论文部分内容阅读
随着各种显示媒体技术的发展,彩色数字图像在人们工作和生活中的应用也越来越广,因此彩色数字图像色差评价显得日趋重要。但是,由于彩色数字图像是由大量不同颜色的像素点组成的,是不均匀的复杂颜色样本,难以用测色仪器直接测量,也比均匀的颜色样品计算复杂,所以一直是颜色科学与影像技术领域的研究难点。本文针对图貌模型iCAM框架在图像色差评价方面的应用展开研究。阶段Ⅰ的研究首先通过类别判定的心理物理学实验方法测试验证了CIELAB、 CIEDE2000、S-CIELAB、S-CIEDE2000、CAM02-UCS和iCAM这6种色差公式及模型在图像色差评价方面的性能,并通过视觉数据分析了影响图像色差评价的参量,并讨论了明度、彩度、色调、分辨率和锐度之间的关系。研究结果表明,基于图貌模型的iCAM框架对于图像色差的预测精度最高,其次是S-CIELAB,而CAM02-UCS在图像色差评价方面的应用表现最差。阶段Ⅱ的研究分为图像阈值色差研究和阈上色差研究两个部分。阈值色差研究是通过心理物理学实验获得观察者对图像的明度、彩度、色调和锐度参量的可感知色差阈值和可接受色差阈值。然后,将阈值色差图像作为参考,应用到基于量值估计法的阈上色差评价实验中,对iCAM框架的图像色差评价性能展开阈上水平的研究。阈值色差实验的研究结果显示,观察者对于图像色差的可感知色差阈值和可接受色差阈值平均分别为1.85△E*ab和3.63△E*ab,基本呈两倍关系。同时,观察者对明度参量的视觉可感知色差阈值及可接受色差阈值均高于彩度和色调等参量。阈上色差实验的观察者精度比阶段Ⅰ有所提高,iCAM框架对于彩色数字图像阈上色差的评价性能也有优势。但是,对于阈值水平的小色差数据,iCAM框架的计算色差小于视觉感知色差；对于阈上大色差数据,iCAM框架的计算色差大于视觉感知色差。最后,对本文研究的主要内容和结论进行了总结,并对将来进一步的研究和探索做出了展望。