人眼视觉系统(Human Visual System)

转载自：点击打开链接

人眼类似于一个光学系统，但它不是普通意义上的光学系统，还受到神经系统的调节。人眼观察图像时可以用以下几个方面的反应及特性：

(1)从空间频率域来看，人眼是一个低通型线性系统，分辨景物的能力是有限的。由于瞳孔有一定的几何尺寸和一定的光学像差，视觉细胞有一定的大小，所以人眼的分辨率不可能是无穷的，HVS对太高的频率不敏感。

(2)人眼对亮度的响应具有对数非线性性质，以达到其亮度的动态范围。由于人眼对亮度响应的这种非线性，在平均亮度大的区域，人眼对灰度误差不敏感。

(3)人眼对亮度信号的空间分辨率大于对色度信号的空间分辨率。

(4)由于人眼受神经系统的调节，从空间频率的角度来说，人眼又具有带通性线性系统的特性。由信号分析的理论可知，人眼视觉系统对信号进行加权求和运算，相当于使信号通过一个带通滤波器，结果会使人眼产生一种边缘增强感觉一一侧抑制效应。

(5)图像的边缘信息对视觉很重要，特别是边缘的位置信息。人眼容易感觉到边缘的位置变化，而对于边缘的灰度误差，人眼并不敏感。

(6)人眼的视觉掩盖效应是一种局部效应，受背景照度、纹理复杂性和信号频率的影响。具有不同局部特性的区域，在保证不被人眼察觉的前提下，允许改变的信号强度不同。

人眼的视觉特性是一个多信道(Multichannel)模型。或者说，它具有多频信道分解特性(Mutifrequencychannel decompositon)。例如，对人眼给定一个较长时间的光刺激后，其刺激灵敏度对同样的刺激就降低，但对其它不同频率段的刺激灵敏变却不受影响(此实验可以让人眼去观察不同空间频率的正弦光栅来证实)。视觉模型有多种，例如神经元模型，黑白模型以及彩色视觉模型等等，分别反应了人眼视觉的不同特性。Campbell和Robosn由此假设人眼的视网膜上存在许多独立的线性带通滤波器，使图像分解成不同频率段，而且不同频率段的带宽很窄。视觉生理学的进一步研究还发现，这些滤波器的频带宽度是倍频递增的，换句话说，视网膜中的图像分解成某些频率段，它们在对数尺度上是等宽度的。视觉生理学的这些特征，也被我们对事物的观察所证实。一幅分辨率低的风景照，我们可能只能分辨出它的大体轮廓；提高分辨率的结果，使我们有可能分辨出它所包含的房屋、树木、湖泊等内容；进一步提高分辨率，使我们能分辨出树叶的形状。不同分辨率能够刻画出图像细节的不同结构。

转载自：点击打开链接

视觉系统的空间和频率特性是相互依赖的，对于运动图像，存在一种时间分辨
率和空间分辨率的交换。实际上，生活中也有这种经验，当快速运动物体从眼前通过
时，很难看清其细节，只能看见粗略的轮廓。只有当物体细节大小、细节明暗对比度
以及在眼中呈现时间长短都合适时，才能对物体细节有较清楚的感知。对人眼的空间
一频率响应曲线的测试表明，当空间频率较高时，空间对比度敏感性下降，也即人眼
对快运动物体的细节分辨力低。同样，空间分辨率较高时，人眼对闪烁的敏感度下降，
实际上，人眼对运动物体的分辨能力和人眼能不能“跟踪”有关。如果能跟踪比如静
止或慢运动物体，空间分辨率就较高：不能跟踪，比如电视屏幕上人和物体的运动，
则空间分辨率下降。总之，空间、时间和幅度分辨率三者之间可以有一定的交换。

8、画面切换后约lOOms内，人眼分辨率较低，这种效应称为掩蔽效应。由于掩蔽
效应，人眼对画面中人移开后刚露出的背景分辨率也降低。人眼的视觉特性还有很多，
随着对人类视觉系统的研究的深入，将会逐渐被发现并利用到图像处理中。人类视觉
系统具有带通性和方向性等重要特性。人眼对不同方向的高频分量具有不同的分辨率，
若对分解出的不同方向的细节分量分别加以分析处理，就能充分利用视觉特性。另一
方面，采用多分辨率小波分析，除了充分利用视觉特性以外，还可采用小波变换的其
它优点。比如，除了可以利用统计特性外，还可以利用视觉特性来改善图像的重构质
量。
对于图像来说，人类视觉系统的主要特性一般表现在3个方面：亮度特性、频域
特性、图像类型特性。其中，亮度特性是人类视觉系统特性中最基本的一种，主要关
于人眼对亮度变化的敏感性。一般来说，人眼对于高亮度的区域所附加的噪声其敏感
性较小。这就意味着，如果图像的背景亮度越高，那么它所能嵌入的附加信息就越多；
对于频域特性来说，如果将图像从空域变换到频域，那么频率越高，人眼的分辨能力
就越低。频率越低，人眼的分辨能力就越高。人类视觉系统的频域特性告诉我们，人
眼对高频内容其敏感性较低；从图像类型特性来说，图像可分为大块平滑区域和纹理
密集区域。人类视觉系统对于平滑区域的敏感性要远高于纹理密集区域，也就是说，
图像中的纹理越密集，其所能嵌入的信息就越多。“。
§3．4小波变换与人类视觉系统
小波变换可以较好地匹配人类视觉系统HVS，图像小波变换低频子带(LLn，n为
分解层数)系数代表它所在的小波块对应的图像块的平均亮度，其中大的系数代表图
像中平均亮度高的区域、小的系数代表图像中平均亮度低的区域：高频(HLi，LHi，HHi，
i=l…n)系数则代表图像的纹理和边缘部分，其中绝对值大的系数代表图像复杂纹理和边缘部分、绝对值小的系数则代表图像的平滑部分。
提高水印鲁棒性的有效途径是充分利用人眼的视觉特性，在满足不可见性的要求
下，合理分配水印信号的能量，尽可能提高局部嵌入水印分量的强度。数字水印跟图
像压缩一样，都可以得益于HVS特性的有效利用。两者之间的相似性在于压缩过程中
由于量化带来的图像失真和由于水印嵌入带来的图像失真都必须控制在人眼不可见的
范围之内。因此，在压缩领域中深入研究的人类视觉系统理论完全可以借鉴。基于这
一思想的自适应水印算法已经开始受到人们的重视。文献…’3”在离散余弦变换域和离
散小波变换域算法中应用了视觉系统的频率掩蔽特性。文献…1应用JPEG算法中所采用
的视觉模型，提出了基于图像自适应性的离散余弦变换和离散小波变换水印算法。文
献”1利用照度掩蔽和纹理掩蔽特性，提出了基于块分类的自适应算法。文献啪1采用JND
视觉模型，计算了离散余弦变换和离散小波变换系数允许的最大嵌入量。文献。”提出
基于离散小波变换的图像水印算法，首先选择重要的小波子带(不包含低频子带)，然
后选择这些子带的重要系数嵌入水印信息。文献…1根据视觉系统的对比度模型，提出
了一个视觉掩蔽标准和应用该标准的数据隐藏算法。另一方面，由于小波变换所具备
的方向性和倍频程分割性能与人类视觉系统非常契合，再加上小波变换的其它众多优
点，使得结合小波变换和HVS特性的数字水印方案不管在性能还是效率上似乎都是更
胜一筹，从而吸引了众多研究者的注意。