基于人眼视觉特性的医学图像增强技术毕业论文.docx

基于人眼视觉特性的医学图像增技术毕业论文目录第一章绪论101.1 研究背景及意义101.2 医学图像增强的国内外研究现状121.3医学图像增强的特点141.4增强算法的创新点151.5基于人眼视觉特性的医学图像增强技术主要内容15第二章常用的医学图像增强方法172.1医学图像对比度增强172.1.1灰度映射172.1.2直方图均衡化212.1.3直方图规定化222.2医学图像去噪232.2.1 图像平滑概述232.2.2 几种图像平滑方法的原理242.4医学图像边缘增强262.4.1 图像锐化概述262.4.2 几种常见的图像锐化方法原理27本章小结：28第三章 人眼视觉综述303.1人眼视觉系统概述303.2 人眼视觉感知概述313.2.1 人眼视觉信息传递过程313.2.2人眼视觉的感受野323.2.3 人眼视觉系统的注意机制323.3人眼视觉特性总括333.4医学图像增强算法用到的人眼视觉特性353.4.1人眼的微动理论353.4.2人眼感兴趣区域规律363.4.3人眼的边缘敏感性363.4.4人眼对比灵敏度特性36本章小结：37第四章基于人眼视觉特性的医学图像增强算法384.1基于人眼视觉特性的医学图像增强算法的框架384.2医学图像的预处理过程394.2.1 基于大津法的阈值二值化394.2.2计算最大面积闭合轮廓404.3基于人眼的对比灵敏度特性的灰度映射414.3.1灰度映射函数的构造414.3.2构造的灰度映射函数分析424.4分解滤波434.4.1 拉普拉斯算子434.4.2 分解滤波的原理444.4.3基于拉普拉斯算子基础上的分解滤波45本章小结：46第五章增强算法的实现475.1基于人眼视觉特性的医学图像增强的算法流程475.2本文算法应用于医学图像实验47本章小结：52第六章总结与展望53参考文献：56致谢：60第一章绪论随着电子与计算机技术的发展，图像处理技术得到极大发展，已经成功的应用于军事、医学等各大领域。我们所说的医学图像增强技术是指在增强图像对比度和增强边缘的同时尽量降低噪声的影响。医学图像往往对于图像质量要求较高，通过研究人眼的视觉特性，并加以运用到医学图像增强技术中，对于医学图像增强至关重要。1.1 研究背景及意义 20世纪60年代，计算机技术和VLS技术得到极大发展，图像处理技术也逐渐发展和成熟起来的。图像处理技术的发展历程大致可分为：初创期、发展期、普及期和实用化期。20世纪80年代，图像处理技术进入了普及期,此时，计算机已经能够承担关于图像处理的大部分工作1。自20世纪90年代以来，图像处理技术进入了一个大发展阶段：1986年，小波变换理论的提出，解决了傅里叶变换不能用于局部分析的问题，图像处理技术应用到了一个较高的水平2。1988年，Mallat有效地将小波应用于图像分解和重构，这个方法被认为是图像处理在数学方法上的重大突破3。 随着图像处理技术的快速发展，图像处理技术在中办公自动化系统、图像通讯、地理信息系统得到了广泛重视及应用。另外在医疗设备和卫星图片的传输与分析的应用显得尤为重要。已知的几类图像处理技术有图像增强、复原、编码、压缩、去噪等，其中，去噪在一定程度上也可以归于图像增强。图像增强是输入“不好”的图像，输出改善后“好”的图像。在这一过程中，人眼视觉起到了至关重要的作用。无论是传统方法处理后的图像还是通过计算机处理的图像，在直观上都应该以人眼的接受为目标（这里说的是图像直观上的观察，计算机输出的一些质量评价数据除外）。图像增强的目的就是获得视觉效果好的图像，增强的效果通常以人眼的主观感觉来评价，通常与具体的图像相关。因此，我们可以认为图像增强就是依据人眼的视觉特性将原图像转换为适合于人眼观察的、视觉效果好的、运用于计算机处理的图像当今社会，图像增强技术得到广泛应用。