顏色空間的感知均勻性評(píng)價(jià)及其在圖像處理中的應(yīng)用

范彩霞， 陳亞軍

(西安理工大學(xué) 印刷包裝與數(shù)字媒體學(xué)院，陜西 西安 710048)

?

顏色空間的感知均勻性評(píng)價(jià)及其在圖像處理中的應(yīng)用

范彩霞， 陳亞軍

(西安理工大學(xué) 印刷包裝與數(shù)字媒體學(xué)院，陜西 西安 710048)

針對(duì)以感知為基礎(chǔ)的彩色圖像處理中涉及的小色差圖像數(shù)據(jù)的處理，本文選擇6幅常用的不同類型和不同色彩的圖像并對(duì)它們實(shí)施明度、彩度、色相角等變換，針對(duì)變換后的圖像色差進(jìn)行了心理物理學(xué)視覺評(píng)價(jià)實(shí)驗(yàn)。根據(jù)視覺實(shí)驗(yàn)數(shù)據(jù)，用對(duì)小色差數(shù)據(jù)具有較好評(píng)價(jià)能力的基于CIELAB顏色空間的CIEDE2000色差公式、基于CIECAM02色貌模型的CAM02-SCD方法、基于圖像的S-CIELAB模型、基于IPT顏色空間的色差計(jì)算方法和基于LAB2000HL的顏色空間進(jìn)行了性能測(cè)試和分析評(píng)價(jià)。最后分析了不同的感知均勻顏色空間在不同圖像處理中的應(yīng)用特點(diǎn)。

顏色空間； 感知均勻； 圖像色差； 圖像處理

隨著彩色圖像處理技術(shù)的發(fā)展和應(yīng)用范圍的不斷擴(kuò)大，符合人眼視覺特性的彩色圖像處理技術(shù)越來(lái)越受到行業(yè)的重視[1]。這些基于感知的圖像處理算法需要在具有特定屬性的顏色空間才能有效地運(yùn)作，因此，需要對(duì)顏色空間的感知特性以及特定應(yīng)用的要求有所了解。在理想情況下，應(yīng)使用符合人眼視覺特性的均勻顏色空間來(lái)表征顏色。理論上在這類顏色空間中，相同的視覺間隔應(yīng)該能夠用相同的顏色差來(lái)表示。感知均勻顏色空間在計(jì)算機(jī)視覺中已逐漸得到應(yīng)用，如圖像檢索[2]、邊緣檢測(cè)[3]、目標(biāo)識(shí)別與跟蹤[4-5]、特征匹配[6]等。

目前基于感知的均勻顏色空間主要有CIELAB[1，7]、CIELUV[1，7]、S-CIELAB[8]、IPT[9]、LAB2000HL[1]和基于CIECAM02色貌模型的J′a′b′顏色空間[10]。在這些顏色空間中，都有相應(yīng)的色差計(jì)算公式[1，7-10]。目前對(duì)于均勻顏色空間和色差評(píng)價(jià)的分析多數(shù)是基于簡(jiǎn)單色塊的，而圖像由大量的不同顏色和固定位置的像素點(diǎn)構(gòu)成，其具有復(fù)雜的空間結(jié)構(gòu)?；趫D像的均勻顏色空間的評(píng)價(jià)一般通過(guò)設(shè)計(jì)對(duì)圖像色差進(jìn)行視覺評(píng)價(jià)的等級(jí)實(shí)驗(yàn)進(jìn)行，以尋求與人眼的視覺感知評(píng)價(jià)相一致的均勻顏色空間及其相應(yīng)的色彩差異評(píng)價(jià)公式[11-13]。文獻(xiàn)[11]僅對(duì)S-CIELAB顏色空間和IPT顏色空間進(jìn)行了評(píng)價(jià)且實(shí)驗(yàn)圖像較單一，文獻(xiàn)[12]、[13]主要對(duì)依托顏色空間的色差公式進(jìn)行評(píng)價(jià)且實(shí)驗(yàn)圖像均為印刷標(biāo)準(zhǔn)圖像，未考慮到基于感知的圖像處理中的主要問(wèn)題以及標(biāo)準(zhǔn)圖像的特點(diǎn)。而且，目前所有的文獻(xiàn)均未對(duì)基于CIELAB顏色空間改進(jìn)的LAB2000HL顏色空間的感知均勻性進(jìn)行評(píng)價(jià)。

