Фершильд и Ренифф (1995), а также Риннер и Гегенфуртнер (2000) дают детальное описание временного компонента хроматической адаптации. Результатом исследования явились т.н. темпорально-интегративные функции, которые можно использовать при моделировании восприятия движущихся изображений, а также проиллюстрировать ими один из механизмов адаптации к стимулам низкой пространственной частоты (последнее связано с непрерывным движением глазных яблок).

В свое время было выполнено серьезное исследование качества видеоизображений (и метрики этого качества), нацеленное на создание и оптимизацию алгоритмов кодирования/компрессии/декодирования, в частности MPEG2 и MPEG4. Аналогично модель Дэли (Дэли, 1993), прогнозирующая степень видимых отличий в статичных изображениях (still-image visible differences predictor), вполне пригодна для прогнозирования видимости артефактов, появляющихся в статичном изображении после его JPEG-компрессии, то есть - модель Дэли была создана для прогнозирования вероятности визуального обнаружения артефактов.

При разработке iCAM пошли дальше, и, вместо того чтобы ориентироваться на пороговые отличия в качестве, внимание было сосредоточено на шкалировании качества изображений по их отличиям от оригинала, лежащим выше порога различимости (к примеру, создание шкал резкости, контраста, зернистости).

Отметим, что надпороговые отличия между изображениями - это область исследования, касающаяся именно восприятия изображений и непосредственно относящаяся к вопросу их качества.

Аналогичная ситуация имеет место в метрике качества видеоизображений, которая была разработана для выявления вероятности обнаружения артефак тов в видеоизображениях. Отметим, однако, что как таковых моделей восприятия видеоизображений, способных прогнозировать величины воспринимаемых отличий в видеоряде, не существует.

Дабы подчеркнуть отличие целей и задач iCAM от целей и задач ранее опубликованных моделей, мы коротко опишем две широко известных модели качества видеоизображений (модель Sarnoff JND и модель NASA DVQ).

Модель Sarnoff JND - это основа программного пакета «JNDmetrix» (www.jndmetrix.com), предназначенного для некоего специального оборудования, контролирующего качество видеоизображений. Модель кратко описана в техническом отчете Sarnoff (2001), а более полный материал можно найти в публикации ATIS (2001).

Модель Sarnoff JND основана на т.н. мультимасштабной модели пространственного зрения (Lubin, 1993, 1995), расширенной в направлении цветовой обработки и временных вариаций стимулов. Модель Lubin сходна с моделью Дэли в том, что тоже создана для прогнозирования вероятности распознавания артефактов в изображениях, то есть для выявления пороговых изменений (часто называемых «едва заметными отличиями», или «JNDs»).

В отличие от iCAM модель Sarnoff JND не имеет механизма учета хроматической и яркостной адаптаций: на входе Sarnoff выполняется заурядная нормировка данных (что можно рассматривать лишь как зачаточную форму модели адаптации). Отметим, что временные аспекты Sarnoff-модели нацелены не на прогнозирование восприятия видеоряда, а на прогнозирование обнаружения временны х артефактов.


⇐ вернуться назад | | далее ⇒