在军事侦察、航空航天、医疗诊断、无损探伤、指纹识别、人脸识别、卫星图片处理等领域都得到了较广泛的应用4。例如：（1） 在煤矿工业电视系统中通常存在因光线不足、灰尘等原因造成的图像模糊、偏差等现象。应用图像增强技术可以有效地解决这些问题，减少电视系统维护的工作量和花费。（2） 在医学CT图像中运用图像增强，能够帮助医生更容易的找出图像中的病灶区，并从中找出病变细节,利于对患者的病情进行诊断。（3） 对一个区域的遥感图片，我们可以通过对不同时间拍摄的各个图片进行图像增强，来侦察敌人是否有军事行动或军事装备的增减。（4） 目前，图像增强技术的应用已经渗透到指纹识别、航空航天、军事侦察、无损探伤、医学诊断等各个领域。（5） 20世纪60年代以来，指纹识别、鉴定领域开始引入计算机技术，发达国家（如：英国、美国、法国、日本）相继研发出各自的指纹识别系统。之后，在金融安全、电子商务、数字加密等领域计算机指纹识别技术得到了广泛的应用。在我国，开始指纹自动识别系统的研制较晚。到20世纪80年代，我国才开始致力于研究指纹自动识别系统。而后，随着北京大学、清华大学、北京市公安局刑事科学技术研究所、公安部第二研究院等相继研发出半自动或自动的指纹识别系统，我国的指纹识别技术正在逐步走向成熟。特别需要注意的是，北京大学自主研制出的指纹识别自动系统已经走向国际，并且取得了举世瞩目的成就。（6） 在航空航天遥感应用中，由于遥感图像很容易受到自然因素（如：天气、云雾等）的影响，获得的图像会出现整体对比度低、模糊或者局部边缘信息不够突出等现象，我们通过图像增强技术改善图像的质量，突出图像的重要信息，提高图像的视觉效果，为以后对遥感图像的分析做好前提准备。（7） 随着红外线技术的出现，军事和日常生活对图像有了更高的要求。一般来说，红外线成像系统的成像效果并不理想。特别是在夜视过程中，由于夜视距离的影响，所得到的图像的特征往往不够明显，这就需要我们对红外线图像的目标特征分割增强，得到视觉效果好的图像。除了上述领域之外，还要尤其值得注意的就是医学领域。与此同时，图像增强技术也在医学领域中取得了重大成就。1895年，德国物理学家伦琴用他发现的X射线为他的夫人的手拍下了一张人类历史上第一张医学图片。医学图像的出现为医务工作者提供可用于诊断和治疗的信息，它的出现使医务工作者可以不用手术而直接对患者的病情进行诊断和分析，大大减轻了患者的痛苦。通过医学图像增强技术，我们可以获得视觉质量好的图像。因此，医学图像增强技术在医疗诊断和医学研究中占有举足轻重的地位。随着科学技术的进步，医学图像的获取方法越来越多。1972年，英国工程师Housfeild发明了X射线计算机断层摄影装置，并把它用于头颅诊断。1975年，用于全身诊断的CT装置在EMI公司研制成功诞生，并以此获得人体全身的断层摄影图像。随后随着CR技术的诞生于发展，人们对X光影像数字化处理、保存和传输成为现实。医学图像成为现代医学中不可或缺的一部分。医学图像的质量能够直接影响到医学诊断的准确性，但是在实际生活中获得的医学图像由于医学成像设备、显示设备等的限制或者认为因素的影响往往存在分辨率低、对比度不足和噪声等问题。这种图像不能突出病灶区的信息，造成正常区域与病灶区很难辨别，不利于医务工作者对病情的诊断。这就需要我们对医学图像增强技术进行深入研究。目前的医学图像增强大致可分为以下三个方面：1) 去除噪声；2) 增强边缘；3) 增大对比度； 基于人眼视觉特性的医学图像增强方法结合人眼的视觉特性主要解决医学图像存在的分辨率低、对比度不足和噪声等问题，实现医学图像主观意义上的增强。1.2 医学图像增强的国内外研究现状 在医学领域中，传统的图像增强方法大致可分为全局增强方法和局部增强方法。全局增强方法包括对比度拉伸和直方图均衡等。全局增强方法对局部的纹理和细节却不能有效地增强，只能增强全局的对比度,在全局上增强视觉效果。