綜上，由于基于視覺特性的圖像處理技術(shù)大多數(shù)關(guān)注的是小色差圖像數(shù)據(jù)之間的處理方法，如圖像質(zhì)量評(píng)價(jià)、圖像分割和目標(biāo)識(shí)別等，因此，本文采用彩色圖像處理中常用的各類標(biāo)準(zhǔn)圖像，選擇對(duì)小色差數(shù)據(jù)具有較好評(píng)價(jià)能力的基于CIELAB顏色空間的CIEDE2000色差公式[7]、基于CIECAM02色貌模型對(duì)小色差評(píng)價(jià)的CAM02-SCD方法[10]、基于圖像的S-CIELAB模型[8]、基于IPT顏色空間的色差計(jì)算方法[9]和基于LAB2000HL的顏色空間[1]來(lái)測(cè)試和評(píng)價(jià)它們對(duì)于小色差圖像的評(píng)價(jià)和預(yù)測(cè)能力。

1　感知均勻顏色空間性能評(píng)價(jià)

1.1視覺評(píng)價(jià)實(shí)驗(yàn)方案與實(shí)驗(yàn)過(guò)程

針對(duì)基于小色差圖像數(shù)據(jù)的處理，文中設(shè)計(jì)并實(shí)施了對(duì)圖像色差進(jìn)行視覺評(píng)價(jià)的等級(jí)實(shí)驗(yàn)。為了測(cè)試不同顏色空間的感知均勻性，進(jìn)行視覺評(píng)價(jià)實(shí)驗(yàn)時(shí)選用的圖像應(yīng)具有代表性。本文從用于圖像質(zhì)量評(píng)價(jià)的數(shù)據(jù)庫(kù)選擇了不同類型和色彩的6幅圖像(見圖1)，涵蓋了靜物、動(dòng)物、人物和風(fēng)景，包含了高光和暗調(diào)、高彩度和低彩度、復(fù)雜紋理變化、記憶色等典型顏色，具有一定的代表性。這6幅圖像也常用于對(duì)其他圖像處理算法的評(píng)價(jià)。

圖1　顏色空間感知均勻性測(cè)試用圖像Fig.1　Test images for uniform color space

根據(jù)基于感知的圖像處理算法中各類圖像以及圖像內(nèi)部在亮度變化、顏色變化和分辨率變化方面的特點(diǎn)，參考文獻(xiàn)[12]和[13]的實(shí)驗(yàn)過(guò)程，本文設(shè)計(jì)了對(duì)上述6幅圖像的明度和彩度的線性變換、Gamma曲線變換、對(duì)明度和彩度的聯(lián)合變換、對(duì)色相角的線性變換、對(duì)直方圖均衡和分辨率的變換。每幅圖像有36個(gè)變換等級(jí)，總共獲得216幅用于視覺評(píng)價(jià)測(cè)試的小色差圖像數(shù)據(jù)。具體的變換參數(shù)如表1所示。

將得到的具有不同色差等級(jí)變化和顏色變化的圖像和原圖像進(jìn)行組對(duì)制作成幻燈片，原圖和變換后圖像的左右位置隨機(jī)排放，圖像對(duì)的背景為70%的灰色。

視覺實(shí)驗(yàn)在室內(nèi)自然照明環(huán)境下進(jìn)行，采用三星LCD顯示器，調(diào)整顯示器的白點(diǎn)為D65光源，色溫為6 500 K(開爾文)， 顯示器亮度為80 cd/m2，γ=2.2。每次實(shí)驗(yàn)前顯示器預(yù)熱30 min。要求觀察者垂直屏幕進(jìn)行觀察，觀察距離為460 mm左右，隨機(jī)播放幻燈片進(jìn)行視覺實(shí)驗(yàn)。根據(jù)給定的色差評(píng)判等級(jí)給出每一對(duì)圖像的0～5級(jí)的主觀目視色差等級(jí)[11-13]。

