JND模型适用性研究
改进的JND模型及其在图像编码中的应用

p re t a u l y h ma e o i g s h me b s d o h r p s d J r f e c n a h e e t e h g e o i g e ce c . e c pu l q a i .T e i g c d n c e a e n te p o o e ND p o l a c iv h i h r c d n f i n y t i i
F r emoe h po oe J p o l i p l d n ma e o ig ut r r,te rp sd ND rf e s h i a pi o i g c dn .Ex ei na rs l s o ta te rp sd e p rme tl eut h w h t h po oe mo e h s s d l a a
L U ig,W ANG n f“ ,W U I Jn Yo ga g Cufn " HANG Zh o a g i g,Z a ayna
(.Sh o o o mu i t n a d I omain E gneig n col f C m nc i n n r t n ier ; ao f o n b e a oaoy o da cd Dsl n ytm Api t n .K yL brtr A vne i a a d Ss p lai ,Miir d ct n h n h iU i rt,Sa g a 0 0 2 hn ) f py e c o ns yo E uai ,S a g a nv sy h nh i2 0 7,C ia t f o ei
【 关键词 】 N 模 型;C ; JD D T 人类视觉 系统 ; 像编码 图 【 中图分类号】T 99 1 N 1. 8 【 文献标识码】A
医疗大数据分析模型的研究与应用

医疗大数据分析模型的研究与应用近年来,随着医疗信息技术的发展和医疗大数据的不断积累,医疗大数据分析模型的研究已经成为了医疗领域一个重要的研究方向。
医疗大数据分析模型是指通过数据挖掘、机器学习、人工智能等技术手段,对医疗大数据进行处理和分析,从中提取有效的信息,并进行预测、判断和决策。
该模型的研究与应用,对于提高医疗质量、降低医疗成本、提高医疗效率具有重要的意义。
一、医疗大数据分析模型的研究1. 数据挖掘技术数据挖掘技术是指从大量数据中提取有价值的信息、知识和规律的技术手段。
它包括分类、聚类、关联规则挖掘、异常检测等多种方法。
在医疗领域中,数据挖掘技术可以帮助医生从大量的病历数据中找到某些疾病的规律和特点,以便更好地进行诊断和治疗。
2. 机器学习技术机器学习技术是指通过算法和模型来让计算机从数据中学习,建立数学模型,并利用这些模型来预测未来的结果。
在医疗领域中,机器学习技术可以帮助医生预测某个病人可能出现的疾病,以及对某种疾病的治疗效果。
3. 人工智能技术人工智能技术是指通过计算机模拟人类的智力思维过程,实现智能化的功能。
在医疗领域中,人工智能技术可以帮助医生进行自动化的诊断和治疗决策。
二、医疗大数据分析模型的应用1. 疾病预测利用医疗大数据分析模型,可以对某些常见疾病进行预测。
例如,通过数据挖掘技术,可以分析某些病人的病历数据,找到一些病人出现某种疾病的规律和特点,从而预测其他病人是否有可能出现这种疾病。
2. 治疗效果预测医疗大数据分析模型可以对某些疾病的治疗效果进行预测。
例如,机器学习技术可以分析某些病人的治疗数据,找到某些治疗方案的优势和劣势,从而为医生提供治疗决策的参考。
3. 定制化治疗医疗大数据分析模型可以帮助医生实现定制化治疗。
例如,通过数据挖掘技术,可以分析某些病人的病历数据和生物信息数据,从中找出某些个体化的治疗方案,以便更好地对病人进行个性化治疗。
4. 医学图像识别医学图像在诊断和治疗中起着重要的作用。
一种基于JNDI的分布式软件架构模型

