【技术实现步骤摘要】
本专利技术涉及视觉特征精细分辨，尤其涉及一种应用于视觉特征精细分辨任务的噪音生成与使用方法。
技术介绍
1、视觉图像的特征分辨与内容识别，是视觉科学与人工智能科学的重要研究内容，其中图像中视觉特征的分辨，是内容识别的基础和前提，因此，无论是真实的生物个体，还是基于人工智能技术设计制造的、具备视觉图像识别能力的系统，均应具备分辨基本视觉特征的能力。
2、视觉噪音可以掩蔽视觉图像中的特定视觉特征，可应用于生物个体或人工智能系统视觉特征分辨能力及视觉图像识别能力的评估。因此，设计与待分辨视觉特征相似的噪音，并应用于视觉特征精细分辨任务，对于生物个体或人工智能系统视觉特征精细分辨功能的评估，具有重要的意义，然而，现有的视觉噪音设计方法，在针对性掩蔽特定视觉特征的效果方面，仍有待改进。
3、现实中，需要一种应用于视觉特征精细分辨任务的噪音生成与使用的方法，适用范围更广，方法更简单方便，可以应用于各水平的生物个体或人工智能系统视觉特征精细分辨能力的评估。
技术实现思路
1、本专利技术的目的在于提供一种应用于视觉特征精细分辨任务的噪音生成与使用方法，适用范围广，方法简单方便，实用性强，可用于各水平的生物个体或人工智能系统视觉特征精细分辨能力的评估。
2、本专利技术的目的可以通过以下技术方案实现：一种应用于视觉特征精细分辨任务的噪音生成与使用方法，包括步骤：
3、s1、获取视觉显示设备的参数，包括最大亮度lmax、最小亮度lmin和显示图像中每一个点
4、s2、获取待分辨视觉特征图像ltarget(x,y)的参数，包括空间频率sftarget、方位oritarget和对比度ctarget；
5、s3、依据视觉显示设备的参数和待分辨视觉特征图像的参数，生成随机点噪音图像lrandomdot(x,y)和光栅噪音图像lgrating(x,y)；
6、s4、依据随机点噪音图像lrandomdot(x,y)和光栅噪音图像lgrating(x,y)获取噪音图像lnoise(x,y)；
7、s5、叠加噪音图像lnoise(x,y)和待分辨视觉特征图像ltarget(x,y)获取噪音叠加图像lmixed(x,y)，执行视觉特征精细分辨任务。
8、进一步地，还包括：
9、s6、依据视觉显示设备的参数，对视觉特征精细分辨任务执行方式进行调整。
10、进一步地，所述s3中生成随机点噪音图像lrandomdot(x,y)的过程包括：
11、s31a、基于sftarget和ctarget确定随机点噪音图像中最小组成单元参数，包括最小组成单元的大小sizerandomdot和最小组成单元的对比度crandomdot，公式为：
12、sizerandomdot＝round(dpd/(sftarget×nsf，randomdot))
13、crandomdot＝min(nc，randomdot×ctarget,1)
14、其中，round四舍五入取整函数，min为取最小值函数，dpd为视觉显示设备显示图像时图像中每一个点(x,y)所占的视角(单位为“个/度”)，nc，randomdot和nsf，randomdot均为系数；
15、s32a、依据最小组成单元的大小sizerandomdot和最小组成单元的对比度crandomdot，构建随机点噪音图像lrandomdot(x,y)，公式为：
16、lrandomdot(x,y)＝lmean×(1+r(sizerandomdot，crandomdot))
17、其中，lrandomdot(x,y)表示随机点噪音图像中每一个点(x,y)处的亮度；lmean为平均亮度；r(sizerandomdot，crandomdot)为使用随机算法生成的图像；最小组成单元的对比度在crandomdot或–crandomdot中随机等概率选取，或随机取自正态分布n(0,crandomdot2)。
18、进一步地，所述s3中生成光栅噪音图像的过程包括：
19、s31b、基于ctarget、sftarget和oritarget，确定光栅噪音图像的对比度cgrating、空间频率sfgrating和方位origrating，公式为：
20、cgrating＝min(nc，grating×ctarget,1)
21、sfgrating＝sftarget×nsf，grating
22、origrating＝oritarget+oriθ
23、其中，min为取最小值函数；nc，grating和nsf，grating均为系数，分别从均匀分布u([1.0,2.0])和u([0.67,0.8],[1.25,1.66])中随机取值；oriθ为方位附加值，从均匀分布u([-10,10])中随机取值，单位为圆周度；
24、s32b、基于对比度cgrating、空间频率sfgrating和方位origrating，构建随机光栅噪音图像lgrating,1(x,y)，公式为：
25、lgrating,1(x,y)＝lmean×(0.5+cgrating×sin(2π(sfgrating×dpd×(ycos(origrating)–xsin(origrating)))+φ))