圖像差別視覺評(píng)價(jià)等級(jí)的規(guī)則如表2所示。

共有30名觀察者參與主觀視覺評(píng)價(jià)實(shí)驗(yàn)，男女比例為1∶2，平均年齡為25.3歲。其中，20名觀察者進(jìn)行了1次視覺實(shí)驗(yàn)，10名觀察者在不同時(shí)間進(jìn)行了2次視覺實(shí)驗(yàn)，共獲得8 640個(gè)視覺評(píng)價(jià)數(shù)據(jù)。

表1　圖像處理函數(shù)和相應(yīng)的參數(shù)

表2　目視色差判斷等級(jí)

說(shuō)明：如果認(rèn)為圖像差別介于兩個(gè)等級(jí)之間，打分可以為小數(shù)，如2.4。

為了驗(yàn)證30名觀察者所獲得的8 640個(gè)視覺實(shí)驗(yàn)數(shù)據(jù)的有效性，本文采用STRESS公式對(duì)得到的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行重復(fù)精度分析和準(zhǔn)確性分析，從而對(duì)觀察者精度進(jìn)行統(tǒng)計(jì)分析。重復(fù)精度用來(lái)驗(yàn)證10名觀察者2次觀察數(shù)據(jù)的一致程度。準(zhǔn)確性用來(lái)驗(yàn)證20名觀察者實(shí)驗(yàn)得到的數(shù)據(jù)與所有觀察者的實(shí)驗(yàn)數(shù)據(jù)平均值之間的差異[14]。通過(guò)數(shù)據(jù)分析，對(duì)實(shí)驗(yàn)中的10名觀察者STRESS計(jì)算的重復(fù)性從8.3變化到18.6，平均值為14.3，說(shuō)明10名觀察者的重復(fù)性精度較好。實(shí)驗(yàn)中的20名觀察者STRESS計(jì)算的準(zhǔn)確性的值從10.85變化到20.56，平均值為17.35。對(duì)視覺評(píng)價(jià)數(shù)據(jù)重復(fù)性和準(zhǔn)確性的檢驗(yàn)與經(jīng)典數(shù)據(jù)相比較，STRESS計(jì)算結(jié)果說(shuō)明視覺數(shù)據(jù)的可信度在可以接受的范圍內(nèi)，也驗(yàn)證了本文進(jìn)行視覺評(píng)價(jià)實(shí)驗(yàn)得到的數(shù)據(jù)是有效的[15]。

1.2感知均勻顏色空間性能評(píng)價(jià)

每幅圖像的視覺色差評(píng)價(jià)數(shù)據(jù)為所有觀察者視覺評(píng)價(jià)數(shù)據(jù)得分的平均值，計(jì)算色差為基于均勻顏色空間的色差計(jì)算公式逐個(gè)像素計(jì)算結(jié)果的平均值。

6幅圖像的視覺色差和基于CIELAB均勻顏色空間的CIEDE2000色差公式、基于圖像的S-CIELAB模型、基于CAM02-SCD色差公式、基于IPT顏色空間和基于LAB2000HL的顏色空間得到的計(jì)算色差的相關(guān)圖如圖2所示，橫坐標(biāo)為計(jì)算色差ΔE，縱坐標(biāo)為視覺色差ΔV，每幅圖像不同顏色空間下的實(shí)驗(yàn)結(jié)果用不同的點(diǎn)線表示。圖中的直線為計(jì)算色差與視覺色差的線性擬合，6幅圖像的擬合直線的相關(guān)參數(shù)如表3所示。表中的斜率表示圖像的視覺色差感覺隨著計(jì)算色差改變的規(guī)律，截距表示視覺色差和計(jì)算色差偏離原點(diǎn)的程度，所有的截距均不為0，說(shuō)明觀察者給出的圖像的視覺色差普遍較高，即使測(cè)試圖像無(wú)色差，觀察者也判斷兩幅圖像顏色有差別，這可能是由于觀察者心理預(yù)期所致。相關(guān)系數(shù)表示獲得的數(shù)據(jù)點(diǎn)圍繞擬合直線的分布情況，相關(guān)系數(shù)越高說(shuō)明計(jì)算色差越接近視覺色差，即色差公式與人眼視覺的一致性越高，亦即色差計(jì)算效果好。

