CN104363445A - 基于关注区域的图像亮度jnd值测定方法、预测方法 - Google Patents

Abstract

本发明公开了基于关注区域的图像亮度JND（JustNoticeableDifference：恰可察觉差）值测定方法。本发明方法首先将原始图像转换到xyY空间，对分量Y按照不同的压缩系数分别进行线性压缩，降低原图像的亮度得到一组测试图像；然后进行视觉感知实验，找出至少一幅测试图作为JND临界图像；接着根据原始图像的关注区域二值化图像，计算出基于关注区域的图像亮度JND值。本发明还公开了基于关注区域的图像亮度JND值预测方法，以0.26作为图像的基于关注区域的图像亮度JND预测值。本发明可以定量评价改进显示器参数、尤其是针对亮度及对比度的参数设计时人眼所能察觉的对图像亮度的影响，从而对显示技术的设计、研究提供依据。

Description

基于关注区域的图像亮度JND值测定方法、预测方法

技术领域

本发明涉及图像亮度JND（Just Noticeable Difference：恰可察觉差）值测定方法，尤其涉及一种基于关注区域的图像亮度JND值测定方法。

背景技术

在信息时代，显示技术提供了一种友好的人机交互途径。市场调研表明显示图像质量是终端用户选购显示设备的重要决定因素之一。由于所有显示信息均是通过人眼被观察者观测到的，对于不同的环境和用途，人们对图像质量的评判也是不同的。因此对显示图像质量评价必须考虑人的因素。而主观评价方法尽管能较好地反映出图像的直观质量，但在工程应用中费时、费力，甚至有些情况下根本无法采用，如实时图像传输等领域。随着图像信息技术的迅速发展，人们希望能够用客观的、稳定的数学模型来表达图像质量，因此一些基于视觉特性的质量评价方法应运而生。

新的技术、新的应用场合都可能改变观察者对显示图像质量的评价。为此，Engeldrum引入了“图像质量环”模型，将消费者关注的图像显示质量与显示系统技术参数通过一些中间步骤联系起来。消费者对图像质量的主观感受是观察到的图像质量各属性的加权之和。这些图像质量属性包括清晰度，色彩丰富度，亮度，图像均一性等被观察者无意识评价的特性。然后建立主观图像质量属性与图像物理特性的联系。这些图像物理特性包括可以由测量仪器测得的光学和电学特性，如输出亮度、色域大小、显示白场、伽马值、噪声水平等。最终，通过深入了解显示物理原理，这些图像物理特性可以与显示系统的技术参数间建立联系。

基于该模型，专利[一种基于视觉特性的图像质量评价,授权公告号CN 102629379 B]首先测定图像主要属性的JND（Just Noticeable Difference：刚辨差），而后以JND为单位改变不同图像属性，研究其对终端主观图像质量的影响。该方法所面临的问题是：自然图像内容较复杂，而人眼视觉是一个很复杂的过程，JND又是非常小的差异，容易受到关注区域等诸多因素影响。只有充分理解人眼视觉特性，尤其是在给定观测任务下的重要视觉特性，才能建立较稳定的图像质量模型。

现有亮度JND测定技术难以适用于任意自然图像，例如，DICOM[Digital Imaging and Communications in Medicine (DICOM), Standard-PS 3.14-2003 [S], Part 14: Grayscale Standard Display Function, (2003), p21-27]标准发布了不同亮度条件下人眼对亮度变化的感知阈值，但其是在严格的观测条件下进行，并且采用的是均匀色块的测试图，而非自然图像。夏军等[主观图像质量影响因素的人眼可察觉变化步长（Just-noticeable-difference of influential factors of subjective images quality），夏军,秦少玲,刘璐,尹涵春,东南大学学报(自然科学版)，36(5)，2006，p695-699]对亮度的JND也做过初步研究，仅选用了两幅自然图像，且采用的试验方法为成对比较法，仅能给出亮度JND的粗略区间值。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种基于关注区域的图像亮度JND值测定方法，在进行JND值测定时充分考虑到关注区域的影响，为定量评价人眼所能察觉的对图像亮度的影响提供了一条全新的途径。

