一种快速检测对比敏感度阈值的方法

技术领域

本发明属于对比敏感度阈值检测技术领域，具体涉及一种快速检测对比敏感度阈值的方法。

背景技术

对比敏感度函数(contrast sensitivity function)描述对比度阈值 (contrastthreshold)的倒数随空间频率的变化，是视觉科学中衡量人眼对物体分辨边界清晰程度的工具。对比敏感度作为衡量人类视觉的重要指标之一，不仅可以用于预测视觉神经病理学，例如弱视、青光眼、视神经炎和糖尿病性视网膜病变等；还可用于其他视觉感知等研究，例如基于对比敏感度函数的高动态范围视频编码等。

对比敏感度的检测早在1760年就有人使用两根蜡烛通过照亮屏幕和不透明的杆模拟得到。随后由于印刷技术的发展，出现了条栅图法和字母表法，这些都是通过引入调制传递函数制成相应的条栅图或者字母图，通过判断这些图来检测对比敏感度。随着计算机编程和硬件的不断发展，国内外学术界和工业界提出了很多方案，其中几个技术方案包括：

发明专利(申请号：CN200910192292.2，名称：一种基于网络的视觉对比敏感度检查的方法及系统)公开了一种基于网络的视觉对比敏感度检查的方法，包括以下步骤：客户端从服务器下载对比敏感度检查程序，其可生成预定空间频率下对比度阀值变化的系列光栅图，通过执行对比敏感度检查程序，获得受检者在全部空间频率的对比敏感度检查结果。该发明还公开一种基于网络的视觉对比敏感度检查的系统，其服务器包括发送单元，存储有对比敏感度检查程序，用于生成预定空间频率下对比度阀值变化的系列光栅图；客户端包括：接收单元，用于从服务器下载对比敏感度检查程序；执行单元，执行对比敏感度检查程序，获得受检者在全部空间频率的对比敏感度检查结果。该方法的光栅图是预定好的，只能检测对应空间频率下对应的对比度光栅，因此效率不高；同时检测的客户端都是电脑，检测设备要求过高，且不够便捷。

Lesmes LA,Lu ZL,Baek J,et al(Bayesian adaptive estimation of thecontrast sensitivity function:the quick CSF method.J Vis,2010,10(3):17.)该方法首先确定对比敏感度模型，通过贝叶斯分析和多次试验信息获取的技术，在每一次测试后，直接估计和分析对比敏感度模型的四个参数，并在下一次测试前计算给出刺激，大约50次试验可以较快得到对比敏感度函数。但是此方法当模型和参数范围选择不当时，测量结果会被引入大量的误差，同时缺少局部信息，不能根据对比敏感度局部损伤做出调整，检测的设备也是电脑，检测不够便捷。

