«_» «_» О ' /щ! О / U щей итоговой статистической обработкой данных (позволяющей прогнозиро вать различные атрибуты отличия изображений и атрибуты их качества). Схематично данный процесс показан на рис. 20.8, а его детальное описание см. у Джонсона и Фершильда (2003).
Из метрики отличия изображений (основанной на обычных уравнениях цветовых отличий, примененных к пространственно-фильтрованным сложным стимулам) может быть получена метрика их качества, и отметим, что данный подход был успешно использован для получения величин, характеризующих качество изображений (Джонсон и Фершильд, 2001). Такой вариант решения эквивалентен, а в целом даже лучше, чем тот, что получен с использованием иных цветовых пространств, оптимизированных для решения данной задачи (Джонсон и Фершильд, 2001).
Рис. 20.9 демонстрирует прогноз отличий в визуальной резкости (Джонсон и Фершильд, 2000) и визуальном контрасте (Калабрия и Фершильд, 2002).
По контрасту: результаты, показанные на рис. 20.9 (а), получены путем шкалирования визуального контраста разносюжетных изображений, подвергавшихся различным преобразованиям (Фершильд и Джонсон, 2003). По осям абсцисс отложены величины визуального контраста (усредненные данные), по осям ординат - предикторы визуального контраста, рассчитанные iCAM. Идеальный результат должен четко укладываться в V-образную фигуру с одинаковым наклоном обоих «крыльев», и фактический график свидетельствует о том,
Рис. 20.8 Функциональные узлы iCAM, отвечающие за метрику отличия и метрику качества изображений.
Рис. 20.9 Отличие изображений, подвергшихся различным преобразованиям, как функция от визуального контраста (а) и от визуальной резкости (b). Отметим, что коль скоро по оси абсцисс отложены визуальные данные, а по оси ординат - предикторы iCAM, то при идеально точном прогнозе точки распределились бы строго V-образно.
что iCAM весьма успешно справляется с задачей прогнозирования визуальных контрастов.
По резкости: результаты, демонстрируемые рис. 20.9 (b), были получены аналогичным образом, но с использованием существенно большего числа разносюжетных изображений и вариантов манипуляций с ними (Джонсон и Фер-шильд, 2000): наблюдателей просили прошкалировать визуальную резкость, а результаты конвертировались в интервальную шкалу, в нулевой позиции которой находилась резкость оригинала. Данные оказались весьма вариабельными, но как видно из рис. 20.9 (b), результаты вновь оказались хорошо спрогнозированными.
Детали, исходную программу и текущие усовершенствования iCAM-модели можно найти на www.cis.rit.edu/mcsl/iCAM.
20.6 ТЕКУЩЕЕ ПОЛОЖЕНИЕ ДЕЛ И НАПРАВЛЕНИЯ РАЗВИТИЯ
Как уже было сказано, в течение шести лет, прошедших с момента первого издания нашей книги, конструкции, методики тестирования и методики применения моделей цветового восприятия прошли путь интенсивного развития. Несмотря на то, что моделирование цветового восприятия остается областью активного научного исследования, общей стратегией дальнейшего развития является моделирование восприятия изображений (о котором идет речь в текущей главе): традиционные модели цветового восприятия (такие, как CIECAM02) достаточно развиты и дальнейший прогресс требует появления моделей нового типа.