本发明具体采用以下技术方案解决上述技术问题：

基于关注区域的图像亮度JND值测定方法，包括以下步骤：

步骤A、按照以下方法对原始图像进行处理，得到测试图像：

步骤A1、通过伽马校正将原始图像转换至线性空间；

步骤A2、将步骤A1处理后的图像由RGB空间经XYZ空间转换到xyY空间；

步骤A3、在xyY空间中，保持其它分量不变，将分量Y按照一组在0.687-1之间分布的不同的压缩系数分别进行线性压缩；

步骤A4、将线性压缩后的一系列图像由xyY空间转换回RGB空间，得到一组具有不同压缩系数的测试图像；

步骤B、利用所述一组具有不同压缩系数的测试图像进行视觉感知实验，找出至少一幅测试图像作为JND临界图像；同时，根据视觉感知实验的被试对JND临界图像的关注区域，建立一个与JND临界图像等大小的新的二值化图像，将其中关注区域像素赋值为1，其余区域像素赋值为0，得到该被试的关注区域二值化图像；

步骤C、对不同的视觉感知实验的被试重复步骤B；

步骤D、根据显示器的伽马曲线，按照下式计算该原始图像的图像亮度JND值：

                                                 

其中，M、N分别为原始图像的行数、列数，NUM为参加视觉感知的被试总数，为原始图像的第i行第j列像素的实际显示亮度，为各JND临界图像的第i行第j列像素的实际显示亮度平均值，为第n位被试的关注区域二值化图像中第i行第j列像素的值。

所述一组在0.687-1之间分布的不同的压缩系数，可以线性分布也可以非线性分布，为了保证不同测试图像的相同位置像素之间的差异，本发明优选按照以下公式取值：

，式中，表示压缩系数，为显示器的伽马值，为从1到49等间隔分布的一组值。优选地，为从1到49以1为间隔的等间隔分布的一组值。

优选地，所述视觉感知实验使用阶梯法结合二项迫选法。

本发明进一步利用上述方法对大量不同内容的原始图像进行亮度的JND值测定，并以所得到的亮度JND值作为因变量，以图像内容为自变量，被试为随机变量，做方差分析。结果表明图像内容对基于关注区域的亮度JND值的影响不显著，不同内容的图像测得的图像亮度JND值约为0.26，根据该规律可得到本发明基于关注区域的图像亮度JND值预测方法：即以0.26作为图像的基于关注区域的图像亮度JND预测值。从而可在进行显示技术的设计研究过程中直接采用该JND值，大幅节约人力及时间成本。

本发明克服了对显示器亮度及对比度相关参数进行改进时无法定量评估其对图像显示质量影响的不足，本发明基于关注区域的图像亮度JND值测定方法，可以定量评价改进显示器参数时人眼所能察觉的对图像亮度的影响，从而对显示技术的设计、研究提供依据，并且为JND值测定指出了一个新的方向。

附图说明

图1为生成测试图像的过程示意图；

图2为调整测试图像亮度示意图；

图3为本发明基于关注区域的图像亮度JND测定均值及其95%置信区间。

具体实施方式

下面结合附图对本发明的技术方案进行详细说明：

本发明基于关注区域的图像亮度JND值测定方法，包括以下步骤：

步骤A、按照以下方法对原始图像进行处理，得到测试图像：

步骤A1、通过伽马校正将原始图像转换至线性空间，本具体实施方式中γ=2.2；

步骤A2、将步骤A1处理后的图像由RGB空间转换到XYZ空间；

RGB空间到XYZ空间的转换为现有技术，其转换公式如下：

                                          (1)