從圖2和表3可以得出如下結(jié)論：計(jì)算色差和視覺色差數(shù)據(jù)點(diǎn)的分布較統(tǒng)一，二者可以建立起一定的關(guān)系。不同圖像的擬合直線的相關(guān)參數(shù)具有一定的差別，說(shuō)明圖像的內(nèi)容對(duì)視覺色差和計(jì)算色差都有一定的影響。Image 1圖像存在色相、飽和度的變化以及高光的影響，用色差公式計(jì)算的色差值與圖像色差感覺之間具有一定的線性相關(guān)性，隨著計(jì)算色差值的改變，色差感覺也相應(yīng)變化。基于CIEDE2000的計(jì)算色差明顯大于視覺色差，S-CIELAB計(jì)算結(jié)果更差，基于CAM02-SCD的結(jié)果有了明顯的改善，但是其相關(guān)系數(shù)較低，基于LAB2000HL的相關(guān)系數(shù)更低，說(shuō)明計(jì)算色差和視覺色差相差較大，基于IPT顏色空間的計(jì)算色差和視覺色差相差較小，相關(guān)系數(shù)較高?；?個(gè)顏色空間的實(shí)驗(yàn)數(shù)據(jù)都比較分散，說(shuō)明人眼對(duì)較小的亮度和彩度的變化引起的小色差比較敏感。Image 2屬于紋理比較豐富的圖像，這類圖像較小的色差變化會(huì)引起感知的較大變化，從圖中可以看出計(jì)算色差和視覺色差數(shù)據(jù)比較集中，對(duì)于該類圖像，IPT顏色空間色差計(jì)算效果最好，CIEDE2000和S-CIELAB次之，CAM02-SCD效果較差，LAB2000HL效果最差。Image 3和Image 4兩幅圖像屬于色彩比較豐富且飽和度較高的圖像，實(shí)驗(yàn)的數(shù)據(jù)點(diǎn)都比較分散，在所有顏色空間下的相關(guān)系數(shù)都比較小，說(shuō)明該類圖像的計(jì)算色差與人眼的視覺色差一致性較低，視覺色差判斷普遍低于計(jì)算色差，導(dǎo)致在所有顏色空間下截距普遍較大。5個(gè)顏色空間下Image 3圖像的斜率幾乎都為零，說(shuō)明視覺色差不隨計(jì)算色差而改變，該幅圖像的實(shí)驗(yàn)結(jié)果最差，相比較而言對(duì)于該類圖像，IPT顏色空間計(jì)算效果最好。Image 5和Image 6屬于自然風(fēng)景類圖像，圖像的色彩和亮度都屬于中間調(diào)變化，計(jì)算色差普遍大于視覺色差，說(shuō)明人眼的視覺感知不敏感，對(duì)于該類圖像5個(gè)顏色空間表現(xiàn)都比較優(yōu)秀，所有的實(shí)驗(yàn)數(shù)據(jù)較集中，相關(guān)系數(shù)普遍較高。

圖2　6幅圖像的主客觀評(píng)價(jià)結(jié)果Fig.2　Subjective and objective results of six images

表3　計(jì)算色差和視覺色差數(shù)據(jù)擬合直線的參數(shù)

綜上分析，不同圖像在不同顏色空間下的擬合直線的斜率和截距都具有一定的差別，說(shuō)明圖像內(nèi)容對(duì)計(jì)算色差和色差感覺有一定的影響。實(shí)驗(yàn)點(diǎn)的離散性說(shuō)明計(jì)算色差與實(shí)際色差感覺有一定的差別。