所以即使采用全局增强法也同样会产生欠分割现象。局部增强方法在增强局部纹理的同时也增强了噪声, 将导致分割时产生过分割现象。为了便于医生对病灶区或对感兴趣的区域进行正确诊断, 我们需要对图像进行细节增强处理, 以改善图像质量。随着小波变换、Contour let变换、拉普拉斯算子、Sobel算子等的提出，医学图像增强进入了一个更高的层次。 目前国内外医学图像增强的方法主要有以下几种：基于dbN 小波变换的医学图像混合作用域增强算法。该算法首先用sobel算子提取图像的边缘，然后滤波得到原图像的锐化图像, 最后采用幂次变换扩展图像的灰度范围，实现图像增强。与常用的分段小波增强算法相比, 该算法的自适应性强, 增强后的图像能够保留丰富的细节,视觉效果较好。我们对不同尺度的小波系数进行锐化增强时,为了避免噪声的放大和过增强现象,首先利用模糊规则将像素分为低细节,中细节和高细节三类（这是通过计算该尺度低频系数中心像素与其邻域像素的相容性来实现的）,然后利用自适应算法计算非线性细节增益系数，最后小波重建（把增益系数与细节小波系数相乘）后得到增强图像。实验结果表明,该增强算法不仅能够图像细节进行增强而且能够有效地抑制噪声。用户可以调节中细节区域增强因子来适用于图像的特征，从而获得满意的增强效果。通过对选择空间频率的响应的增加来增强CR图像的结构边缘和细节的算法，其中对选择空间频率的响应的增加是使用钝化模糊影像来实现的。此算法首先根据CR图像的灰度特性来调节不同灰度级不同的增强程度的加权因数K，然后非线性地增强CR影像的边缘细节。实验证明, CR 图像经此算法处理后：细节丰富，细节方差与背景方差之比为通用算法的9到6倍。CR图像增强后具有良好的视觉效果,可以证明这种方法是CR医学放射图像边缘细节增强的一种好方法。另外，该算法同样适用于在多尺度分析基础上的小波分解。首先采用两步提升法对小波分解得到的低频子带图像进行对比度增强处理，然后对小波分解得到的不同方向上的小波系数进行不同程度的去噪并增强。实验结果表明, 该方法不仅提高了医学图像的对比度，改善了图像质量，而且有效地解决了噪声放大问题（在传统方法中难以克服）。通过该方法处理后能够得到更利于医生进行分析诊断和后续处理的医学影像。由于医学图像存在对比度低、暗部细节模糊等问题，可能造成图像视觉效果不佳导致医务工作者难以判断病灶区状况甚至导致误诊,诞生出了一种基于高性能DM643芯片的X线医学图像增强处理器，它是在人眼视觉理论的多尺度Retinex 算法的医学图像增强方法的基础上产生和发展起来的。 以分析直方图均衡化、直方图规定化和局部对比度增强这三种图像增强方法为基础将直方图规定化和局部对比度增强方法相结合,得不一种新的医学图像增强方法。实验结果表明该方法在提高了图像的整体对比度的同时又突出了图像的局部细节，其增强效果优于直方图均衡化、直方图规定化处理方法的增强效果。 可以看出，图像增强技术在医学图像增强中起着至关重要的作用。运用图像增强技术对CR图像、CT图像等处理，得到更清晰、更适用于医学的图像。基于人眼视觉特性的医学图像增强方法结合人眼的视觉特性在增强医学图像的边缘基础上降低图像噪声的影响，同时增强了图像的对比度，符合医学图像的特点，更适用于医务工作者用来观察医学图像，发现病灶区，并作出正确的诊断。1.3医学图像增强的特点 与其它一般图像相比，医学图像有其自身的特点：医学图像对病灶部分的边缘有很高的要求。医生在观察一幅医学图像时，观察的是图像的病灶区，比如血管病症的判断，大脑与脑膜之间病症的判断等等，都需要我们得到边缘清晰的图像。但是往往通过医学成像器械得到的图像无法达到义务工作者的要求，从而导致无法给病灶区做出准确判断。这就需要我们在对医学图像处理的时候，将图像边缘的增强作为重点。医学图像清晰度要求较高。