由S UN公司提 供 的一种 标准的 Jv aa命名系统接 口。 它本 质
上 是 一 个 应 用 程 序 设 计 的 AP , 要 目 的是 向 开 发 人 员 提 供 I主
蔓 l 》
配 置
一
查找 和访 问各 种命 名和 目录服务 的通用 、 一 的接 口 统 。通 过 J D 提供 统一的客户 端 A I 由管理者 将 J I P 映射 N I P, ND I A 为特 定的命名 服务和 目录系 统 ,使 得 Jv 应 用程序 可 以和 aa 这些命名 服务和 目录服务之 间进 行交 互。
WE 服 务技术 、O 技术 [ 分布 式软件 架构技 术经历 了 一 B SA 2 ] 、 个 快 速 的 发 展 过 程 , 其 中 W B 服 务 技 术 和 S A 技 术 已经 E O
获得对 应资源 的类 的对象 , 即可使 用所获得 对象 实现 用户所
需要 的服务 。
从上文对 J DI N 的介绍可 知 , DI 能强大 ,提供 了众 J N 功 多 的技 术支持包 括 C R A, MI , O B R 等 且易 于架 构和实 现 , 很 适 合中小型 的分布式软 件架构 。与 W B服务 调整远程服 务 E 不 同 的是 ,N 获 得 的 是提 供 服 务 的 对 象 ,因 此 相对 于 J DI E W B服务 ,N 架 构的安全性 更高 。 J DI 3 .基 于 J D 的 分布式软件架 构模型及 其关键 技术 N J 3 1 模 型结构和工作 流程 . 基于 J NDI 的分 布式 软件 架构 及其 工 作流程 如 图 1 图 、
图 一
器
图 2 基 于 J D 的分 布 式软 件 工 作 流程 NI
JND培训资料

30度 下视
下视角30度 (眼睛在下往上看)
4、注意事项:
(1)、人员在切换Model判定时须要清楚了解此Model可用判定视角后才可判定JND值 (2)、在判定JND值时必须注意判定的角度,如果无法确定判定的视角是否在范围值内时,可用三 角判定器辅助判定。 (3)、如发现Mura时,必须要在可用视角范围内找到最明显的角度判定JND之后,给予适当的 Grade。(例如:0度~45度范围内为可用视角,30度最明显时,30度为最终判定。)
二、判定Pattern
1、在判定JND时必须要在固定的Mura检验阶调中,找出最严重的Pattern 下进行JND值得判定
2、在判定时不可自行升降阶调判,因为如此所得的JND值会因不同的阶调形 成JND值得差异。
3、同Mura在不同的画面所产生的差异示意图比较:
黑画面示意图(一)
灰画面示意图(二)
白画面示意图(二)
三、环境照度 1、除了Pattern及视角会影响JND值外,环境照度也是会造成误判的主要因 素之一,为了确保判定的公平公正性,请判定人员,在判定时一定要在规 定的几台及符合规定的环境照度下,进行JND值判定。 四、Defect发生位置:
1、一般Mura
2、Cell/B/L漏光/周边Mura
4、 Defect形状的考量与影响: 有形 无形
JND得知总结
Defect面积
Panel底色面积考量出差异
得知JND值
3、可用视角示意图:
部面示意图一: 平面示意图二: 上视角10度 (眼睛在上往下看) 10度 上视
Defect
Defect
0度 正视
左视角45度 (由左往右看)
右视角45度 (由右往左看)
JND值大
常用研究模型

