉感知效果ξ′是人眼视锥细胞和人眼视杆细胞协同作用的结果。将人眼视杆细胞的响应ξ_r′视为对LMS空间中各通道的一个加性信号，则总视觉响应ξ′可定义为：

${\mathrm{\ξ}}^{\′}=\left[\begin{array}{ccc}{a}_{\mathrm{ll}}& a_{\mathrm{ml}}& a_{\mathrm{sl}}\\ a_{\mathrm{lm}}& a_{\mathrm{mm}}& a_{\mathrm{sm}}\\ a_{\mathrm{ls}}& a_{\mathrm{ms}}& a_{\mathrm{ss}}\end{array}\right]\left[\begin{array}{c}{\mathrm{\ξ}}_l^{\′}\\ {\mathrm{\ξ}}_m^{\′}\\ {\mathrm{\ξ}}_s^{\′}\end{array}\right]+\left[\begin{array}{c}{b}_l\\ b_m\\ b_s\end{array}\right]\left[{\mathrm{\ξ}}_r^{\′}\right]---\left(4\right)$

其中，a_ll表示l和l通道间的响应权重函数，a_ml表示m和l通道间的响应权重函数，a_sl表示s和l通道间的响应权重函数，a_lm表示l和m通道间的响应权重函数，a_mm表示m和m通道间的响应权重函数，a_sm表示s和m通道间的响应权重函数，a_ls表示l和s通道间的响应权重函数，a_ms表示m和s通道间的响应权重函数，a_ss表示s和s通道间的响应权重函数；ξ_l′，ξ_m′，ξ_s′分别为目标光照环境下的人眼视锥细胞在LMS空间内各通道内的响应，ξ_r′为目标光照环境下的人眼视杆细胞的响应；a为人眼总视觉感知效果中人眼视锥细胞响应在LMS空间内各通道中以及不同通道间的响应权重函数，反映了L、M、S三种不同类型人眼视锥细胞L、M、S之间的交感作用；b是人眼总视觉感知效果中人眼视杆细胞响应在LMS空间内各通道中的响应权重函数，反映了人眼视杆细胞对视觉响应不同通道的影响，脚标表示空间内各通道。假定不同类型的人眼视锥细胞之间的没有交感作用，并认为人眼视杆细胞信号对整体视觉响应中各通道的影响均一致，则式(4)可简化为：

${\mathrm{\ξ}}^{\′}=\left[\begin{array}{ccc}{a}_{\mathrm{ll}}& 0& 0\\ 0& a_{\mathrm{mm}}& 0\\ 0& 0& a_{\mathrm{ss}}\end{array}\right]\left[\begin{array}{c}{\mathrm{\ξ}}_l^{\′}\\ {\mathrm{\ξ}}_m^{\′}\\ {\mathrm{\ξ}}_s^{\′}\end{array}\right]+\left[\begin{array}{c}b\\ b\\ b\end{array}\right]\left[{\mathrm{\ξ}}_r^{\′}\right]---\left(5\right)$

由于色彩匹配函数σ中已经对各通道信号进行了强度归一化处理，此处无需再重复进行，因此式(5)可进一步简化

${\mathrm{\ξ}}^{\′}=a{\mathrm{\ξ}}_c^{\′}+b{\mathrm{\ξ}}_r^{\′}---\left(6\right)$

其中函数a和b随光照环境的强度变化，分别反映了人眼视锥细胞和人眼视杆细胞在总视觉感知效果中所占权重。

目标光照环境下的人眼视觉信号可通过式(4)、式(5)和式(6)计算，而后从LMS空间转换回RGB空间，输出为结果图像。本方法的人眼视觉光照适应仿真结果与采用相同实验数据的Shin等提出的方法(Shin J，Matsuki N，Yaguchi H，et al.A Color Appearance ModelApplicable in Mesopic Vision.Optical Review，2004，11(4)：272-278.)的仿真结果的比较如图2a源图像，图2b本发明的结果，图2c Shin等的结果所示。比较图2b中的结果图像与图2a中的源图像，可观察到饱和度减退和普尔金耶现象(即蓝色调物体保持了较高的亮度)。与图2c中Shin等的结果相比，我们的结果具有更高的真实感。这是由于本发明方法选择了通过重建反射系数来计算人眼视杆信号而非直接根据源图像的三刺激值拟合，具有更高的科学性。需要注意的是，重建反射系数涉及到源光照环境的频谱，若使用的数据与源图像的实际情况不符可能导致视觉适应仿真结果的误差。

