人眼的视觉特性课件

1、第二章 人眼的视觉特性 与图像探测 2.1 人眼的视觉特性与模型 2.2 图像探测理论与图像探测方程 2.3 目标的探测与识别 第二章 人眼的视觉特性与图像探测2.1 人眼的视觉特性与模型 2.1.1 人眼的构造2.1.2 人眼的视觉特性 返回第二章2.1 人眼的视觉特性与模型 2.1.1人眼的构造 1.人眼的构造： 由角膜、虹膜、晶状体、睫状体和玻璃体组成的光学系统； 作为敏感和信号处理部分的带有盲点和黄斑的视网膜，是构成人眼视觉的关键部分； 作为信号传输和显示系统的视神经与大脑。 下一页上一页返回2.1 人眼的视觉特性与模型返回视网膜是结构复杂的多层网格结构:下一页上一页2.1 人眼的视觉

2、特性与模型2.1 人眼的视觉特性与模型视网膜中有锥状细胞和杆状细胞两类含有光敏物质的感光细胞 。在视神经进入眼内腔的盲斑部分，既无锥状细胞，也无杆状细胞，是不感光的盲区。在黄斑中心凹处完全没有杆状细胞，是具有最高的视觉分辨力的区域。从黄斑向视网膜边缘移动，锥状细胞和杆状细胞混合在一起，杆状细胞比锥状细胞小得多，而且没有独立地与视神经联系，而是合成一簇(多数达500条一簇)，这对于产生高灵敏视觉至关重要。到视网膜边缘就几乎全是杆状细胞了。锥状细胞具有高分辨力和颜色分辨能力；杆状细胞的视觉灵敏度比锥状细胞高数千倍，但不能辨别颜色。 如图上一页返回2.1返回2.1 人眼的视觉特性与模型2.1.2 人

3、眼的视觉特性 1 视觉的适应 2 人眼的绝对视觉阈 3 人眼的阈值对比度 4 人眼的光谱灵敏度 5 人眼的分辨力 6 视觉系统的调制传递函数(MTF)下一页返回2.12.1.2 人眼的视觉特性1.视觉的适应 人眼能在一个相当大(约10个数量级)的范围内适应视场亮度。随着外界视场亮度的变化，人眼视觉响应可分为三类。明视觉响应：当人眼适应大于或等于3cd/m2的视场亮度后，视觉由锥状细胞起作用。暗视觉响应：当人眼适应小于或等于3105cd/m2视场亮度之后，视觉只由杆状细胞起作用。由于杆状细胞没有颜色分辨能力，故夜间人眼观察景物呈灰白色。中介视觉响应：随着视场亮度从3cd/m2降至310-5cd/

4、m2，人眼逐渐由锥状细胞的明视觉响应转向杆状细胞的暗视觉响应。下一页上一页1.视觉的适应当视场亮度发生突变时，人眼要稳定到突变后的正常视觉状态需经历一段时间，这种特性称为适应，适应主要包括明暗适应和色彩适应两种。适应由两个方面来调节： 调节瞳孔的大小，改变进入人眼的光通量。眼瞳大小是随视场亮度而自动调节。 视细胞感光机制的适应。这种适应是由视细胞中的色素(视紫红质)在光的刺激下，产生化学反应而引起的。人眼的明暗视觉适应分为亮适应和暗适应。对视场亮度由暗突然到亮的适应称为亮适应，大约需要23min；对视场亮度由亮突然到暗的适应称为暗适应，暗适应通常需要45min，充分暗适应则需要一个多小时。人眼

5、的色彩适应也是因为视紫红质的产生和消失，达到新的平衡所需要的时间延迟。 下一页上一页2.1.2 人眼的视觉特性2人眼的绝对视觉阈 在充分暗适应的状态下，全黑视场中，人眼感觉到的最小光刺激值，称为人眼的绝对视觉阈。以入射到人眼瞳孔上最小照度值表示时，人眼的绝对视觉阈值在10-9lx数量级。以量子阈值表示时，最小可探测的视觉刺激是58145个蓝绿光。对于点光源，天文学家认为正常视力的眼睛能看到六等星，六等星在眼睛上形成的照度近似为8.510-9lx。在实验室内用“人工星点”测定的视觉阈值要小些，为2.4410-9lx。下一页上一页2.1 人眼的视觉特性与模型 3. 人眼的阈值对比度 通常，人眼的视