常用研究模型研究模型是研究者在进行学术研究时所采用的一种框架或者理论,用于解决特定的问题。
研究模型有助于研究者系统地理解和分析问题,并提供有力的基础来生成研究假设和推断。
在本文中,我们将介绍几种常用的研究模型,以及它们在不同领域和研究主题中的应用。
一、SWOT分析模型SWOT分析模型是一种常用的管理工具,用于评估一个组织的内外部环境,并帮助制定相应的战略。
SWOT代表Strengths(优势)、Weaknesses(劣势)、Opportunities(机会)和Threats(威胁)。
通过分析组织的优势和劣势以及外部环境的机会和威胁,可以制定出具体的战略方案。
SWOT分析模型通常以一个四分格图展示,将内部环境的优势和劣势放在左侧,外部环境的机会和威胁放在右侧。
通过将这些因素对应起来,可以帮助组织找到自己的核心竞争力,抓住机会,应对威胁。
二、PDCA循环模型PDCA循环模型是一种管理方法,用于解决问题和持续改进。
PDCA代表Plan(计划)、Do(实施)、Check(检查)和Act(总结)。
这个模型的核心思想是通过不断循环实施、检查和改进,来达到持续的改进和优化。
在PDCA循环模型中,首先进行计划,确定具体的目标和方法;然后实施计划,执行具体的行动;接着进行检查,评估行动的效果和结果;最后总结经验,提出下一轮改进的计划。
通过不断的循环,可以实现问题的解决和持续的改善。
三、五力模型五力模型是由麦肯锡咨询公司的著名学者迈克尔·波特提出的一种竞争分析模型,用于评估一个行业的竞争状况和可行性。
五力模型中的五个力分别是竞争对手的威胁、潜在竞争者的威胁、替代品的威胁、供应商的议价能力和顾客的议价能力。
通过分析这五个力量,可以对行业的竞争状况有一个全面的了解,并据此制定相应的竞争策略。
五力模型通常以一个五分格图展示,以便更直观地理解和分析。
四、科学研究模型科学研究模型是在科学研究中常用的一种方法,用于解决科学问题并产生新知识。
【国家自然科学基金】_jnd模型_基金支持热词逐年推荐_【万方软件创新助手】_20140730

2011年 序号 1 2 3 4 5 6 7 8 9 10 11 12
2011年 科研热词 jnd模型 邻域掩盖 质量评价 水印 数字图像 对比度敏感函数 图像编码 人类视觉系统 jnd hvs dct contourlet 推荐指数 2 1 1 1 1 1 1 1 1 1 1 1
2012年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
2010年 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
科研热词 视频水印 预测 纹理合成 最小可视失真 文本信息 扩频 感知视频编码 度量标准 图像区分 可读性 共谋攻击 jnd视觉模型 jnd模型 dct ar模型
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2008年 序号 1 2 3 4 5 6 7 8
科研热词 数字水印 小波变换 jnd阈值 彩色图像 峰值信噪比 匹配检测 信息隐藏 不可感知性评价
推荐指数 3 2 2 1 1 1 1 1
2009年 序号 1 2 3 4
科研热词 视觉模型 离散余弦变换 混沌映射 信息隐藏
推荐指数 1 1 1 1
2014年 序号 1 2 3 4 5 6
科研热词 码率控制 最小可觉差 图像压缩 人类视觉系统 主观质量 jpeg xr标准
推荐指数 1 1 1 1 1 1
科研热词 推荐指数 人类视觉系统 2 质量评价 1 计算机应用 1 视频瞬时质量 1 视觉心理 1 绝对损伤阈 1 立体图像质量评价 1 立体图像评价 1 稳健性 1 稀疏性 1 生理模型 1 最小可辨失真模型 1 最小可察觉失真(jnd) 1 最大可容忍失真 1 支持向量回归(svr) 1 感知视觉 1 广义乘性水印 1 差别损伤阈 1 奇异值分解 1 图像质量评价 1 图像处理 1 双目立体视频 1 压缩感知 1 weber-fechner对数法则 1 jnd模型 1 jnd 1
关于logstic模型毕业论文

