大牛提出了
Brightness Distortion:
Color Distortion:
其中:
是当前图像的像素值
是背景的像素期望值
是brightness distortion,从0到1,如果等于1,则当前的图片的亮度和期望的相同,大于1就表示更亮,小于1就表示比期望暗
所以就定义了颜色的扭曲程度。
因为每种颜色的band都是不一样的,所以为了平衡每种颜色的band,将,通过下式计算得出:
之后进行归一化
我们发现brightness的值的改变大于color的值,从实际情况出发也很好证明这一点,我们日常生活中对亮度的敏感程度肯定大于颜色。
通过适当的阈值将其图分成(F: 前景 , B: 其它背景 , S: 阴影背景 , H: 高亮背景),但是这时有个问题,就是当前景颜色太暗也会被认为是背景,所以当足够小时也将其当做前景:
我们知道如果distortion是高斯分布的话,我们就能很好的选出探测率,但是很遗憾的是我们的数据不是。因此我们基于统计学的方法,得到探测率。
在100 次测试中,黄色的点代表一次错误检测,红色的点代表多次错误检测。我们发现这是因为这些像素点发生了极小的偏移,因此设置有一个阈值过忽略这个偏移。如果这个阈值设置的太大,那么就会太大,但是阈值设置的太小有没有作用,因此又做了一次实现来确定这个阈值。
网友评论