6、觉探测是在一定背景中把 目标鉴别出来。此时，人眼的视觉敏锐程 度与背景的亮度及目标在背景中的衬度有关。 目标的衬度以对比度C来表示，即 式中，Lt和Lb分别为目标和背景的亮度。有时也将C的倒数称为反衬灵敏度。下一页上一页3. 人眼的阈值对比度 背景亮度Lb、对比度C和人眼所能探测的目标张角之间具有下述关系(Wald定律) 式中，x值在02之间变化。 对于小目标 7，则x=2，式(2-4)变为 即著名的Rose定律。若kT。这时辐射的量子噪声可近似表示为（2-24）上一页下一页 即可见光的量子辐射(光子)可用泊松(Poisson)分布律来描述。根据发光辐射的量子噪声公式，可给出图像噪声的表式。

7、其差值的涨落方差可表示为 D(n1-n2)=D(n1)-2cov(n1,n2)+D(n2) 式中，cov(n1，n2)是n1和n2的协方差。由于亮暗两个像元的辐射量子数彼此不相关，所以协方差为零。 2.2 图像探测理论与图像探测方程（2-25）上一页返回2.2 图像探测理论与图像探测方程 2.2.2 光电成像系统的图像探测方程 1 光电成像所输出的图像信号表达式 2 光电成像所输出的图像噪声表达式 3 光电成像的输出图像信噪比 4 光电成像的图像探测方程 5 图像探测灵敏阈下一页返回2.2.2 光电成像系统的图像探测方程1光电成像所输出的图像信号表达式取被探测的图像细节为相邻的两个有亮暗差异的

8、像元。每一像元是边长为h的正方形，其亮度分别为B1和B2,且B1 B2 。在亮像元上的亮度B1可表示为 (2-28)上一页下一页2.2.2 光电成像系统的图像探测方程光电成像所输出的图像信号表达式 令系统接收孔径的半径为r，光电转换的量子效率为，有效积分时间为，像元与光电成像系统的间距为L，像元边长h对光电成像系统的张角为。取Q表示每流明光通量在每秒所通过的光子数。对于白光(具有标准A光源的光谱分布)的Q值近似等于1.31016lm-1s-1。由此可列出光电成像系统在有效积分时间内接收亮像元辐射的平均光电子数n1为上一页下一页2.2.2 光电成像系统的图像探测方程1 光电成像所输出的图像信号表

9、达式 (2-30)上一页下一页2.2.2 光电成像系统的图像探测方程1 光电成像所输出的图像信号表达式 根据式(2-16)可知，由光电成像所获得的输出图像信号S为 (2-32)上一页下一页2.2.2 光电成像系统的图像探测方程2 光电成像所输出的图像噪声表达式 上节得出黑体辐射的量子信号和量子噪声的结论也适用描述光电转换的量子信号和量子噪声，即光电转换的量子产额也符合泊松分布律，量子产额的平均值(泊松分布的数学期望)表示光电转换的量子信号值，量子产额的起伏值(泊松分布的均方差)表示光电转换的量子噪声值。由于光电成像所输出的亮和暗两个像元都伴随有量子起伏的噪声，因此其差值的起伏噪声可以利用概率公

10、式求出。考虑到亮暗两像元的量子数不相关，所以两者的协方差为零，由式(2-30)和式(2-31)可写出光电成像的输出图像噪声N的表达式为(2-33)上一页下一页2.2.2 光电成像系统的图像探测方程3 光电成像的输出图像信噪比 由光电成像的输出图像信号与噪声的表达式，由此可得到输出图像信噪比为(2-34)下一页上一页2.2.2 光电成像系统的图像探测方程3 光电成像的输出图像信噪比采用光学中的对比度C和平均亮度Bm来表示输入图像。它们的定义分别为 (2-35)下一页上一页2.2.2 光电成像系统的图像探测方程4 光电成像的图像探测方程 如果信噪比大于接收器(通常是人眼)所需的阈值信噪比(S/N)

11、min时，表明理想的光电成像可探测到这一图像。故可写出关系式 当以上关系式成立时，表明图像可探测到，反之将不能探测。 (2-37)下一页上一页2.2.2 光电成像系统的图像探测方程4 光电成像的图像探测方程 式(2-37)中有两类参数。第一类参数是表征图像的参数，包括：图像的平均亮度Bm；图像的对比度C；图像的视角。第二类参数是表征光电成像系统的参数，包括：光电成像系统的接收孔径D2r；光电成像的光电转换量子效率；光电成像的有效积分时间。 则得到如下关系式 (2-38)上一页下一页2.2.2 光电成像系统的图像探测方程4 光电成像的图像探测方程 这一关系式定量描述了图像探测特性。它表明了由关系