楚雄师范学院毕业论文(设计)目录摘要 (Ⅰ)关键词 (Ⅰ)Abstract (Ⅱ)Keywords (Ⅱ)前言 (1)1.绪论 (1)1.1 研究意义 (1)1.2 研究背景 (2)2.Logistic回归模型简介 (2)2.1二分类Logistic回归模型 (3)2.2多分类Logistic回归模型 (4)2.3 Logisti c回归模型的参数估计方法 (5)3.用Logistic回归模型预测糖尿病人病情程度 (7)3.1问题分析 (7)3.2相关性分析 (8)3.3模型建立及检验 (10)3.4结论 (12)参考文献 (13)附表1 (14)附表2 (15)附表3 (17)附表4 (20)致谢 (22)用Logistic回归模型预测糖尿病人病情程度摘要:本文首先总结近年来有关Logistic回归模型的研究概况。
然后在Logistic回归模型的基础上,重点介绍了二分类和多分类变量Logistic回归模型。
并使用最大似然估计法对模型中的参数进行估计,然后根据拟合优度检验法对模型进行检验。
最后利用SPSS统计软件对糖尿病人的病情程度建立模型,进行系统的分析并将预测结果与实际结果进行比对。
关键词:Logistic回归模型;拟合优度;最大似然估计;回归系数Logistic regression model was used to predict the severity of diabeticpatientsAbstract:This topic summarizes some surveys researched in recent years about Logistic Regression Model. Then on the basis of Logistic Regression Model, introduce two categories and multiple categories variable of Logistic Regression Model, .Firstly, use maximum likelihood to estimste parameters of the model, and secondly, use the goodness of fit test for the model, thirdly, use SPSS statistical software to build model for the severity of patients with diabetes mellitus, carry out the system analysis and contrast the forecast and real result.Keywords:Logistic regression model; goodness of fit;maximum likelihood estimate; regression coefficients.前言Logistic回归模型作为重要的统计模型,对种群生态学的研究具有核心理论价值。
一种基才JND模型的小波域图像盲水印算法

( S c h o o l o fC o m p u t e r a n d I n f o r m a t i o n , H o h a i U n i v e r s i t y , N a n j i n g 2 1 1 1 0 0 , C h i n a )
c h a r a c t e is r t i c s o f HVS ,we ma d e s e c o n d o r d e r wa v e l e t t r a n s f o r m f o r t h e h o s t i ma g e .I n t h e p a p e r w e p r o p o s e d a n o v e l e x p e ime r n t a l a l g o it r h m a n d ma d e a f u l l a n a l y s i s o f e x p e i r me n t a l r e s u l t s . T h e e x p e i r me n t a l r e s u l t s s h o w t h a t p e o p l e c a n n o t s e e
Ab s t r a c t : Wi t h t h e p r o g r e s s o f mo d e m s c i e n c e a n d t e c h n o l o g y ,t h e d i g i t a l wa t e r ma r k i n g t e c h n i q u e h a s b e c o me a h o t t o p i c o f
第2 1 卷 第 1 期
Vo 1 . 2 1
《实验心理学》教案心理物理学方法

《实验心理学》教案-心理物理学方法一、教学目标1. 让学生了解心理物理学的基本概念和方法。
2. 让学生掌握心理物理学实验的设计和数据分析。
3. 让学生了解心理物理学在心理学研究中的应用。
二、教学内容1. 心理物理学概述心理物理学的定义心理物理学的研究对象2. 心理物理学方法最小可觉差法(JND)恒定法适应法3. 心理物理学实验设计实验设计的原则实验设计的类型4. 心理物理学数据分析数据处理方法结果解释与评估5. 心理物理学应用案例视觉感知实验听觉感知实验1. 讲授法:讲解心理物理学的概念、方法和实验设计。
2. 演示法:展示心理物理学实验过程和数据分析。
3. 实践法:学生自行设计并实施心理物理学实验。
四、教学准备1. 教材:《实验心理学》2. 实验器材:心理物理学实验设备(如视觉感知实验的图像显示器、听觉感知实验的音频设备等)3. 辅助材料:实验指导书、数据分析软件五、教学评价1. 课堂参与度:学生提问、回答问题的情况。
2. 实验报告:学生完成心理物理学实验的质量和分析深度。
3. 期末考试:考察学生对心理物理学知识的掌握程度。
六、教学重点与难点教学重点:1. 心理物理学的基本概念和方法。
2. 心理物理学实验的设计和数据分析。
3. 心理物理学在心理学研究中的应用。
教学难点:1. 最小可觉差法(JND)在实验中的应用。
2. 心理物理学实验数据的分析和解释。
3. 心理物理学实验的伦理问题。
1. 导入:通过一个简单的心理物理学实验,引发学生对心理物理学的兴趣。
2. 讲解:讲解心理物理学的概念、方法和实验设计。
3. 演示:展示心理物理学实验过程和数据分析。
4. 实践:学生自行设计并实施心理物理学实验。
5. 讨论:学生分享实验结果,讨论实验中发现的问题和解决方法。
6. 总结:回顾本节课的内容,强调重点和难点。
八、教学反思在课后,教师应认真反思本节课的教学效果,包括学生的学习情况、教学方法的适用性、学生的反馈等。
基于JND视觉模型的自适应数字水印算法