比如一些脑部的CT图片和内脏等重要器官的图像可能存在模糊、不清晰等问题，从而影响医务工作者的判断，对患者的病情造成延误乃者是误诊。医学图像对降低噪声要求较高。由于在不同条件（包括地点不同，温度、湿度条件不同及不同的影像器械操作人员）下可能引入的噪声以及医疗成像器械固有的机械噪声、热噪声等等，这些噪声很难消除。这就要求我们在对医学图像进行处理的时候考虑到噪声的影响并且将这些噪声的影响降到最低。常见的噪声有：X光图像的椒盐噪声、CT图像的高斯噪声等等。 基于人眼视觉特性的医学图像增强算法在增强CT图像的边缘基础上降低图像噪声的影响，同时增强了图像的对比度，符合医学图像的特点，更适用于医务工作者用来观察医学图像，发现病灶区，并作出正确的诊断。1.4增强算法的创新点1) 利用人眼的对比灵敏度特性函数构造一个灰度映射函数，构造的灰度映射函数经过分析不仅符合人眼的视觉特性而且能够实现低灰度区域的对比度增强；2) 利用人眼的边缘敏感特性，将拉普拉斯算子引入到医学图像的分解滤波过程中，由于拉普拉斯算子能够检测边缘信息，在分解滤波时能够对医学图像的边缘显著增强1.5基于人眼视觉特性的医学图像增强技术主要内容 医学图像增强既希望去除或减弱噪声同时又希望能够增强医学图像的边缘和对比度。它是一个矛盾的过程。但是，医学图像的噪声大多分布在图像的边缘部分，去除噪声的同时会使边缘模糊，而增强边缘又可能增强了噪声。因此，传统的医学图像增强方法通常需要将增强边缘与降低噪声折中，从而找到一个合适的代价函数来实现图像增强。 传统的医学图像增强算法（如：灰度映射、直方图变换、图像的平滑和锐化等）是医学图像增强技术的基础，它们对于改善图像的质量发挥着至关重要的作用。另外，在医学图像增强中加入人眼视觉系统特性能够在直观上加强其医学图像增强的效果。基于人眼的视觉特性的医学图像增强方法从人眼的视觉特性和医学图像的特点的角度出发，结合人眼边缘敏感性、对比灵敏度特性，提出了一种新的医学图像增强的思路，能够有效地提高医学图像增强的精度,有着显著地效果。 文章共分为六章，具体如下： 第一章：绪论。主要介绍图像增强技术的研究背景和研究现状、医学图像的研究现状、医学图像的特点、基于人眼视觉特性的医学图像增强算法的创新点以及本文的主要内容。 第二章：常用的医学图像增强方法。主要介绍了几种常用的医学图像增强方法以及它们的特点和不足之处。 第三章：人眼视觉综述。主要介绍了人眼的视觉系统概述、人眼的视觉感知概述、人眼的视觉特性总括以及医学图像增强算法中用到的人眼的视觉特性。 第四章：基于人眼视觉特性的医学图像增强算法。主要介绍基于人眼的视觉特性的医学图像增强算法的框架、对医学图像的预处理过程、基于人眼的对比灵敏度特性构造灰度映射函数及函数的分析、分解滤波的实现。 第五章：基于人眼视觉特性的医学图像增强算法的实现。主要介绍本文的算法流程、算法的实现。 第六章：总结与展望。 本章小结： 本章主要基于人眼视觉的医学图像增强技术的研究背景、医学图像的研究现状、本文的主要内容以及本文的创新点。通过本章的介绍，我们大体了解到本文的研究框架与论文的实现过程，引导读者了解本文包含的主要内容，对于进一步阅读本文由重大的指导意义。第二章常用的医学图像增强方法 在实际生活中，医学图像容易受到硬件的限制或者环境的影响，得到的图像往往会存在模糊和噪声影响，这使医务工作者很难辨认病灶区与正常区域，从而造成漏诊或者误诊。所以，必须对医学图像进行增强（主要包括去除噪声、增强边缘、增强对比度等），从而改善医学图像的质量，适用于医学研究与医学诊断。与其它一般图像相比，医学图像有其自身的特点：医学图像对病灶部分的边缘有很高的要求。医生在观察一幅医学图像时，观察的是图像的病灶区，比如血管病症的判断，大脑与脑膜之间病症的判断等等，都需要我们得到边缘清晰的图像。