12、式左边的参量Bm、C所描述的图像细节可以被关系式右边的参量D、所确定的理想光电成像系统探测到。当这一关系式呈等式时，即为临界状况，表明了理想光电成像的极限探测灵敏阈。该公式通常称之为理想条件下光电成像的图像探测方程(夏根（P.Schagen）方程)。 上一页下一页2.2.2 光电成像系统的图像探测方程5 图像探测灵敏阈 理论极限值是由理想条件下的图像探测方程来确定。所能探测的极限值就是光电成像对视见灵敏阈扩展的极限。这一极限是由被探测图像的三项参数来表示，即式(2-38)中的图像平均亮度Bm；图像的视角；图像的对比度C。上一页下一页2.2.2 光电成像系统的图像探测方程5 图像探测灵敏阈 当选

13、定光电成像系统的接收孔径D、量子效率及有效积分时间，代入式(2-38) 中，即可得到下图 下一页上一页返回2.2.2 光电成像系统的图像探测方程5 图像探测灵敏阈 纵坐标是图像的分辨力R，横坐标是图像的平均照度E，图中每根斜线上标明的数字是图像的对比度C，斜线的下部区域满足关系式(2-38)，称为图像可探测域；斜线的上部区域不满足关系式(2-38)，称为图像的不可探测域。 上一页下一页2.2.2 光电成像系统的图像探测方程5 图像探测灵敏阈 由于光电子噪声和像差两项因素对光电成像图像探测特性的影响彼此独立互不相关，因此可通过线性叠加求出考虑像差及光电子噪声时的图像探测特性。上图中用斜线(光电子

14、噪声限制)与平线(像差限制)相合成的折线来表示图像探测情况。折线表明，在低的图像平均亮度时，光电成像的图像探测特性主要受光电子噪声的限制。在高的图像平均亮度时，光电成像的图像探测特性主要受像差的限制。 上一页返回2.2 图像探测理论与图像探测方程2.2.3 图象探测方程的其他表达方式 1 罗斯(A.Rose)方程 2 戴维斯(H.L.DeVrice)方程3 考特曼(J.H.Coltoman)方程4 帕塞普(E.C.Pathep)方程 5 理查德(E.A.Richards)方程返回2.2.3 图象探测方程的其他表达方式1 罗斯(A.Rose)方程 设受光子噪声限制的理想图像探测系统在一定时间内从

15、边长为h的景物细节上接收到的平均光子数为N，景物的亮度B正比于N/h2，即 取阈值对比度为CT，即(2-39)(2-40)返回上一页下一页2.2.3 图象探测方程的其他表达方式1 罗斯(A.Rose)方程 由于NN1/2，故CTN-1/2，于是有 式中，k为比例常数；为边长为h的景物细节对人眼的张角。因此(2-41)(2-42)上一页下一页2.2.3 图象探测方程的其他表达方式1 罗斯(A.Rose)方程 进一步展开有式中，为分辨角(单位：（）)；D为成像系统物镜孔径；为探测器(或人眼)的积分时间；S/NN/N，为阈值信噪比。(2-43)上一页返回2.3 目标的探测与识别2.3.1 目标搜索的

16、一般原理 2.3.2 目标探测-识别模型 2.3.3 约翰逊(Johnson)准则 返回第二章2.3 目标的探测与识别2.3.1 目标搜索的一般原理探测水平 定义 50%概率时所需分辨力/cyc 探测(发现) 在视场内发现一个目标 1.00.25定向可大致区分目标是否对称及方位1.40.35 识 别可将目标分类(如坦克、卡车、人等)4.00.8辨别可区分出目标型号及其他特征(如T-72坦克、豹坦克等)6.41.5 上一页下一页2.3 目标的探测与识别 2.3.1 目标搜索的一般原理 一般地，人眼在搜索处于一定背景中的目标或成像系统显示器上的目标像时，眼睛的连续响应可分成探测(发现)、定向、识别

17、和辨别四个等级 。返回下一页2.3.1 目标搜索的一般原理 在对目标探测、定向、识别和辨别包含人为的主观判断，因而在目标搜索中存在着搜索概率问题。搜索概率的大小在一定程度上提供了对光电成像系统性能的估价。当然搜索概率还与观察人员的状态有关，也与一定的搜索任务相关联，例如是探测还是识别。 2.3 目标的探测与识别上一页下一页2.3 目标的探测与识别2.3.1 目标搜索的一般原理目标在视场内出现的概率是信号、预见、导向、搜索方式的复杂函数，因此，人们常假定为PIn=1，即目标在视场内一定出现。此外，还假设上述每一项都是互相独立的，即某一搜索任务的发生不影响下一个搜索任务发生的概率。 搜索概率是所显