基于IPT顏色空間的色差公式計(jì)算結(jié)果使實(shí)驗(yàn)結(jié)果數(shù)據(jù)點(diǎn)的離散性減小，提高了相關(guān)系數(shù)的值，所有圖像的直線斜率趨于一致，說(shuō)明其計(jì)算結(jié)果受圖像內(nèi)容的影響相對(duì)較小，該計(jì)算公式的計(jì)算結(jié)果更符合實(shí)際色差感覺，可以應(yīng)用于各類圖像的處理。

為了對(duì)不同感知均勻顏色空間的預(yù)測(cè)性能進(jìn)行定量地評(píng)價(jià)，本文采用不同計(jì)算色差和視覺色差的STRESS值進(jìn)行色差公式的統(tǒng)計(jì)顯著性評(píng)價(jià)[14]。分別計(jì)算5個(gè)顏色空間下6幅圖像的明度(L*)變換、彩度(C)變換、色相角(h)變換、明度和彩度(L*C)的聯(lián)合變換、分辨率(R)變換以及所有(Overall)變換的圖像對(duì)間的STRESS平均值和方差，結(jié)果如表4所示。

表4　STRESS評(píng)價(jià)結(jié)果

STRESS值越小說(shuō)明計(jì)算色差和視覺色差的相關(guān)性越高，顏色空間更加符合人眼的視覺特性即具有更好的感知均勻性，預(yù)測(cè)性能越好。方差越小說(shuō)明顏色空間和相應(yīng)的色差公式受圖像內(nèi)容的影響越小。

6幅圖像的所有測(cè)試圖像對(duì)的STRESS的均值和變化范圍如圖3所示。

圖3　不同顏色空間性能比較圖Fig.3　Comparison of different color space

從圖3可以看出，對(duì)于圖像明度和彩度以及明度和彩度的聯(lián)合變換，S-CIELAB顏色空間得到的STRESS值均值相對(duì)較?。粚?duì)于色相角變換，基于CAM02-SCD的均值較??；對(duì)于分辨率的變換，LAB2000HL的均值較小。而對(duì)于6幅不同類型圖像的基于感知的所有變換(Overall)，IPT顏色空間下的均值最小，方差也最小。

總之，基于IPT均勻顏色空間的色差公式的預(yù)測(cè)性能最好，其次是基于圖像的S-CIELAB模型、基于LAB2000HL的顏色空間、基于CIELAB顏色空間的CIEDE2000色差公式，基于CIECAM02色貌模型的顏色空間的預(yù)測(cè)性能最差。這是由于IPT顏色空間和S-CIELAB模型都對(duì)圖像進(jìn)行了基于人眼視覺特性的CSF濾波預(yù)處理，而IPT顏色空間還對(duì)圖像進(jìn)行了色適應(yīng)變換，將圖像色適應(yīng)變換到D65光源下。IPT顏色空間及其色差公式相對(duì)較穩(wěn)定，對(duì)于圖像的明度、彩度、色相角以及明度和彩度變換其性能都表現(xiàn)較好，STRESS值變化范圍較小。CAM02-SCD色差公式穩(wěn)定性較差，其STRESS值變化范圍較大。

綜上分析可知，對(duì)于小色差的圖像數(shù)據(jù)，由于增加了對(duì)圖像色適應(yīng)變換和CSF濾波，IPT顏色空間更加均勻，基于IPT顏色空間的色差公式更加接近人眼的視覺評(píng)價(jià)結(jié)果。

2　均勻顏色空間在圖像處理中的應(yīng)用

本文通過(guò)兩個(gè)基于感知的圖像處理的例子(圖像邊緣檢測(cè)和行人目標(biāo)識(shí)別)來(lái)說(shuō)明不同的感知均勻顏色空間在圖像處理中的應(yīng)用特點(diǎn)。

2.1邊緣檢測(cè)

本文基于感知均勻顏色空間對(duì)彩色圖像進(jìn)行邊緣檢測(cè)的流程圖如圖4所示。首先將RGB彩色圖像根據(jù)轉(zhuǎn)換步驟和轉(zhuǎn)換公式分別轉(zhuǎn)換到文中提到的5個(gè)不同的均勻顏色空間，之后根據(jù)不同顏色空間下的色差計(jì)算公式計(jì)算圖像的梯度，最后將色差梯度圖進(jìn)行歸一化處理，并根據(jù)人眼的恰可察覺色差提取目標(biāo)邊緣得到最終的邊緣圖[3]。不同均勻顏色空間得到的邊緣檢測(cè)結(jié)果如圖5所示。