但是往往通过医学成像器械得到的图像无法达到义务工作者的要求，从而导致无法给病灶区做出准确判断。这就需要我们在对医学图像处理的时候，将图像边缘的增强作为重点。医学图像清晰度要求较高。比如一些脑部的CT图片和内脏等重要器官的图像可能存在模糊、不清晰等问题，从而影响医务工作者的判断，对患者的病情造成延误乃者是误诊。医学图像对降低噪声要求较高。由于在不同条件（包括地点不同，温度、湿度条件不同及不同的影像器械操作人员）下可能引入的噪声以及医疗成像器械固有的机械噪声、热噪声等等，这些噪声很难消除。这就要求我们在对医学图像进行处理的时候考虑到噪声的影响并且将这些噪声的影响降到最低。常见的噪声有：X光图像的椒盐噪声、CT图像的高斯噪声等等。 鉴于医学图像的这些特点，医学图像增强技术主要从以下三个方面来进行研究： （1）医学图像的对比度增强；（2）医学图像的去噪；（3）医学图像的边缘增强。2.1医学图像对比度增强 对于灰度图像，医学图像的对比度增强就是增强医学图像灰度的差别，使医学图像高灰度更高、低灰度更低，从而在视觉上增强医学图像的视觉效果。常用的图像对比度增强方法有灰度映射、直方图均衡化、直方图规定化等等。2.1.1灰度映射 灰度映射是一种直接对图像像素进行操作的过程，它是一个点操作过程。灰度映射是一种简单、有效的对比度增强方法，是最常用的空间域医学图像增强方法。灰度映射增强的关键是根据实际的增强要求设计映射函数。 灰度映射的增强过程是通过灰度映射函数将原始图像中的每个像素映射成为新的像素，然后输出含有全部新像素的图像，即为增强图像。增强过程可以用下式定义：hx,y=Hf(x,y)其中，f(x,y)为原始图像；H为映射函数；h(x,y)是一个处理后得到的新的图像。 灰度映射可以增大图像的灰度动态范围，使图像的对比度得到扩展，从而实现图像增强，使图像更清晰。尤其是对于灰度范围较小的原始图像，灰度映射有较好的增强效果，且因为其方法简单、灵活性强等的特点而得到广泛的应用。 灰度映射根据映射函数的不同形式可分为线性灰度映射（包括一般线性灰度映射和分段线性灰度映射）和非线性灰度映射。2.1.1.1线性灰度映射 在医学图像采集的过程中，由于亮度不足可能造成得到的图像灰度范围较小，在显示设备或者医务工作者直接观看时，看到的图像模糊。应用灰度映射，设计一个线性的灰度映射函数，将原始图像的对比度范围扩展，可以较好的增强医学图像的对比度，视觉效果较好。 线性灰度映射的数学表达式为：hx,y=B-Ab-afx,y-a+A其中，f(x,y)为原始图像，其灰度范围为(a,b)；h(x,y)为原图像通过线性灰度映射后得到的新的图像，其灰度范围为(A,B)。 线性灰度映射处理后得到的新图像灰度范围是否增大取决于B-Ab-a的取值。当B-Ab-a1时，图像的灰度范围增大，对比度增强；当B-Ab-aD0上式中，D0是一个非负整数。D(u,v)是从点(u,v)到频率平面原点的距离，即：D(u,v)=(u2+v2)12。一般使用理想滤波对图像进行滤波后，得到的图像会变得模糊或出现“振铃”现象。l 巴特沃斯低通滤波器：一个介为n，截断频率为D0的巴特沃斯低通滤波器的转移函数为：Hu,v=11+Du,vD02n低通巴特沃斯滤波器在高低频率间的过渡比较光滑，所以用巴特沃斯滤波器得到的输出图振铃效应不明显。l 梯形低通滤波器：梯形低通滤波器的转移函数为：Hu,v= 1 D(u,v)DDu,v-D0D-D0 DD0 上式中D0是截止频率，而D是对应分段线性函数的分段点。梯形低通滤波器在高低频率间的过渡不够光滑，所以虽然会减弱一些振铃现象，但是其振铃现象一般比巴特沃斯低通滤波器的转移函数所产生的要强一些。l 指数低通滤波器：一个介为n的指数低通滤波器的转移函数满足下列条件：H(u,v)=exp-D(u,v)D0n其中，D0为截断频率。