1 上海大学微电子研究与开发中心，上海 200072
2 上海大学机电工程与自动化学院，上海 200072
为解决高分辨率、高刷新率微显示器存在的传输数据量过大的问题，针对人眼视觉特性以及数字驱动硅基有机发光二极管（OLED）微显示器的扫描方式，提出基于非对称椭圆中心凹最小可觉差（JND）模型的位平面图像压缩算法，并针对该算法设计了相应的硅基微显示控制器，在现场可编程门阵列（FPGA）平台上验证算法的可行性。实验结果表明，与当前其他JND模型相比，该模型更加符合人眼视觉特性，基于该模型的位平面图像压缩算法能够在不影响人眼主观感受的前提下，对图像进行较大程度的压缩，图像平均压缩率可以达到39.573%，能够有效降低微显示器中的传输数据带宽。
光学器件 视觉光学 微显示器 人眼视觉特性 非对称中心凹最小可觉差 数据传输 中国激光
2023, 50(19): 1909002
1 南京工程学院 计算机工程学院江苏南京267
2 西安交通大学 信息与通信工程学院陕西西安710049
通过分析和研究视频内容特征、编解码失真特征和传输时延特征对视频质量评价的影响，结合人眼视觉特性及其数学模型，提出了一种综合考虑传输和编解码失真的基于内容感知的无参考视频质量评价方法，并构建其数学模型。在该方法中，首先采用视频帧图像纹理复杂性特征、图像的局部对比度、时域信息及其视觉感知来描述视频内容，构建其内容感知模型，并以此探讨视频内容及其视觉感知对视频质量的影响；然后，探讨比特率与视频质量之间的关系，构建其模型，研究视频比特率对其质量的影响；接着，结合视频传输时延特征，构建了由于传输时延失真而产生的视频质量下降的质量评价模型；最后，采用凸优化方法综合3个方面的模型，提出了一种综合考虑视频内容、编解码失真、传输时延失真和视觉特性的无参考视频质量评价模型。并采用多个建立的视频数据库和开源数据库中的数据和视频进行了测试验证，并与17种现有视频质量评价模型进行了性能对比；结果表明，所提模型的精度Pearson相关系数和Spearman秩序相关系数值最小分别能够达到0.877 3和0.833 6，最大可以实现0.938 3和0.943 8，表现出了较好的泛化性能，且复杂度比较低。综合模型精度、泛化性能、复杂性3个方面的性能参数表明，所提模型是一个性能比较优异的视频质量评价模型。
视频质量评价 人类视觉特性 视频内容 亮度和色度 传输时延 Video Quality Assessment（VQA） human visual system characteristics video contents luminance and chrominance transmission delay 光学 精密工程
2022, 30(22): 2923
1 上海大学微电子研究与开发中心, 上海 200072
2 上海大学机电工程与自动化学院, 上海 200072
传统的二维JND(Just Noticeable Difference)模型只能估计平面图像的最小可觉差,并不完全适用于虚拟立体视觉下的大视场角图像。首先根据人眼视觉特性,对亮度、对比度、中心凹和立体深度4种掩蔽特性设计相应的双目观测实验,通过实验数据建立JND数学模型并将其与当前其他JND模型进行对比,结果表明该模型在同等感知质量下可以去除更多的视觉冗余。然后将该视觉感知冗余模型应用于图像压缩,为此提出一种多重色阶压缩算法,该算法根据人眼色差阈值对图像的不同区域进行不同等级的色阶量化,量化过程结合Floyd-Steinberg误差分散算法可以去除视觉冗余数据。最后在FPGA(Field-Programmable Gate Array)硬件平台上完成算法的验证,结果表明该算法的平均比特压缩率可以达到61.65%,能够有效降低VR(Virtual Reality)图像所需的传输数据量。
图像处理 视觉光学 中心凹JND 人眼视觉特性 数据传输 微显示器 光学学报
2021, 41(12): 1210001
重庆邮电大学 通信与信息工程学院, 重庆 400065
针对回转窑表面的红外图像模糊, 图像细节不易分辨的问题, 提出一种基于视觉特性的回转窑表面红外热图像增强方法。该方法利用人眼在不同灰度级的分辨能力差异, 将回转窑表面的红外图像灰度映射到人眼易分辨区域, 从而提高人眼对图像细节的分辨能力。实验结果表明: 提出的方法能够凸显红外图像边缘, 及时反映窑内的高低温区域, 对避免异常高温引起的红窑事故、保障窑炉经济高效地运行具有重要意义。
回转窑 人眼视觉特性 图像增强 红外扫描测温系统 rotary kiln human visual characteristics image enhancement infrared scanning temperature measurement system
重庆邮电大学 信号与信息处理重庆市重点实验室, 重庆 400065