随着 信 息技 术 的飞 速发 展 ,特 别
和 安 全性 。许 多不 同类 型 的图像 水 印
6 x6 4 4的灰度 水 印 图像 , 图 lb) 见 ( ,
最后 经过 二值 化 和 a no d变换 得到 r l 最终 的水 印图像 , 图 1d 。 见 ()
是 网络 技 术的 进步 和迅 速 普及 ,数字
同时 ,对 图像 、音 频 、视频 等数 字 产 品 内容 的保 护便 成 为 当前知 识 产权保
护 中 迫 切 需 要 解 决 的 问题 。2 0世 纪
9 0年代 出现 的数字 水 印技 术便 是一种
明该算法 具有 较好 的稳健 性 。
对 数 字产 品 内容 、版权 进行 保 护的 有
产 品 的使 用与 传播 越来 越 广泛 。与 此
算 法 已被 提 出,特 别是 不依 赖原 图像 进 行 水 印检 出的盲 水 印算法 成为 当前
该 领 域 的研 究热 点 [7 本 文 结 合 图 4] -。 像 的视 觉 特 性 提 出 了一 种 基 于 J ND 模 型 的 自适应数 字 水 印算法 ,实 验证
维普资讯
学
基于 J D视觉模 型的 自适应数 字水 印算法 N
吴开 兴 , 闫伟 伟
( 河北工程大学 信息与电气工程学院 ,河北 邯郸 0 6 3 ) 50 8 摘 要 :为 了实现 水印的版权 保护功能 ,要 求水印具有 良好的鲁棒 性,同时又不 降低原始载体 的视 觉特性 ,这就要 求所 生成的 水印对原始 载体 具有 自适应能 力。该文使用由原始 图像 自身生成的二值图像作 为水印信息 ,利 用视 觉特性推 出的 J D模型对 图 N 像 的小波 系数进行 自适应量化嵌入 ,经实验验证 ,该算 法对于压缩、裁剪、以及调整图象大小等都具有较好的鲁棒性 ,而且水
强度jnd与强度关系的唯象模型

强度jnd与强度关系的唯象模型
唯象模型指的是将两个输入变量(通常是频率和强度)映射到一个输出变量(通常是知觉强度)的过程。
强度jnd是一种量度,它表示两个不同强度信号之间被听者辨别出来的最小强度变化。
用唯象模型来模拟强度jnd,可以通过调整影响认知系统信号检测和反应的各种参数,来模仿不同被试者在发现不同强度信号之间的最小强度变化时的表现。
另外,认知系统信号检测的阈值调整可以使得被试者在辨别不同强度信号时的阈值水平有所调整。
通过调整这些参数,可以得出不同被试者在发现不同强度信号之间的最小强度变化时的强度jnd变化规律,从而反映出被试者对信号强度的知觉敏感性,从而帮助分析音频信号的知觉特征。
幸成分分析法在企业R&D资金控制预警模型中的应用