圖4　邊緣檢測(cè)流程圖Fig.4　Block diagrams for edge detection

從圖5 Lena圖像中的鏡框以及帽沿部分在不同顏色空間中檢測(cè)的結(jié)果可以看出，基于CIELAB顏色空間的CIEDE2000色差公式、基于圖像的S-CIELAB模型和基于CAM02-SCD方法都把一些視覺感知不敏感的細(xì)小邊緣檢測(cè)出來(lái)了，這些細(xì)小邊緣對(duì)后續(xù)的圖像分析和理解帶來(lái)許多不必要的信息，而且上述3種檢測(cè)結(jié)果都有明顯的塊效應(yīng)，表明它們對(duì)人眼視覺的空間混合效果模擬得不好；基于LAB2000HL顏色空間邊緣檢測(cè)的效果有所改善，但仍然檢測(cè)出部分細(xì)小邊緣?；贗PT顏色空間的邊緣檢測(cè)結(jié)果較好地避免了上述現(xiàn)象，能夠有效地檢測(cè)出視覺感知敏感的邊緣且消除了干擾信息。

圖5　不同顏色空間邊緣檢測(cè)結(jié)果Fig.5　Edge detection results on different color space

2.2行人目標(biāo)識(shí)別

行人目標(biāo)識(shí)別是目前多攝像機(jī)視頻監(jiān)控中需要解決的關(guān)鍵問(wèn)題之一。尤其當(dāng)不同攝像機(jī)視域中存在相似穿著的行人目標(biāo)(即存在小色差圖像)時(shí)，基于RGB顏色或HSV顏色的算法識(shí)別率會(huì)受到很大的影響。而人類視覺系統(tǒng)能夠根據(jù)這些相似的顏色特征分辨這些目標(biāo)，在與人類視覺感知具有一致性的感知均勻顏色空間(如CIELAB顏色空間)中提取目標(biāo)外觀特征，能夠更有效地區(qū)分具有相似顏色的目標(biāo)(表5所示)。表5中包括兩組視覺相似的行人目標(biāo)，其中第1列和第3列中的兩個(gè)行人為同一目標(biāo)，第2列和第4列中的兩個(gè)行人為相似目標(biāo)。本文分別在RGB顏色空間、HSV顏色空間和CIELAB顏色空間中采用顏色直方圖來(lái)計(jì)算各列中兩個(gè)行人目標(biāo)對(duì)之間的相似度[16]。從表中可以看出，雖然人眼可以有效地分辨出第1列和第3列為同一行人，但是在RGB顏色空間和HSV顏色空間中的計(jì)算結(jié)果確是第2列和第4列相似的行人具有較大的相似度，可見在這兩個(gè)顏色空間中進(jìn)行行人識(shí)別會(huì)造成誤識(shí)別，而在CIELAB顏色空間中同一目標(biāo)行人對(duì)的相似度最大，可以得到正確的識(shí)別結(jié)果。由上述分析可知，研究不同感知均勻顏色空間對(duì)行人目標(biāo)識(shí)別的性能可以為相似行人目標(biāo)的識(shí)別提供依據(jù)和方法，從而提高算法的識(shí)別率。