采用指数低通滤波器会使图像较大程度上的模糊，但产生的振铃现象要比巴特沃斯低通滤波器还要弱。2.4医学图像边缘增强 医学图像边缘增强是医学图像增强技术的一种，它是对医学图像的边缘加以突出处理的一种方法。经过边缘增强后，我们可以得到不同轮廓的医学图像的边界，以便于确定不同的医学图像的边界范围，实现医学图像的边缘增强。常用的医学图像边缘增强方法包括空域法和频域法。其中，空域法包括梯度法和拉普拉斯法；频域法包括理想高通滤波器、巴特沃斯高通滤波器、梯形高通滤波器和指数高通滤波器等等。2.4.1 图像锐化概述 医学图像增强的实质是减少噪声和增强边缘，以此来达到图像质量的改善。但是，一般地在减少噪声的同时会减弱图像的边缘，而增强边缘又会增强了图像的噪声。这往往是一个矛盾的过程。医学图像平滑主要用来减弱或消除图像的噪声，而图像锐化主要是用来增强图像的边缘信息。从频率域角度来看，高频分量的丢失造成了图像的模糊，因此在频率域采用高频滤波器来进行锐化。 图像锐化方法在空域一般有梯度锐化和拉普拉斯锐化两种；而在频域有理想高通滤波器、巴特沃斯高通滤波器、梯形高通滤波器、指数高通滤波器等。下面主要列举几种常见的图形锐化方法的原理及实现。2.4.2 几种常见的图像锐化方法原理（1） 空域法：l 梯度法：对图像f(x,y),在点(x,y)处的梯度是一个矢量，可以定义为：Gf(x,y)=fxfy根据梯度的性质，梯度的方向确定了图像f(x,y)的最大变化率的方向，梯度的幅度为Gf(x,y)，则：Gfx,y=fx2+fy212为了提高运算速度，用绝对值表示下列运算并用差分来近似微分，得到：Gf(x,y)f(i,j)-f(i+1,j)2+fi,j-f(i,j+1)212将Gf(x,y)看做图像在点(x,y)锐化后的值，以此来锐化图像。l 拉普拉斯法：拉普拉斯算子是常用的边缘增强处理算子。它具有旋转不变性，可以满足不同走向的图像边缘的锐化要求。相对于梯度算子，它具有增强边缘精确定位的优点。拉普拉斯算子的二阶偏导数表示为：2f=2fx2+2fy2其对应的一种拉普拉斯模板为：0-10-15-10-10则锐化后的图像为：g=f-KI2f其中，KI为与扩散效应有关的系数，f和g分别为锐化前后的图像。在进行具体的实验时，要选取合适的KI值。（2） 频率域法：l 理想高通滤波器：一个2-D理想高通滤波器的转移函数满足下列条件：Hu,v=0 D(u,v)D01 D(u,v)D0其中，D0为截断频率。l 巴特沃斯高通滤波器：一个阶为n，截断频率为D0的巴特沃斯高通滤波器的转移函数为：Hu,v=11+D0D(u,v)2nl 梯形高通滤波器：梯形高通滤波器的转移函数为：Hu,v=0 D(u,v)D0Du,v-D0D,-D0 D0D,其中，D0为截止频率，D,为对应线性函数的分段点。l 指数高通滤波器：一个阶为n的指数高通滤波器的转移函数应满足下列条件：Hu,v=1-exp-Du,vD0n 本章小结：本章主要讲述了常用的医学图像增强方法：医学图像对比度增强（灰度映射的原理、直方图均衡化的原理、直方图规定化的原理）；医学图像去噪（图像平滑：包括均值滤波器、中值滤波器、理想低通滤波器、巴特沃斯低通滤波器、梯形低通滤波器、指数低通滤波器的原理）；医学图像边缘增强（图像锐化：包括梯度法、拉普拉斯法、理想高通滤波器、巴特沃斯高通滤波器、梯形高通滤波器、指数高通滤波器的原理）。通过本章的介绍，了解这几种常用的医学图像增强方法的原理，并与本文算法进行比较，体现本文算法的重要意义。第三章 人眼视觉综述 人眼视觉的成像原理类似于照相机。人眼视觉包括人眼的生理机制、人眼的感知以及人眼的视觉特性等等，通过研究人眼的视觉特性，并将之运用到医学图像增强技术中，能够从主观上增强医学图像的质量，得到更适合医务工作者诊断病情的医学图像。3.1人眼视觉系统概述 如图3.1所示，人眼的结构跟照相机类似。