红外焦平面器件普遍存在着非均匀性问题, 对红外焦平面阵列（IRFPA）实施非均匀性校正对提高成像质量具有重要意义。传统的IRFPA多点校正算法存在运算量大、实时性能低、实用效果差等问题, 为此文章综合人眼视觉特性, 提出IRFPA非均匀性多点校正算法。人眼视觉对图像的灰度分辨能力是有阈值限制的, 利用这种分辨阈值可以对IRFPA的标定点进行有效压缩, 生成像元号-校正系数表, 然后通过查找系数表, 实现IRFPA的非均匀性实时压缩校正。实验证明, 提出的IRFPA非均匀性校正算法较传统的IRFPA非均匀性校正算法实时性能更好, 非均匀性降低了0.203%。
非均匀性校正 人眼视觉特性 多点校正 IRFPA IRFPA non-uniformity correction human visual characteristics multi-point correction DSP DSP
1 上海大学微电子研究与开发中心, 上海 200444
2 上海大学机电工程与自动化学院, 上海 200444
针对近眼显示系统存在数据传输带宽过高的问题,构建多尺度金字塔模型实现人眼视觉区域的多分辨率显示,将人眼视觉区域空间变化率的特性应用到数据传输的过程中;根据多尺度金字塔模型设计面向近眼显示系统的微显示控制器,实现了对视频图像的编解码处理,并在分辨率为1600×1600×3的全彩高清硅基有机发光二极管(OLED)微显示器上验证控制器的可行性。实验结果表明,基于多尺度金字塔的多分辨率图像传输算法符合人眼的直观感受,较好地去除了下采样过程中出现的边界线效应,有效降低了数据的传输带宽,能够满足近眼显示领域对微显示器实时渲染性能的要求。
光学器件 视觉光学 多尺度金字塔 人眼视觉特性 微显示器 数据传输 光学学报
2019, 39(12): 1223001
中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
针对图像质量数据库的主观评价方法存在失真等级少,缺少实验结果分析等问题,提出一种大样本图像质量主观评价方法。该方法基于双激励连续质量量表进行设计,使用简化的2级主观评价尺度评价,通过循环积分、最优选择和顺序调整获得样本图像的质量排序,并基于模糊聚类分析的思想将获得的图像次序的概率视为匹配程度,建立样本的模糊相似矩阵。通过指标规格化,建立模糊相似关系、等价关系以及分类、评分等步骤,最终确定图像质量得分。64级失真图像质量主观评价实验结果表明,图像质量得分能够准确反映可察觉差异的变化,主观评价结果的正确率达到94%,图像质量得分的标准差介于0~7,均值为3.08(百分制),远低于其他图像质量数据库的水平。所提方法具有较好的准确性和稳定性,适用于图像质量数据库的主观评价和人眼视觉特性研究。
成像系统 图像质量评价 主观评价 模糊聚类分析 可察觉差异 图像质量数据库 人眼视觉特性 激光与光电子学进展
2019, 56(13): 131103
南京航空航天大学机电学院, 江苏 南京 210016
立体匹配是计算机视觉领域研究的重点,大部分立体匹配方法都是将图像当作数字信息进行数学计算,缺少与实际人眼视觉特征的联系。结合人眼的同心圆拮抗式感受野以及符合人眼特性的HSI色彩空间模型对原自适应支持权重(ASW)算法的权重计算进行了改进,并通过左右一致性校验和中值滤波方法进行视差优化。在VS2010平台对几组国际标准图像进行测试,结果表明,相比原始ASW算法,该方法在低纹理区域、深度不连续区域的匹配精度都有所提高,根据测试图像的不同,提高程度在10%至20%不等,总体匹配精度和近年主流局部匹配方法相当。
图像处理 立体匹配 自适应支持权重 HSI色彩空间 视觉特性 激光与光电子学进展
2018, 55(3): 031013
1 中国科学院沈阳自动化研究所, 辽宁 沈阳 110016
2 中国科学院大学, 北京 100049
3 中国科学院光电信息处理重点实验室, 辽宁 沈阳 110016
4 中国科学院沈阳自动化研究所 机器人学国家重点实验室, 辽宁 沈阳 110016
针对现有的图像质量评价方法普遍为人工设计特征, 难以自动且有效提取到符合人类视觉系统的图像特征, 受人眼视觉特性的启发, 提出一种新的基于卷积神经网络的全参考图像质量评价方法(DeepFR)。该方法基于对数据集本身的学习设计了卷积神经网络DeepFR模型, 利用人眼视觉系统对梯度的敏感性进行加权优化, 提取了符合人眼视觉特性的视觉感知图。实验表明: 设计的DeepFR模型优于已有的全参考图像质量评价方法, 其预测结果与主观质量评价有很好的精确性与一致性。
图像质量评价 全参考 深度学习 卷积神经网络 人眼视觉特性 image quality assessment full-reference deep learning convolutional neural network human visual properties 红外与激光工程
2018, 47(7): 0703004