4针对空间分辨率与强度分辨率的处理

在暗环境中，人眼视觉系统的空间分辨率和强度分辨率都会随光强的减弱而降低，在实际观察效果方面，这会导致视觉感受结果的细节损失。但这一细节损失与Gaussian滤波器生成的模糊效果并不相同，而是呈现为一种非均一的模糊：尽管小细节不再可分辨，但较强的边缘仍保持为锐利的。

在本发明方法中，为模拟视锐度的在不同光强下的适应效果，使用了双边滤波器(bilateral filter)，其处理速度大大高于非均一扩散(anisotropic diffusion)方法。双边滤波器是一种非线性滤波器，它既具有一个空间核函数，还具有一个强度核函数。仅有同时在空间上和强度上靠近滤波中心的像素才能够保持它们的原始强度。对于像素p，经双边滤波器处理后的强度值I_p′为：

$I_p^{\′}=\frac{1}{k\left(p\right)}\underset{n\∈\mathrm{\Ω}}{\mathrm{\Σ}}f(n-p)g(I_n-I_p)I_n---\left(7\right)$

其中Ω为像素p的邻域，I_p和I_n分别为像素p和像素n处的强度值，f为空间滤波核函数，g为强度滤波核函数，

k(p)＝∑_m∈Ωf(n-p)g(I_n-I_p)为归一项。

在实际实现时，我们使用快速双边滤波器(Durand F，Dorsey J.FastBilateral Filtering for the Display of High Dynamic Range Images.ACMTransactions on Graphics，2002，21(3)：257-266.)。我们使用两个高斯窗函数f(N_f，σ_f)和g(N_g，σ_g)作为滤波核函数，N为窗口大小，σ为衰减速度。空间滤波核函数f的窗口大小N_f体现了观察者在源图像中的视场大小，是一个与源图像的焦距D_f成正比的常数。当D_f不可知时，设定N_f＝min(图像宽度，图像高度)/16。定义f的衰减速度σ_f为：

${\mathrm{\σ}}_f=\frac{1}{\log E^{\′}+10},$

体现了光照环境的影响。对于强度滤波核函数g，其窗口大小N_g＝max_n∈Ω‖I_p-I_n‖为局部强度的动态范围。定义其衰减速度σ_g为：

${\mathrm{\σ}}_g\∝\frac{\mathrm{\ΔL}}{L},$

与最低分辨率和当前分辨率L之差ΔL成正比。考虑到由于月光的存在，夜晚环境的光照强度通常不会低至极暗的范围。根据韦伯定律，默认σ_g＝0.2。

本发明方法的结果与普通高斯滤波的结果比较如图3a-图3c所示。图3a为滤波前的源图像，图3c为普通高斯滤波器的结果，图3b为使用本方法配置的双边滤波器的处理结果。

实验结果与结论

本发明方法的结果如图4a、图4b和图4c所示，图中左栏为源图像，中栏及右栏为本发明方法合成的不同强度的光照环境下视觉感受效果。本发明方法的计算时间随源图像的分辨率而定，处理一幅分辨率为640×480的图像需耗时约12秒(这里提到的计算时间未统计使用基函数优化技术减小频谱重建误差所耗费的时间。此项优化的计算时间与源图像的色彩数量有关)。

本发明方法的一个局限是我们没有对天空这一常见的明亮环境的光源之一进行特殊处理。如果用户输入的源图像中含有大面积的天空，则可能在合成结果中造成不自然的视觉效果。加入天空检测的预处理步骤可解决此问题。我们使用一个高斯权重改变天空区域在合成结果中的亮度和颜色，使合成结果更为符合实际的感知效果。一个加入对天空的特殊处理的例子如图5a滤波前、图5b未经处理的结果和图5c经处理的结果所示。为了进一步提高合成结果的逼真度，对于源图像中的阴影和高光区域也应予以特殊处理。

以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (8)

