【对比敏感度】stelaCSF 一个统一的模型，描述对比敏感度作为时空频率、偏心度、亮度和区域研究附Matlab代码-优快云博客

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

对比敏感度函数（Contrast Sensitivity Function, CSF）在众多视觉模型中占据着基石般的地位，它主要用于阐释人类眼睛对不同对比度图案的可见性。过往的 CSF 通常只能涵盖描述刺激的部分相关维度，致使这些函数的应用范围受限，要么仅适用于静态内容，要么仅适用于中央凹视觉内容，难以兼顾两者。而在实际视觉感知过程中，人类对视觉信息的处理受到多种因素综合影响，如空间和时间频率、刺激在视野中的位置（偏心度）、背景亮度以及刺激区域大小等。

为了更全面且精准地模拟人类视觉系统对不同刺激的响应特性，研究人员提出了 stelaCSF 这一统一模型，旨在整合刺激的所有主要维度：空间和时间频率、偏心度、亮度以及区域，以构建一个更具普适性和准确性的对比敏感度模型，从而填补以往模型在多维度综合描述方面的空白。

2. stelaCSF 模型的构成要素

2.1 时空频率

空间频率指的是在单位视角内亮度或颜色变化的周期数，通常以周 / 度（cycles per degree）为单位衡量。人类视觉系统对不同空间频率的图案敏感度各异，一般在中等空间频率（如 3 - 6 周 / 度）处敏感度最高，对于过低或过高空间频率的图案，敏感度会显著下降。这是因为视觉系统中的不同神经元对特定空间频率范围具有选择性响应，例如，视网膜神经节细胞在处理不同空间频率信息时，会通过不同的神经通路将信号传递至大脑。

时间频率则是指刺激在单位时间内的变化次数，单位为赫兹（Hz）。人类视觉系统对时间频率的感知也存在一定范围，例如，在低频闪烁（如低于 20Hz）时，人眼能够清晰分辨闪烁变化，而当频率升高到一定程度（如超过 60Hz），人眼会将其感知为稳定的光，即发生了闪烁融合现象。stelaCSF 模型通过整合相关研究数据，精确刻画了空间频率与时间频率对对比敏感度的综合影响，考虑到了不同时空频率组合下视觉系统响应的复杂特性。

2.2 偏心度

偏心度用于描述刺激在视野中偏离中央凹的程度，单位为视角（visual degrees）。中央凹是视网膜上视觉最敏锐的区域，随着刺激偏离中央凹，视觉敏感度会逐渐降低。这主要是因为中央凹处视锥细胞密度高，能够提供高分辨率的视觉信息，而周边视网膜区域视锥细胞密度降低，视杆细胞增多，对细节和颜色的分辨能力减弱。stelaCSF 模型充分考虑了偏心度因素，通过对不同偏心度下视觉敏感度数据的分析与整合，建立了偏心度与对比敏感度之间的量化关系，以反映人类视觉在整个视野范围内的变化特性。

2.3 亮度

亮度是影响视觉感知的关键因素之一，通常以坎德拉每平方米（cd/m²）为单位。在不同亮度条件下，视觉系统对对比度的敏感度存在显著差异。一般而言，在中等亮度范围内，视觉系统的对比敏感度较高；当亮度降低至暗视觉条件或升高至过亮环境时，对比敏感度都会下降。这是因为在暗视觉下，主要由视杆细胞起作用，其对对比度的分辨能力相对较弱；而在过亮环境中，视觉系统可能会出现饱和现象，导致对对比度变化的感知能力降低。stelaCSF 模型纳入了亮度这一重要维度，通过分析不同亮度水平下的视觉实验数据，构建了亮度与对比敏感度的函数关系，从而能够准确预测在不同亮度背景下人类对刺激对比度的感知能力。

2.4 区域

刺激区域的大小同样会影响视觉系统对对比度的敏感度。一般来说，较大的刺激区域更容易被察觉，即对比敏感度相对较高，这是因为较大区域能够激活更多的视觉神经元，增强了视觉信号的强度。stelaCSF 模型通过对刺激区域面积（以平方视角，squared visual degrees 为单位）的考量，结合其他维度因素，建立了区域大小与对比敏感度之间的关联模型，以全面描述刺激区域对视觉感知的影响。

3. stelaCSF 模型的构建过程

为了构建涵盖上述五个维度的对比敏感度模型，研究人员收集并整合了来自 11 篇不同研究论文的数据。每篇论文聚焦于研究该五维空间中的一个子集，例如，部分研究着重分析空间频率与对比敏感度的关系，而另一些则关注亮度或偏心度对对比敏感度的影响。通过对这些丰富且多维度的数据进行综合分析，stelaCSF 模型得以构建。

