40、图像外观建模与高动态范围色彩空间解析

图像外观建模与高动态范围色彩空间解析

1. iCAM 模型及其应用

iCAM 模型十分强大，它能渲染场景的动态范围，让阴影区域清晰可见，同时保留场景的色彩丰富度。用 iCAM 处理得到的图像，能很好地再现高动态范围（HDR）场景，就如同过去摄影冲印中通过局部曝光调整得到的效果。而且，这些图像是由自动算法计算得出的，无需用户交互，该算法模拟了人类的感知。

在图像质量应用方面，iCAM 有不同的实现方式。为了生成表示一对图像之间感知差异大小的图像映射，需要在线性 IPT 空间中进行与观看距离相关的空间滤波，然后在正常的非线性 IPT 空间中计算差异。这些差异的欧几里得求和可作为整体图像差异映射，接着使用各种汇总统计量来预测图像差异和质量的不同属性。具体流程如下：
1. 进行 RGB 到线性 IPT 的转换。
2. 实施空间滤波。
3. 运用幂函数、局部化和局部对比度处理。
4. 从线性 IPT 转换回 RGB。
5. 再从非线性 RGB 转换到 IPT。
6. 计算欧几里得求和得到图像差异映射。
7. 利用汇总统计量（如均值、中位数、百分位数、方差等）预测图像差异和质量属性。

通过这种方式，iCAM 能成功预测各种类型的图像质量数据，例如在预测图像的感知对比度和清晰度差异方面表现出色。在预测感知对比度时，让观察者对经过各种变换的图像进行对比度评分，得到的结果与 iCAM 模型预测的图像差异高度吻合。预测感知清晰度时也是类似的方法，虽然数据存在一定的变异性，但简单的平均图像差异指标仍能很好地预测结果。更多关于 iCAM 的详细信息、源代码和改进内容可在 (http://www.cis.rit.edu/mcsl/iCA