其中，

 (Xr，Yr，Zr) ，(Xg，Yg，Zg) 和 (Xb，Yb，Zb)分别是红绿蓝三基色在XYZ空间的坐标，(Xw,Yw,Zw)是白场点在XYZ空间的坐标；

从XYZ空间转换到xyY空间，其中Y分量无需重新计算，x，y分量根据式（2）求得：

               x=X/(X+Y+Z), y=Y/(X+Y+Z)                          (2)

步骤A3、在xyY空间中，保持其它分量不变，将分量Y按照一组在0.687-1之间分布的不同的压缩系数分别进行线性压缩；

对原始图像的每个像素进行线性压缩，从而实现图像的亮度调整，调整幅度由线性压缩的压缩系数决定；线性压缩的表达式如式（2）所示，其中Y_i表示线性压缩后的Y分量，Y₀为原始图像的Y分量，为压缩系数，

                     Y_i=Y₀                                      （3）

本具体实施方式中，为了保证不同测试图像的相同位置像素之间的差异大于等于灰度1，取值为非线性分布，，为显示器的伽马值，β取值方式为从1-49，以1为间隔的等间隔分布；

步骤A4、将线性压缩后的一系列图像由XYZ空间转换回RGB空间，得到一组具有不同压缩系数的测试图像。

上述生成测试图像的过程如图1所示。其中图像的亮度调整过程如图2所示。

步骤B、利用所述一组具有不同压缩系数的测试图像进行视觉感知实验，找出至少一幅测试图像作为JND临界图像；同时，根据视觉感知实验的被试对JND临界图像的关注区域，建立一个与JND临界图像等大小的新的二值化图像，将其中关注区域像素赋值为1，其余区域像素赋值为0，得到该被试的关注区域二值化图像；

在进行JND研究时，需要利用基于心理物理学方法的视觉感知实验确定JND临界图像，本发明优选采用最常用的阶梯法结合二项迫选法，该方法的基本过程如下：

将测试图与原图同时并排显示在屏幕上，由被试判定能否察觉测试图与原图亮度间的区别；每次在显示器上同时显示两幅图像，一幅为参考图（即原图），另一幅为测试图。根据二项迫选法的规定，被试需要在两幅图中选出其认为哪幅图较暗。起初，测试图与参考图间亮度差别很大，被试可以很容易将二者区分开，即正确回答哪幅图较暗。如果被试回答正确，则下幅测试图与参考图间差别将被减小。被试一旦回答错误，就增加测试图与参考图间的亮度差别。本具体实施方式中采用以下实验方法：

每次在显示器上同时显示两幅图像，一幅为原始图像，另一幅为测试图，由被试在两幅图中选出其认为哪幅图较暗；如果被试选择正确，则更换压缩系数较小的测试图；被试一旦选择错误，则更换压缩系数较大的测试图；重复上述过程；其中，实验起始变化步长是8，经过2个拐点后步长减半为4，再经过4个拐点，步长变为2，再经过6个拐点后，变化步长减为1；当步长为1时的拐点总数达到6时停止；最后6个拐点所对应的测试图即为JND临界图像。

    对于所确定的JND临界图像，从其中找出当前被试主观上的关注区域，然后根据所找出的关注区域建立一个与原始图像及临界图像等大小的二值化图像，将其中关注区域像素赋值为1，其余区域像素赋值为0，得到该被试的关注区域二值化图像。

步骤C、对不同的视觉感知实验的被试重复步骤B。

步骤D、根据显示器的伽马曲线，计算该原始图像的图像亮度JND值；

    通过测试所使用显示器的伽马曲线，可以得到每一灰度值所对应的在该显示器上的实际显示亮度。假设原始图像的像素为M×N，被试总人数为NUM，为原始图像的第i行第j列像素的实际显示亮度，为各JND临界图像的第i行第j列像素的实际显示亮度平均值，为第n位被试的关注区域二值化图像中第i行第j列像素的值，则可通过下式计算出原始图像的图像亮度JND值：