18、示的目标与背景特征、成像系统特性、观察人员状态及战术因素等极其复杂的函数。 上一页下一页2.3 目标的探测与识别2.3.2 目标探测-识别模型 搜索光电成像系统显示屏上目标像的过程是： 在一个完全确定的面积上谨慎地搜索； 根据所搜索目标与周围景物的亮度对比进行对比度探测； 根据对比度形成的外形轮廓进行识别，这是基于与记忆中的目标相比较的有意识的判定过程； 显示图像通常伴随着噪声，其将干扰上述三个步骤的实施。 返回下一页2.3 目标的探测与识别2.3.2 目标探测-识别模型 基于各种各样的实验及目标搜索的一般原理，美国Rand公司提出了一种目标探测 -识别模型，简称Rand模型，即PR=P1P2

19、P3 式中，PR为显示器上目标的识别概率；P1为搜索一个确定的包含有目标的面积，扫视到目标的概率；P2为扫视到的目标被探测的概率；P3为探测到的目标被识别的概率；为总的噪声引起的衰减因子。上一页下一页2.3 目标的探测与识别2.3.2 目标探测-识别模型 1. P1项 (1) 人眼目视搜索时的运动 人眼在搜索过程中的运动有两个重要特征： 搜索时，人眼注视一点后迅速地移到另一点进行注视，这一过程称为扫视，固定的注视称为凝视，被凝视的点称为凝视中心，凝视时间称瞥见时间。根据实验，通常人眼大约以每秒三点间断地移动，瞥见时间约为1/3s。上一页下一页2.3 目标的探测与识别 有经验的观察者利用移动的表

20、观孔径(由中心凹的视觉范围确定)，以相当规则的轨迹在搜索面积上扫视。搜索过程中，人眼自动地对目标特性(表观尺寸和对比度)及周围景物的性质(结构复杂性和密集程度)两者引起响应，以调整平均凝视中心之间的距离。由于凝视中心可根据目标和场景特点变化，则瞥见存在一个有效扫描孔径，称为瞥见孔径，对应的面积为Ag。上一页下一页2.3 目标的探测与识别 一般地，瞥见孔径与目标特性和景物性质的关系可表示为 Ag=kAT 式中，AT为目标面积；k为与景物密集程度有关的参数，通常在10100之间，有时也可在1001000之间变化。上一页下一页2.3 目标的探测与识别2.3.2 目标探测-识别模型(2) P1项的推导

21、 设搜索面积为As，则覆盖As所需的瞥见总数 N=As/Ag 由于一个瞥见时间tg为1/3s，故在允许的搜索时间t内的有效瞥见数 n=t/tg=3t上一页下一页2.3 目标的探测与识别2.3.2 目标探测-识别模型 完善的系统的自由搜索。 假定相继的瞥见不重叠，且又不重复地将瞥见周期地全部显示出来，扫视到目标的瞥见数只能是a=1，而失去目标的瞥见数为b=As/Ag-1。按照概率论的二项式分布，一次瞥见中扫视到目标的概率p=a/(ab)=Ag/As，未扫视到的概率q=b/(ab)=1-Ag/As，则在完善的系统的自由搜索中，概率P等于有效瞥见数n与所需的瞥见数N之比。 上一页下一页2.3 目标的

22、探测与识别 随机搜索。 假定搜索是随机的，且在一次瞥见中扫视到目标的概率为psg，则在n次瞥见中扫视到目标的概率为 在此式表明，在随机搜索中，概率P随时间t指数增长。 (2-53)上一页下一页2.3 目标的探测与识别当目标对其相邻背景的对比度大于阈值对比度时，目标就有一定的被探测概率。因此，P2项涉及人眼视觉系统的对比度探测过程，也可称为对比度探测。勃来克韦尔所做的有关的经典实验提供了对比度探测的基本数据；勃来克韦尔建议：自由选择所需要的阈值对比度值要比强迫选择大24倍；考虑到目标出现的位置和时间的不确定性，建议再提高1.5倍。另外一些人的试验提出阈值对比度的提高约在2.5 3.5倍之间。上一

23、页下一页2.3 目标的探测与识别如果进一步考虑到系统振动使图像模糊等因素, 目标探测-识别模型中采用把阈值对比度曲线向上调整5.5倍的值。于是, 得到50%探测概率下对不同目标尺寸的阈值对比度特性曲线上一页下一页调整后的人眼阈值对比度特性 返回2.3 目标的探测与识别 图中作为目标尺寸函数的阈值对比度CT可用双曲线近似表示为 根据这种近似处理，可对不同目标张角找到50%探测概率的阈值对比度CT。 一些研究表明：在其他观察对比度C时的探测概率仅与C/CT的值有关，且可近似表示为正态分布形式 式中，标准偏差=0.39。(2-56)(2-57)上一页下一页 3. P3项 对于已知或提示过且熟悉的目标形状的识别是把目标的形状与记忆中的形状相判别的过程，因此，要求探测到的目标有足够的细节，以便从背景中把目标提取出来。2.3 目标的探测与识别上一页下一页2.3.2 目标探测-识别模型一