表5　不同顏色空間中目標(biāo)相似度計(jì)算

本文通過(guò)基于CAMPUS-Human數(shù)據(jù)庫(kù)的實(shí)驗(yàn)來(lái)說(shuō)明不同均勻顏色空間的感知特性。CAMPUS-Human數(shù)據(jù)庫(kù)中包括來(lái)自214組鏡頭的74個(gè)行人目標(biāo)，每個(gè)目標(biāo)有5幅參考圖像，1 519幅圖像序列用于行人目標(biāo)識(shí)別[17]。本文通過(guò)將行人目標(biāo)圖像分別轉(zhuǎn)換到CIELAB顏色空間、基于CIECAM02色貌模型的顏色空間、基于S-CIELAB模型的顏色空間、IPT顏色空間和基于LAB2000HL的顏色空間，并分別在這5個(gè)顏色空間中提取行人目標(biāo)的顏色直方圖，采用直方圖間的巴氏距離計(jì)算相似度，得到行人目標(biāo)識(shí)別結(jié)果。實(shí)驗(yàn)結(jié)果通過(guò)累計(jì)匹配特征(Cumulative Matching Characteristic, CMC) 曲線進(jìn)行評(píng)價(jià)，CMC曲線反映的是在前n個(gè)最相似的候選目標(biāo)內(nèi)找到正確匹配結(jié)果的概率。本文測(cè)試的5個(gè)顏色空間下的CAMPUS-Human數(shù)據(jù)庫(kù)的實(shí)驗(yàn)結(jié)果如圖6所示。

從圖6可看出，針對(duì)行人目標(biāo)圖像的小色差數(shù)據(jù)的識(shí)別，CIEDE2000色差公式和S-CIELAB模型表現(xiàn)較差，在排名等級(jí)較小時(shí)，CAM02-SCD和LAB2000HL識(shí)別率較高，IPT顏色空間識(shí)別率次之， 但是隨著排名等級(jí)的增大，基于IPT顏色空間的行人識(shí)別率上升較快，說(shuō)明IPT顏色空間穩(wěn)定性較強(qiáng)，受環(huán)境影響較小。如何合理有效地利用各個(gè)顏色空間的特性和色差計(jì)算方法達(dá)到更高的識(shí)別率是后續(xù)需要研究的一個(gè)問(wèn)題。

圖6　不同顏色空間行人識(shí)別結(jié)果Fig.6　Person identification result based on different color space

3　結(jié)　論

本文針對(duì)以感知為基礎(chǔ)的小色差圖像處理問(wèn)題，通過(guò)對(duì)6幅標(biāo)準(zhǔn)圖像進(jìn)行明度、彩度和色相角等的變換得到216幅測(cè)試圖像。由不同觀察者和不同時(shí)間下的圖像色差視覺評(píng)價(jià)實(shí)驗(yàn)得到的數(shù)據(jù)與圖像色差的計(jì)算數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，實(shí)驗(yàn)數(shù)據(jù)具有很好的一致性，圖像的內(nèi)容和色彩對(duì)圖像色差的計(jì)算有一定的影響，而IPT顏色空間受這種影響最小。最后，通過(guò)邊緣檢測(cè)和行人識(shí)別兩個(gè)基于感知的圖像處理的例子說(shuō)明了不同顏色空間的應(yīng)用特點(diǎn)。

[1] LISSNER I, URBAN P. Toward a unified color space for perception-based image processing [J]. IEEE Transactions on Image Processing, 2012, 21(3): 1153-1168.

[2]LIU G H, YANG J Y. Content-based image retrieval using color difference histogram [J]. Pattern Recognition, 2013, 46(1): 188-198.

[3]KIM A, KIM H, PARK S. Human vision based color edge detection: proceedings of IS&T/SPIE Electronic Imaging[C]. 2011, 1.23-27, San Francisco, California, United States. SPIE.

[4]ALAVI A, YANG Y, HARANDI M, et al. Multi-shot person re-identification via relational stein divergence: proceedings of the IEEE International Conference on Image Processing[C]. 2013, 9.15-18, Melbourne, Australia.

[5]FRINTROP S, K?NIGS A, HOELLER F, et al. A component-based approach to visual person tracking from a mobile platform [J]. International Journal of Social Robotics, 2010, 2(1): 53-62.

[6]CUI Y, PAGANI A, STRICKER D. Sift in perception-based color space: proceedings of the IEEE International Conference on Image Processing[C], 2010, 9.26-29, Hong Kong, China.

[7]LUO M R, CUI G, RIGG B. The development of the CIE 2000 colour-difference formula: CIEDE2000[J]. Color Research & Application,2001,26(5):340-350.