眼睛的前部为一圆球晶体，其平均直径为20mm左右，由角膜和巩膜外壳、脉络膜和视网膜这三层薄膜包围着11。角膜位于正前方六分之一处,是一种硬而透明的组织，覆盖着眼睛的前表面。巩膜是一层透明的膜，包围着眼球的其它部分，与角膜连在一起。巩膜的里边是脉络膜，脉络膜对于眼球至关重要：首先，它包含有血管网，是眼睛的重要滋养源；其次，脉络膜外壳着色很重，有助于减少进入眼内的外来光以及外来光在眼球内的回射12。在最前面角膜的后面的脉络膜包含两部分，分别是睫状体和虹膜。位于虹膜中间的圆孔称为瞳孔。瞳孔的直径在虹膜环状肌的作用下能够在2-8mm之间调节，基于瞳孔的这种调节可以对进入人眼的光通量进行调节，这跟照相机的光圈调节类似。图3.1人眼的构造图 所谓的“照相机镜头”是指位于瞳孔后面的扁球形的透明的晶状体。由于睫状肌对它的影响，晶状体可以通过调节曲率来改变焦距，从而使不同距离的景物可以在视网膜上成像。晶状体的折射能力可大可小，这与眼睛聚集的物体的远近相关。当眼睛聚集近的物体时，晶状体的折射能力强；当眼睛聚集物体的距离远于3米时，晶状体的折射能力会变得越来越弱。在这个过程中，晶状体的聚集中心与视网膜之间的距离也会随着晶状体折射能力有强到弱，由14mm变为17mm。视网膜布满在整个眼球后部的内壁上，是位于眼睛最里层的膜。视网膜是人眼的成像装置。即：当人眼看到一个物体时，从外部物体来的光就在视网膜上成像。当光信号到达位于整个视网膜表面上分布的分离的光接收器时，就形成了相应的图案。视网膜上的光接收器分为锥状体和杆状体两类。视锥细胞和视杆细胞统称为视细胞。锥状细胞有500万个，每个锥状细胞长约40m，直径为2-6m。锥状细胞主要位于视网膜的中间部分构成中央凹区，也可以称为黄斑区。由于每个锥状细胞连接着一个视神经末梢，所以中央凹区的分辨率很高，形成人眼的明视。所谓的人眼的明视是指人所感兴趣物体的像落在视网膜的中央凹区上，便于人们利用这些锥体细胞充分地识别图像的细节。锥状细胞主要是在强光下检测亮度和颜色信息。杆状细胞分布在视网膜的其他部分，共有7500-15000万个，每个杆状细胞直径约2-7004 m，长约60m。杆状细胞对细节的分辨率较低，只能给出一个一般的轮廓，形成人眼的暗视。所谓人眼的暗视是多个杆状细胞与一个视觉神经末梢相连，虽然杆状细胞的分布面积较大，但是接收器能够识别细节的量较少。杆状细胞没有色彩的感觉，仅仅能在弱光下检测亮度信息。例如，一个物体在白天可以呈现鲜明的颜色，但在夜晚却不能呈现任何颜色。这可以解释为：在白天有锥状细胞受到刺激，锥状细胞有色彩的感觉；而在夜晚只有杆状细胞受到了刺激，杆状细胞没有色彩的感觉。3.2 人眼视觉感知概述3.2.1 人眼视觉信息传递过程视觉是一个有明确输入和输出的信息处理过程。视觉是从图像获得对观察者有用的信息的过程，具体解释为：视觉是发现周围景物中有什么物体和物体在什么地方。由视觉器官、视觉通路和多级视觉中枢组成的人类视觉信息处理系统实现着视觉信息的产生、传递和处理。由于视觉信息处理过程具有复杂性，研究学者将视觉信息处理过程划分为视感觉处理和视知觉处理两个阶段。人眼视觉信息的处理过程如图3.2所示:视知觉中枢（视知觉处理）视感觉中枢（视感觉处理）视觉通路（视觉传递）视觉器官（信息产生）图3.2人眼的视觉信息传递3.2.2人眼视觉的感受野研究发现，位于视觉通路上不同层次的神经元，其感受野尺寸不同，感受野的尺寸随着神经元的层次逐渐深入而越来越大，这种层次体系被称为感受野等级结构。例如，视网膜中心具有较小的感受野，外周的则较大。视网膜在感受野的中心与外围，刺激对神经节细胞响应的影响正好相反，这是由于视网膜神经节细胞和外侧膝状体神经元的感受野呈同心圆中心-外周颉颃形式。视皮层神经元的感受野通常被称为特征检测器。这是由于视皮层神经元的感受野对具有一定形状的刺激敏感，对光点刺激没有反应。