                                                 （4）

本发明进一步利用上述方法对大量不同内容的原始图像进行亮度的JND值测定，并以所得到的基于关注区域的图像亮度JND值作为因变量，以图像内容为自变量，被试为随机变量，做方差分析。结果表明图像内容对亮度的JND值影响不显著，本发明所提供的方法测得不同内容图像的图像亮度的JND值约为0.26。因此可直接以0.26作为图像的基于关注区域的图像亮度JND预测值。从而可在进行显示技术的设计研究过程中直接采用该JND值，大幅节约人力及时间成本。

为了验证本发明图像亮度JND值测定方法的效果，进行以下实验：

采用Philips 19英寸的LCD监视器，显示器的白场被调整至D65，显示屏峰值亮度为264 cd/m²，亮度为0.33 cd/m²。过程中观测距离为4倍的屏幕高度，大约1.2m。测试房间环境光设置为屏前垂直方向20 lx，显示屏后方照度大约为10-20lx，接近家用电视的实际环境光设置。考虑到图像内容对图像亮度的JND可能存在影响，所用测试图像具有一定的代表性，既包括亮度分布不同的图像，也包括肤色、植物、动物等内容。采用本发明方法进行图像亮度JND值的测定。参与实验的被试人数为20，年龄介于22~70岁之间，其中男性和女性各10人。实验测得不同内容图像的亮度JND均值约为0.26，方差约为0.13，其值及95%置信区间如图3所示。对图像亮度的JND均值做方差分析，其中图像内容为自变量，被试为随机变量，结果表明图像内容的影响不显著（显著性=0.50>0.05）。

Claims (5)

1.基于关注区域的图像亮度JND值测定方法，其特征在于，包括以下步骤：

步骤A、按照以下方法对原始图像进行处理，得到测试图像：

步骤A1、通过伽马校正将原始图像转换至线性空间；

步骤A2、将步骤A1处理后的图像由RGB空间经XYZ空间转换到xyY空间；

步骤A3、在xyY空间中，保持其它分量不变，将分量Y按照一组在0.687-1之间分布的不同的压缩系数分别进行线性压缩；

步骤A4、将线性压缩后的一系列图像由xyY空间转换回RGB空间，得到一组具有不同压缩系数的测试图像；

步骤B、利用所述一组具有不同压缩系数的测试图像进行视觉感知实验，找出至少一幅测试图像作为JND临界图像；同时，根据视觉感知实验的被试对JND临界图像的关注区域，建立一个与JND临界图像等大小的新的二值化图像，将其中关注区域像素赋值为1，其余区域像素赋值为0，得到该被试的关注区域二值化图像；

步骤C、对不同的视觉感知实验的被试重复步骤B；

步骤D、根据显示器的伽马曲线，按照下式计算该原始图像的图像亮度JND值：

                                                

其中，M、N分别为原始图像的行数、列数，NUM为参加视觉感知的被试总数，为原始图像的第i行第j列像素的实际显示亮度，为各JND临界图像的第i行第j列像素的实际显示亮度平均值，为第n位被试的关注区域二值化图像中第i行第j列像素的值。

2.如权利要求1所述基于关注区域的图像亮度JND值测定方法，其特征在于，所述一组在0.687-1之间分布的不同的压缩系数，按照以下公式取值：

，

式中，表示压缩系数，为显示器的伽马值，为从1到49等间隔分布的一组值。

3.如权利要求2所述基于关注区域的图像亮度JND值测定方法，其特征在于，为从1到49，以1为间隔等间隔分布的一组值。

4.如权利要求1所述基于关注区域的图像亮度JND值测定方法，其特征在于，所述视觉感知实验使用阶梯法结合二项迫选法。

5.基于关注区域的图像亮度JND值预测方法，其特征在于，以0.26作为图像的基于关注区域的图像亮度JND值预测值。