[8]ZHANG X, WANDELL B A. A spatial extension of CIELAB for digital color-image reproduction[J]. Journal of the Society for Information Display, 1997, 5(1): 61-63.

[9]EBNER F, FAIRCHILD M D. Development and testing of a color space (IPT) with improved hue uniformity: proceedings of the 6th Color Imaging Conference [C]. 1998,11.17-20, Scottsdale, Arizona, USA, IS&T-The Society for Imaging Science and Technology.

[10] LUO M R, CUI G, LI C. Uniform colour spaces based on CIECAM02 colour appearance model[J]. Color Research & Application, 2006, 31(4): 320-330.

[11]武海麗, 黃慶梅, 苑馨方，等. 基于S-CIELAB和iCAM模型的圖像顏色質(zhì)量評(píng)價(jià)方法的實(shí)驗(yàn)研究[J]. 光學(xué)學(xué)報(bào), 2010, 30(12): 3447-3452.

WU Haili, HUANG Qingmei, Yuan Xinfang, et al. Experimental research of evaluating methods of image quality based on models of S-CIELAB and iCAM[J]. Acta Optica Sinica, 2010,30(12):3447-3452.

[12]TONG Qingfen, XU Haisong, GONG Rui. Testing color difference evaluation methods for color digital images [J].Chinese Optics Letters,2013,(7):79-82.

[13]劉浩學(xué)，黃敏，武兵，等.彩色數(shù)字圖像色差計(jì)算方法的研究[J].光學(xué)學(xué)報(bào)，2012,32(9)：324-333.

LIU Haoxue, HUANG Min, WU Bing, et al. study of color difference evaluation in color digital images [J]. Acta Optica Sinica, 2012,32(9):324-333.

[15]GIBSON J E, FAIRCHILD M D, WRIGHT S L. Colorimetric tolerances of various digital image displays: proceedings of the Eighth Color Imaging Conference[C]. 2000,11.7-10, Scottsdale, Arizona, USA, IS&T - The Society for Imaging Science and Technology.

[16]BIRCHFIELD S T, RANGARAJAN S. Spatiograms versus histograms for region-based tracking: proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition[C]. 2005, 6.20-26, San Diego, CA, USA, IEEE Computer Society .

[17]XU Y, LIN L, ZHENG W S, et al. Human re-identification by matching compositional template with cluster sampling: proceedings of the IEEE International Conference on Computer Vision[C]. 2013,12.1-8, Sydney, Australia, IEEE Computer Society.

(責(zé)任編輯王衛(wèi)勛)

Evaluation of perceptual uniform color spaces and application in image processing

FAN Caixia， CHEN Yajun

(School of Printing, Packaging Engineering and Digital Media Technology，Xi’an University of Technology， Xi’an 710048，China)

With an aim at the small color difference image data processing involved in the color image processing based on human visual system, this paper selects six different frequently-used types and the different color images to alternate their implementation brightness, color chromaticity and hue angle, etc. Aiming at the alternated image color difference, the psychophysical visual evaluation experiment is conducted. In terms of visual experimental data, the performance test and analysis evaluation are made of the CIELAB color spaces with better evaluation ability to small color difference data based on CIEDE2000 color difference formula,CIECAM02 color model CAM02-SCD, image S-CIELAB model, IPT color space difference method and LAB2000HLcolor space. Finally, the application of different perceptual uniform color space in image processing is analyzed.

color space; perceptual uniform; image color difference; image processing

1006-4710(2016)02-0191-08

10.19322/j.cnki.issn.1006-4710.2016.02.011

2015-06-15

陜西省教育廳科學(xué)研究計(jì)劃資助項(xiàng)目(14JK1526，13JK1155)；陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃資助項(xiàng)目(2014JM2-6111)；?？茖W(xué)研究計(jì)劃資助項(xiàng)目(2015CX021)；?？蒲袉?dòng)基金資助項(xiàng)目(108-451115001)

范彩霞，女，講師，博士，主要研究方向?yàn)樯使芾?、多攝像機(jī)視頻監(jiān)控。E-mail:fcx1981@xaut.edu.cn

TP391.4

A