移动手机相机噪声感知校准的客观指标开发

"本文主要介绍了针对移动电话相机噪声的感知校准客观评估指标的开发。研究通过系统模拟模型创建了场景依赖的噪声掩模，模拟了当前手机摄像头的性能。实验包括不同总体噪声级别和不同红、绿、蓝、亮度噪声混合的刺激，并在十种不同的图景场景中进行了评估。二十名观察者使用软拷贝尺法参与评价。除了确定平均观察者和场景的可察觉质量损失函数（JNDs）外，还推导出了不同观察者敏感度和场景易感性的转换。这些心理物理学结果被用来优化基于系统噪声功率谱（NPS）的各向同性噪声的客观指标，该指标通过视觉频率加权函数对CIEL*a*b*空间中的感知相关方差和协方差进行积分。由于频率加权函数以视网膜上的周期每度表示，因此它考虑了显示像素大小和观看距离的影响，可以进行应用特定的预测。仅使用L*和a*的方差以及L*a*的协方差，相对权重分别为100、5和12，就得到了很好的结果。a*的正权重表明，对于预测感知噪声，亮度（光谱）加权在长波长侧稍窄。L*a*的协方差项，通常是负值，反映了L*和a*噪声之间的掩蔽效应，这在非正式评估中得到了确认。测试目标在线性sRGB和渲染的CIEL*a*b*空间中的每个处理都可以在http://www.aptina.com/ImArch/获取，以便其他研究人员可以测试他们自己的指标设计并将其校准到JNDs的质量损失，而无需进行额外的观察者实验。这种JND校准的噪声指标对于比较噪声和其他属性的影响以及计算整体图像质量特别有价值。" 本文探讨的核心知识点： 1. **噪声掩模**：在研究中，使用系统模拟模型创建了场景依赖的噪声掩模，以模拟实际手机摄像头的噪声表现。这有助于理解不同场景下噪声对图像质量的影响。 2. **软拷贝尺法**：这是一种心理物理学评估方法，用于测量观察者对图像质量差异的感知，特别是噪声的可察觉程度。 3. **JNDs（Just Noticeable Differences）**：这是衡量图像质量损失的一个关键指标，表示人眼能察觉到的最小质量变化。在本研究中，JNDs被用来量化噪声对图像质量的影响。 4. **各向同性噪声与系统噪声功率谱（NPS）**：研究优化了一个基于NPS的客观噪声评估指标，考虑了噪声在不同方向上的分布。 5. **视觉频率加权函数**：该函数用于将噪声功率谱转换为感知相关的CIEL*a*b*空间中的方差和协方差，考虑了人眼视觉系统的特性，如像素大小和观看距离。 6. **CIEL*a*b*色彩空间**：这是一个广泛使用的色彩模型，用于描述人类视觉感知的颜色，其中L*代表亮度，a*和b*代表色度。 7. **L*a*协方差**：研究发现L*a*协方差对于预测感知噪声具有重要意义，它反映了不同颜色通道噪声之间的相互作用。 8. **应用特定预测**：通过考虑显示设备和观看条件，该方法能够为特定应用提供准确的噪声预测。 9. **指标校准**：提供的测试目标允许其他研究者校准他们的噪声指标，以匹配JNDs，无需额外的人体感知实验。 10. **图像质量综合评估**：JND校准的噪声指标对于全面评估图像质量，包括噪声与其他图像属性的比较，具有重要价值。