与以往的 CSF 模型不同，以往模型往往仅针对单一数据集进行参数拟合，而 stelaCSF 模型具有创新性地能够使用同一组参数对所有这些研究的数据进行预测，并且在整个研究域内，包括低频区域，都展现出了较高的预测准确性。这一特性使得 stelaCSF 模型在描述人类视觉对比敏感度方面具有更强的普适性和可靠性。

在模型构建过程中，研究人员充分借助了心理物理学模型和大量实验证据。心理物理学模型为理解人类视觉系统如何处理不同刺激提供了理论框架，而实验证据则为模型参数的确定和验证提供了坚实基础。例如，通过对人类观察者在不同刺激条件下的视觉感知实验，获取对比敏感度的测量数据，以此来调整和优化 stelaCSF 模型的参数，确保模型能够准确反映五个维度之间的主要相互作用关系。

4. stelaCSF 模型的特性与优势

4.1 多维度综合描述能力

stelaCSF 模型的最大优势在于其能够同时考虑空间和时间频率、偏心度、亮度以及区域这五个关键维度对对比敏感度的影响，实现了对人类视觉系统复杂响应特性的全面描述。相比传统 CSF 模型，它不再局限于单一或少数几个维度，而是提供了一个统一的框架，能够更真实地模拟人类在各种视觉场景下对对比度的感知能力。这种多维度综合描述能力使得该模型在实际应用中更具优势，例如在图像和视频处理领域，能够更准确地预测人类对不同内容的视觉感知效果。

4.2 高精度预测

由于 stelaCSF 模型基于大量多维度数据进行构建，并通过同一组参数对不同研究数据进行预测，在整个频率域（包括低频区域）都表现出了高精度。这意味着它能够更精准地预测人类视觉系统对各种刺激的响应，无论是静态的低对比度图案，还是动态变化的复杂场景。这种高精度预测能力为相关领域的应用提供了可靠的依据，例如在虚拟现实（VR）和增强现实（AR）系统中，能够根据用户的视觉特性优化图像渲染，提供更符合人类视觉感知的体验。

4.3 基于心理物理学和实验证据

模型的构建紧密依赖心理物理学模型和丰富的实验证据。心理物理学模型为理解视觉系统的工作机制提供了理论基础，使模型能够从原理上解释不同维度之间的相互作用如何影响对比敏感度。而大量的实验数据则确保了模型参数的准确性和可靠性，通过对不同实验条件下人类视觉感知的测量和分析，模型能够更真实地反映人类视觉系统的实际特性，增强了模型的科学性和可信度。

5. stelaCSF 模型的应用实例

5.1 闪烁检测指标

在视频和图像显示领域，闪烁现象是一个常见问题，它会影响观看体验，甚至可能导致视觉疲劳。stelaCSF 模型可以应用于闪烁检测指标的构建。通过考虑视频内容的时空频率、亮度以及观看者的偏心度等因素，利用模型预测不同条件下人类视觉系统对闪烁的敏感度。例如，在设计视频播放系统时，可以根据 stelaCSF 模型的预测结果，调整视频的帧率、亮度变化等参数，以确保闪烁在人类视觉阈值以下，提升观看的舒适性和视觉体验。

5.2 中央凹渲染

中央凹渲染技术旨在根据人类视觉系统在中央凹区域具有高分辨率和高敏感度的特性，对图像或场景进行优化渲染，以减少计算资源的浪费同时保持视觉效果。stelaCSF 模型能够为中央凹渲染提供重要支持。通过分析场景中不同区域的空间频率、偏心度等因素，结合模型对不同条件下对比敏感度的预测，确定哪些区域需要更高分辨率的渲染，哪些区域可以适当降低分辨率。这样，在保证视觉质量的前提下，能够有效降低渲染所需的计算量，提高系统的运行效率，尤其在 VR、AR 等对实时渲染要求较高的应用中具有重要意义。

6. 结论与展望

stelaCSF 作为一个创新的统一模型，成功地将空间和时间频率、偏心度、亮度以及区域等多个关键维度纳入对比敏感度的描述框架，极大地提升了对人类视觉系统复杂响应特性的模拟能力。通过整合多源数据和借助心理物理学理论与实验证据，该模型展现出了多维度综合描述、高精度预测等显著优势，并在闪烁检测和中央凹渲染等实际应用中发挥了重要作用。

然而，尽管 stelaCSF 取得了重要进展，但人类视觉系统的复杂性依然存在诸多未解之谜。未来研究可以进一步探索模型在更复杂视觉场景下的应用，如在复杂光照变化、动态场景切换以及个体差异较大的情况下，优化模型以提高其适应性和准确性。同时，可以结合神经科学领域的最新研究成果，进一步完善模型对视觉神经机制的模拟，深入挖掘视觉系统处理信息的内在规律，为视觉相关领域的发展提供更强大的理论支持和技术工具。总之，stelaCSF 模型为深入理解人类视觉对比敏感度开辟了新的路径，其未来发展潜力巨大，有望在更多领域产生积极而深远的影响。