4.3图像质量评价技术
人眼视觉特性计算模型的最直接应用就是度量图像或视频的客观质量。实际上，大部分的人眼视觉模型就是为这个目的而设计的。同时，对图像质量度量的准确性又常常作为一个重要标准来衡量HVS模型的性能。传统的针对模拟信号的图像、视频质量评估方法是测量诸如信号幅度、信噪比之类的物理参数。随着数字视频压缩技术的引入，传统的质量评估方法已经无法适应新的应用要求，因而需要针对数字系统的特点，设计新型的质量评估方法。
通常人们将评估质量的方法分为两大类：主观质量评价和客观质量评价。由于主观评价是以受测者直接观看测试序列基础的，所以在客观评价中引入视觉系统（HVS）的特性是非常必要的。
目前新的测量方法主要分为两类：基于视觉感知的测量方法和基于视觉兴趣的测量方法。在这些方法中，较多地考虑了人眼视觉的生理特性，而对人眼视觉的心理特性却研究得相对较少。 4.4图像增强技术
图像增强的目的是改善图像质量，即以人为对象，以改善人眼视觉效果为目的。因此，与人眼视觉特性结合的图像增强算法已经成为图像增强算法研究中的热点。
考虑到HVS是图像增强的终端，研究者们从人眼视觉特性出发来考虑图像增强算法。上世纪80年代末，多尺度技术，尤其是小波分析技术被应用到图像处理中。由于小波的时频局部化特性以及与多尺度表示的结合，使得它非常适合表示人眼对图像的感知特性，也非常适合表示人们对图像各个尺度（分辨率）下细节的分析和增强。Lu首次考虑了人眼的局部适应能力，利用小波分析来增强图像细节，Browen对尺度间的映射函数做了自适应的调整，不过主要是从抑制噪声方面考虑。
总之，考虑人眼的视觉特性已成为图像处理研究中的热点，并已取得明显的效果，正在逐步实用化。随着神经解剖学和实验心理学对视觉系统研究的深入，人眼视觉特性和视觉模型将得到更为广泛的研究和应用。
5结束语
本文首先介绍了人眼视觉特性的基本概念，重点介绍了与图像处理密切相关的几种视觉特性，随后介绍了一种典型的人眼视觉模型和几种常用的人眼视觉模型，最后介绍了几类基于人眼视觉特性
的图像处理技术，主要包括数字水印、图像压缩编码、图像质量评价和图像增强等。HVS理论在数字图像处理中有着非常重要的应用，从视觉质量的角度提高处理的性能,具有广泛的应用前景。
参 考 文 献
[1]S.L.Merbs
and
J.Nathans,\
spectra
of
human
cone
pigments,\
[2]J.Neitz and G.H.Jacobs,\measurements of cone spectral sensitivity in dichromatic monkeys,\of the Optical Society of America A:Optics and Image Science,vol.1,no.12,pp.1175-1180,1984.
[3]王楠楠 ,李桂苓, 符合人眼视觉特性的视频质量评价模型[J].中国图象图形学报 , 2001, 16(6): 523 - 527.
[4]余松煜，周源华，张瑞，“数字图像处理”，上海交通大学出版社，2007.2. [5]黎洪松，“数字视频处理”，北京邮电大学出版社，2006.8.
[6]S.Daly,\visible differences predictor:An algorithm for the assessment ofimage
fidelity,\
Digital
Images
and
HumanVision.A.B.Watson,Ed.Cambridge,Massachusetts:MIT Press,1993,pp.179-206.
[7]钮心忻主编，信息隐藏与数字水印，北京邮电大学出版社，2004 [8]吴乐南，数据压缩，北京：电子工业出版社[M]，2000
[9]徐孟侠，图像编码的进展[J]，通信学报，1993，14（2）：40-47 [10]M.Kunt,M.J.Nadenau,J.Reichel,Wavelet-based Processing,Apr.2003,12(1):58-70
[11]杨婉 ,吴乐华,范晔等 ,数字图像客观质量评价方法研究[J]. 通信技术 , 2008, 41(7): 244 - 246.
[12]E.H.Land,Recent advances in retinex theory[J],Vision Research,1986,26
color
image
compression:exploitingthe contrast sensitivity function[J],IEEETrans.on Image