1.一种暗环境下人眼视觉系统感知效果的合成方法，其特征在于，将输入的正常日照条件下的源图像自动处理为目标夜晚光照效果的步骤包括：

步骤1：计算人眼视觉系统在源光照环境下的响应，根据输入的源图像重建源图像的颜色频谱数据；

步骤2：根据人眼视锥细胞和视杆细胞的特性，计算人眼视觉系统在目标光照环境中的响应，对频谱数据进行颜色调节，生成中间结果图像；

步骤3：根据视锐度函数计算人眼视觉系统在目标光照环境中的响应，对中间结果图像进行锐度调节，生成目标光照环境下的视觉效果图像；

步骤4：对视觉效果图像根据其图像内容进行后处理，输出最终结果图像。

2.按权利要求1所述的方法，其特征在于，所述重建源图像的颜色频谱是使用一个线性模型重建源图像的场景反射系数频谱，并选择颜色空间系统的标准色彩匹配函数作为重建基函数；正常色觉来源于视网膜内锥体细胞上的三种类型的光接收器对色光的不同吸收能力的比较；将任意一个颜色刺激按照在这三种类型光接收器上的接收比例建立一个三维颜色空间。

3.按权利要求1所述的方法，其特征在于，所述计算人眼视觉系统在目标光照环境中的响应ξ′是使用加性系统：

${\mathrm{\ξ}}^{\′}=\left[\begin{array}{ccc}{a}_{\mathrm{ll}}& a_{\mathrm{ml}}& a_{\mathrm{sl}}\\ a_{\mathrm{lm}}& a_{\mathrm{mm}}& a_{\mathrm{sm}}\\ a_{\mathrm{ls}}& a_{\mathrm{ms}}& a_{\mathrm{ss}}\end{array}\right]\left[\begin{array}{c}{\mathrm{\ξ}}_l^{\′}\\ {\mathrm{\ξ}}_m^{\′}\\ {\mathrm{\ξ}}_s^{\′}\end{array}\right]+\left[\begin{array}{c}{b}_l\\ b_m\\ b_s\end{array}\right]\left[{\mathrm{\ξ}}_r^{\′}\right],$

计算人眼视觉系统在目标光照环境下的响应，ξ′为目标光照环境下的人眼视觉系统响应，ξ_l′，ξ_m′，ξ_s′分别为目标光照环境下的人眼视锥细胞在三维颜色空间内各通道内的响应，ξr′为目标光照环境下的人眼视杆细胞的响应；a为人眼总视觉感知效果中人眼视锥细胞响应在颜色空间内各通道中以及不同通道间的响应权重函数，a_ll表示l和l通道间的响应权重函数，a_ml表示m和l通道间的响应权重函数，a_sl表示s和l通道间的响应权重函数，a_lm表示l和m通道间的响应权重函数，a_mm表示m和m通道间的响应权重函数，a_sm表示s和m通道间的响应权重函数，a_ls表示l和s通道间的响应权重函数，a_ms表示m和s通道间的响应权重函数，a_ss表示s和s通道间的响应权重函数；b是人眼总视觉感知效果中人眼视杆细胞响应在颜色空间内各通道中的响应权重函数。

4.按权利要求1所述的方法，其特征在于，所述计算人眼视觉系统在目标光照环境中的响应使用简化的加性系统：

ξ′＝aξ_c′+bξ_r′，近似计算人眼视觉系统在目标光照环境下的响应，其中ξ′为目标光照环境下的人眼视觉系统响应，ξ_c′为目标光照环境下的人眼视锥细胞的响应，ξ_r′为目标光照环境下的人眼视杆细胞的响应；响应权重函数a和响应权重函数b随光照环境的强度变化，分别反映了人眼视锥细胞和人眼视杆细胞在总视觉感知效果中所占权重。

5.按权利要求1所述的方法，其特征在于，所述颜色调节是使用在不同光照强度下人眼视觉系统的光效率频谱的实验测量数据作为光照适应函数，随光照强度的变化对色彩匹配函数进行修正，以反映不同光照强度下人眼视觉系统的光效率频谱的不同。

6.按权利要求1所述的方法，其特征在于，所述锐度调节是使用双边滤波器对中间结果图像进行非均一模糊，制造目标光照环境下的锐度损失效果。

7.按权利要求1所述的方法，其特征在于，所述后处理是对源图像中的天空、阴影和高光区域进行处理，使用一个局部高斯函数改变相应区域在合成结果中的值，提高合成结果的逼真度。

8.按权利要求1所述的方法，其特征在于，还包括目标夜晚光照效果的图像处理方法是通过使用其他光照环境作为目标光照条件，生成不限于夜晚环境的其他光照环境下人眼视觉系统感知效果的合成。

Images