肯定了财务指标对企业 财务 困境预测 的 产、 息税前收益 , 总资产 、 股东权 益 / 总负债 究 ,
并认为多元线性 预警模 型优于单变 和 销 售 收入 /总 资产 。 在 最 后 改 进 过 的 有效性 ,
7l 业 0 家
维普资讯
hs o 29 0万美元之问。A m n的 z系列模型从 者 O l n是最早在财 务预警研 究 中应用 概 5 ha 吴世农 、 贤义 和姜秀华(0 1 卢 20) 2 0多个 财 务 指标 中综 合 出 4 5个模 型 变 率方 法的人 。  ̄
T公 量 ,即营运 资本 / 总资产 、留存收益 , 资 以深沪证券 市场 中的部分 s 司进行 了研 总
 ̄f 分 究, 使用 3 0个财务 比率进行分析 , 发现具有 率 ,同时防止 比率 太 多而s Di 析 的复杂 从而抓住分析 中的主要 矛盾 。主成 分分 良好 预测 性 的财 务 比率依 次 为现 金 流量 / 性 ,
● 范
负 债 总额 、资 产 收 益 率 和 资 产 负 债 率 。 析模 型在 以下将有详细介绍 。 B ae 的研究 开创 了用统计 方法 建 财 务 evr 顶警模型的先河 。 1 . 2多元线性判定模 型 1 . 3概率模型
首先 , 主成分 分类 , 并根据各因子在样本 巾所起 的作用 进行控制 管理 的优 势在于 :
自动生成( 确定) 因子权重 , 各 简化 实测指 分析法综合考虑了影 响企业 R &D资金运 标系统 ,克服 了人为确定权数的主观性 。 行 的多方面因素 , 并在综合提取 原有 信息 主成分分析方法 的一般模型为 :
佳
李 先 来
概率 函数 又称增长 函数 ,是 13 年 比 88
利时 的 PFV rus首 次提 出的。二元 L — ..eh l t o
强度jnd与强度关系的唯象模型

强度jnd与强度关系的唯象模型
JND(Just Noticeable Difference)指的是一种感知判断,它是指人们在观察两个对象时,对于其中一个对象的变化的感知能力的最小值,从而能够从其他对象中辨识出来。
JND的一个重要特征是它可以用来描述强度之间的关系,即当强度发生变化时,人们可以感知到。
JND与强度关系的唯象模型是一种描述强度变化的方法,它可以用图表来表示。
在图表中,每一个点代表一个强度,每一条线代表一个JND变化,线上每一点代表强度变化中的一个状态,而每一条线上的点代表强度变化的幅度,图表中的每一条线代表JND变化的幅度。
此外,JND与强度关系的唯象模型还可以用来描述强度的变化趋势。
当强度发生变化时,图表中的每一点都会随着强度的变化而变化,这样就可以清楚地看出强度的变化趋势。
总之,JND与强度关系的唯象模型是一种非常有用的描述强度变化的方法,它可以帮助我们更好地理解强度之间的关系,以及强度变化的趋势。
jnd实验原理