26、其中，lgrating,1(x,y)表示1次随机光栅噪音图像中每一个点(x,y)处的亮度，lmean为平均亮度，dpd为光栅噪音图像中每个点(x,y)所占的视角(单位为“个/度”)，ф为光栅相位随机值。
27、进一步地，还包括：
28、s33b、重复s31b～s32b过程n次获取n个lgrating,i(x,y)，依据n个lgrating,i(x,y)获取光栅噪音图像lgrating(x,y)，公式为：
29、
30、其中，lgrating,i(x,y)为第i次构建的随机光栅噪音图像，1≤i≤n，i和n为正整数。
31、进一步地，所述s4中依据随机点噪音图像lrandomdot(x,y)和光栅噪音图像lgrating(x,y)获取噪音图像lnoise(x,y)，公式为：
32、lnoise(x,y)＝lrandomdot(x,y)+lgrating(x,y)
33、其中，lnoise(x,y)表示噪音图像中每一个点(x,y)处的亮度。
34、进一步地，所述s32a中最小组成单元的对比度随机取自正态分布n(0,crandomdot2)时，最小组成单元的数量不低于256。
35、进一步地，所述s6中依据视觉显示设备的参数，对视觉特征精细分辨任务执行方式进行调整，过程为：
36、s61、基于lnoise(x,y)与ltarget(x,y)，获取本文档来自技高网...
【技术保护点】
1.一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，还包括：
3.根据权利要求1所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，所述S3中生成随机点噪音图像LRandomDot(x,y)的过程包括：
4.根据权利要求1所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，所述S3中生成光栅噪音图像的过程包括：
5.根据权利要求4所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，还包括：
6.根据权利要求1所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，所述S4中依据随机点噪音图像LRandomDot(x,y)和光栅噪音图像Lgrating(x,y)获取噪音图像Lnoise(x,y)，公式为：
7.根据权利要求4所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，所述S32a中最小组成单元的对比度随机
8.根据权利要求2所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，所述S6中依据视觉显示设备的参数，对视觉特征精细分辨任务执行方式进行调整，过程为：
9.根据权利要求8所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，所述步骤S64中使用视觉显示设备交替呈现噪音叠加图像Lmixed(x,y)和待分辨视觉特征图像Ltarget(x,y)时，每一种图像连续呈现的时间范围为10-100毫秒。
10.根据权利要求8所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，所述步骤S64中使用视觉显示设备交替呈现噪音叠加图像Lmixed(x,y)和待分辨视觉特征图像Ltarget(x,y)时，噪音叠加图像Lmixed(x,y)累计呈现时间与待分辨视觉特征图像Ltarget(x,y)呈现时间的比值不低于1.0。
...【技术特征摘要】
1.一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，还包括：
3.根据权利要求1所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，所述s3中生成随机点噪音图像lrandomdot(x,y)的过程包括：
4.根据权利要求1所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，所述s3中生成光栅噪音图像的过程包括：
5.根据权利要求4所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，还包括：
6.根据权利要求1所述的一种应用于视觉特征精细分辨任务的噪音生成与使用方法，其特征在于，所述s4中依据随机点噪音图像lrandomdot(x,y)和光栅噪音图像lgrating(x,y)获取噪音图像lnoise(x,y)，公式为：
7.根据权利要求4所述的一种应用于视觉特征精细分辨任务的噪音生成与使用...
【专利技术属性】
技术研发人员：张发苏，汤勇，张蕾，李晶婧，闫波，叶龙玲，
申请(专利权)人：安徽医学高等专科学校，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。