视皮层神经元的感受野内某个特定位置对具有一定朝向和宽度的条形刺激响应最强，而当这个位置上的刺激偏离该朝向时反应急剧降低，甚至消失。所以，这些细胞又被称为朝向选择性细胞或者简单细胞。3.2.3 人眼视觉系统的注意机制人类视觉的一项重要的心理调节机制称为视觉注意。我们知道，视知觉是串行的信息处理方式，视感受是并行的信息处理方式。由此可见，视知觉过程所能处理的信息量远远小于视感觉过程所提供的信息量，这就造成了一个严重的失调现象。我们用视觉注意机制作为将这两个过程联系起来的桥梁，作为视觉感知过程的引导者有其高效性和可靠性。1. 认识视觉注意：由于视觉注意机制在发生作用，我们可以非常明显地感受到视觉注意的存在。如下图3.3是几个视觉注意示例图。 图3.3上图中，(a)中的圆环，(b)中的圆盘和(c)中的135度线段会迅速引起人们的注意。2. 选择性视觉注意：选择性是视觉注意众多功能中最根本的一条，这个可以从视觉注意与视觉感知的关系中得出。它表现为在有效地提高重要信息的控制和调节能力的同时舍弃一部分信息。也可以解释为：人们在观察一个场景时，总是有选择地将注意力集中在场景中某些最具吸引力的内容上。这可以从两个角度来解释：（1）从人的角度称为视觉选择性，是一个从场景中选择内容进行观察的过程；（2）从场景的角度称为视觉显著性，是指场景中的某些内容比其他内容更能引起观察者的注意。两者从本质上来看都是对选择性视觉注意过程的描述。注意焦点（FOA）就是其中引起注意的场景内容。目前各个领域的研究者对于视觉注意机制的研究几乎全部集中在选择性视觉注意这一方面，选择性视觉注意也成为了研究者们共同关心的一个焦点。选择性视觉注意的控制和调节能力对于人类视觉完成极为复杂的信息处理任务（一般是通过极为有限的信息处理资源）发挥着决定性的作用。3.3人眼视觉特性总括 我们在观看一幅图像时，图像质量的好坏要由人眼来鉴定，评价电视或者计算机图像的的综合质量需用多种仪器进行测量、比较和鉴定，无论是哪种图像最终都要由人眼观察并作出评定。人眼的视觉特性包括视敏特性、人眼分辨力、对比度、对比灵敏度、感兴趣区域规律、边缘敏感性、人眼的彩色视觉、人眼的视觉停留、人眼视觉心理等等。（1） 视敏特性：对不同波长的光人眼具有不同的灵敏度，称为人眼的视敏特性。视敏特性可用视敏函数和相对视敏函数来描述。人眼对相同辐射功率的各色光具有不同的亮度感觉。在相同辐射功率的条件下，人眼感觉最暗的光是红光和紫光，感觉最亮的光是黄绿光（555nm）。（2） 人眼的分辨力：人眼分辨景物细节的能力称为分辨力，分辨力的大小用分辨角（也称视敏角或称视角）表示。人眼分辨景物细节的能力是有限的。不同的人的人眼分辨力不同，一般在中等亮度和中等对比度情况下，视力正常的人观察静止图像时，人眼能分辨的最小视角约为1-1.5。另外，分辨力还取决于对比度和景物照度。（3） 对比度（亮度）范围：人眼能够感觉到的亮度范围称为对比度视觉范围。相对于人眼的视觉范围来说这个范围很大，可达109：1。这就导致虽然人眼总的视觉范围很宽，但也不能在同一时间感受全部的亮度范围。当平均亮度适中时，在人眼的视觉范围内感受到的亮度范围为1000：1；当平均亮度较高或较低时，在人眼的视觉范围内感受到的亮度范围只有10：1；一般状况下，这个范围为100：1。另外，显像管亮度范围约为30：1，电影银幕亮度范围大致为100：1。人眼的明暗感觉是相对的。不仅是景物实际的亮度值对人眼对于景物亮度的主观感觉有影响，而且周围环境的平均亮度也有一定的关系。人眼对于同一亮度在不同环境下的主观感觉不同。（4） 人眼的彩色视觉：人眼的锥状细胞有三种，分别对红、绿、蓝三种色光最敏感，称为红感细胞、绿感细胞、蓝感细胞。当一束光射入人眼时，三种锥状细胞就会产生不同的反应，不同颜色的光对三种锥状细胞的刺激量是