jnd实验原理
jnd(just noticeable difference)实验原理是基于韦伯-费希纳定律(Weber-Fechner law)的一个心理物理学实验。
这个定律指出,感知到两个刺激之间的差异量与刺激本身大小的比例是一个常数。
根据这个定律,jnd实验就是通过探测两种不同的刺激的强度,然后确定能够感知到这些刺激的最小差异。
具体实验流程如下:
1. 研究者会给参与者呈现一组刺激(例如,两个颜色不同但相似的方块)。
2. 参与者需要用自己的感觉来判断这两个刺激之间是否有差异。
3. 如果参与者能够感知到差异,研究者会稍微调整其中一个刺激的强度,并再次要求参与者判断是否有差异。
4. 这个过程会一直持续下去,直到参与者无法再感知到这两个刺激之间的差异为止。
5. 最后,研究者可以根据参与者最后能够感知到的最小差异来计算出jnd。
jnd实验可以用于研究各种感官系统中的感知界限,例如视觉、听觉、触觉等。
它可以帮助研究者了解我们的感官如何处理不同的刺激,以及人们感知能力的范
围和限制。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
A,E.BlⅡges一在随后的研究中,推导出最佳匹配滤波器与Rose模型之间的相关性。
Burgess指出。
Rose模型尽管形式简单明了。
但是其适用范围受到限制。
Rose模型适用的条件是:低对比度信号,大光子密度以及“信号已知,背景已知”(SKE/BKE)的检测实验。
图象质量评价对于医生诊断很有意义,而且有助于放射师选择合适的x球管电压和电流秒,在保证一定图象质量的前提下尽可能降低患者剂量。
Rose模型较为粗糙而且缺乏精确性,因此我们的研究致力于寻找Rose模型精确的适用范围和“恰可分辨差异4对应的阈值。
2.方法
2.1强制选择实验
心理物理方法啊]m作为评价图象质量的手段可以提供对人类视觉检测性能的主观描述。
它包括如下几种常见方法;对比度_细节实验,分辨率测试实验,恒定激励实验,强制选择实验等等。
对于强制选择实验,待检测信号每次总是出现在几个特定位置中的一个位置,观察者需要选择自己认为信号出现的位置。
信号可能出现的位置可以是2个、4个或16个等等,分别被称为强制二选择、或多选择实验。
强制选择实验的一个优点是其可重复性。
另外,它可以避免实际实验时内在响应中心理固有噪声的干扰。
而且强制选择实验获得的结果有着明确意义。
可用来评价观察者性能。
2.2实验设计
2.2.1改进的Rose模型
Rose模型适合于低对比度、小信号、受限量子噪声的情况。
Rose模型中考虑的光子噪声服从泊松分布。
因此噪声方差等于平均光子数,即√(%)代表了背景亮度与噪声标准差之间的比率.本文的研究应用改进Rose模型,形式如下;
SNR=C.0A.B
(2)
鼽对雌G:‰一%,k芦信号亮度,B表示显示器上背景亮度,信号面积为A。
考虑到图象中光子数庞大,泊松分布与高斯分布具有近似相等的均值与标准差。
因此选择噪声类型服从高斯分布,标准差为口0咖・低对比度时假设信号区域亮度与背景区域相等・则象索噪声方羞在整个图象中相同。
2.2.2软件设计
实验使用的软件基于强制四选择实验的方法,另外,考虑“信号不存在”这种附加情况【;l此避免观察者预先知道信号总是存在的先验知识造成的误差。
这样的改进同实际情况相符。
实验中.具有均匀亮度的圆盘信号需要观察者从加噪图象中检测出来。
软件方便选取合适参数,如背景亮度、对比度、信号面积和亮度,还可以选择信号的形状做深入研究。
实验中,观察者要求选择信号在四个位置中的某处出现。
或是不存在。
观察者事先知道信号可能出现的位置、信号形状以及大小。
实验中观察者与显示器屏幕保持大约50厘米的恒定距离。
一旦测试图象出现.观察者被要求立刻告知信号位置。
实验的环境是在黑暗的屋于。
图1展示的是实验中的某幅图象。
图1上方图象用于检测圆盘信号,
下方匮象用于检测矩形信号
2.2.3实验方法
实验中控制图象质量的参数包括:背景亮度、对比度、信号面积以及噪声方差。
每组实验中只改变两个参数,如对比度和噪声标准差。
实验结果中选择50%正阳率作为噪声标准差的闽值a抽,由公式(2)可以计算出信噪比阕值。
3.结果和讨论
3_1JND计算
视觉检测能力的评价是通过调整成像参数,包括背景亮度、对比度、信号面积和噪声标准差获得的。
50%正阳率对应的四个参数就是观察者能够检测到“恰可分辨差异。
的闽值。
由四个参数的阈值通过公式(2)可以计算出信噪比阚值。
对于低对比度,如对比度小于30%,信噪比阈值
大约为2。
JND模型适用性研究
作者:罗涛, 牟轩沁
作者单位:西安交通大学,图象处理与模式识别研究所,西安,710049
本文链接:/Conference_6373424.aspx
授权使用:西安交通大学(xajtdx),授权号:33749b07-f9f8-42ac-85ee-9e4800ba41ee
下载时间:2010年12月10日。