综上所说，这些方法都存在如下问题：

1、检测耗时过长和准确度不高的问题，有些方法提高了检测速度，但是其准确度也相应的下降；有些方法在检测速度和准确度上做了一个均衡。

2、操作过于复杂和检测不够便利等问题。这些方法的检测都需要电脑设备的支持，使检测条件大大的增加了。

发明内容

针对现有技术中存在的上述问题，本发明的目的在于提供一种快速检测对比敏感度阈值的方法，该方法检测耗时短、检测结果精度高、对检测设备要求低。

本发明提供如下技术方案：一种快速检测对比敏感度阈值的方法，其特征在于：包括以下步骤：

S1：选择测量函数Ψ

S2：计算下一次得到反馈后的概率p

S3：预测每个测量函数的概率p

S4：预测测量函数在整个参数空间内概率密度函数的熵H

S5：预测每个刺激的期望熵E[H

S6：找出使期望熵达到最小时的刺激强度x

S7：添加设计扰动算子后的刺激强度x′

S8：将添加扰动算子后的刺激呈现给被试后获得的反馈计算得到后验分布p

S9：计算新的参数预测λ

S10：当当前迭代数等于输入的最大迭代数，便输出阈值，否则跳转到步骤S2。

所述的一种快速检测对比敏感度阈值的方法，其特征在于所述步骤S1中，选择的最大迭代数越大，则检测的阈值越准确，同时测量时间越长。

所述的一种快速检测对比敏感度阈值的方法，其特征在于所述步骤S2中，计算下一次刺激呈现后得到的预测反馈是正确或者错误的概率，能够得到所有可能的概率情况。

所述的一种快速检测对比敏感度阈值的方法，其特征在于所述步骤S3中，通过贝叶斯法则预测后验概率，得到在当前刺激和被试反馈的基础上所有可能的参数的概率。

所述的一种快速检测对比敏感度阈值的方法，其特征在于所述步骤S4及S5中，通过预测测量函数在整个参数空间的熵，计算得出每个可能的刺激的期望熵。其中测量函数是一个以刺激强度为自变量的函数，描述了预测的不稳定性。

所述的一种快速检测对比敏感度阈值的方法，其特征在于所述步骤S6中，通过期望熵计算得到使期望熵达到最小值时的对比度刺激。

所述的一种快速检测对比敏感度阈值的方法，其特征在于所述步骤S7中，通过设计扰动算子，自适应优化下一次呈现的刺激，加快对阈值的预测。

所述的一种快速检测对比敏感度阈值的方法，其特征在于所述步骤S8中，将添加扰动算子后的刺激呈现给被试，得到真实的反馈后，计算得出后验分布，即所有可能的参数的概率情况。

所述的一种快速检测对比敏感度阈值的方法，其特征在于所述步骤S9中，通过对后验分布进行期望计算，得到新的参数预测。

所述的一种快速检测对比敏感度阈值的方法，其特征在于所述步骤S10中，通过判断当前迭代数是否达到最大迭代数来控制检测对比敏感度阈值方法的执行，直到达到最大迭代数，能够有效判断检测对比敏感度阈值方法的消耗时间

通过采用上述技术，与现有技术相比，本发明的有益效果如下：

本发明基于扰动算子，在分析当前被试者反馈信息的基础上，自适应优化调整刺激，加快了阈值预测的速度，同时确保了准确度，并且构建了一个快速检测对比敏感度的系统，将其移植到各个平台，降低了设备的需求，让用户可以简单方便的进行检测，降低用户检测的门槛，提高预测的效率。

附图说明

图1为本发明的方法流程图。

图2为本发明的快速检测对比敏感度阈值示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合说明书附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

请参阅图1-2，一种快速检测对比敏感度阈值的方法，包括以下步骤：

S1：选择测量函数Ψ

p(success|λ，x)＝Ψ

p(failure|λ，x)＝1-Ψ

其中测量函数默认为冈贝尔(Gumbel)方程，先验概率密度p

选择的最大迭代数越大，则检测的阈值越准确，同时测量时间越长。

S2：计算下一次得到反馈后的概率p

S3：通过贝叶斯法则预测每个测量函数的后验概率p

S4：预测测量函数在整个参数空间内概率密度函数的熵H

S5：预测每个刺激的期望熵E[H

E[H

S6：通过期望熵计算得到使期望熵达到最小值时的刺激强度x

S7：添加设计扰动算子后的刺激强度x′

S8：将添加扰动算子后的刺激呈现给被试后得到真实的反馈后，计算得到后验分布p

p

S9：通过对后验分布进行期望计算，得到新的参数预计λ

S10：如果当前迭代数等于输入的最大迭代数，便输出阈值，否则跳转到步骤S2，该步骤是通过判断当前迭代数是否达到最大迭代数来控制检测对比敏感度阈值方法的执行，一直循环直到达到最大迭代数，能够有效判断检测对比敏感度阈值方法的消耗时间。。

请参阅图2，一个快速检测对比敏感度的系统，主要包括将一种快速检测对比敏感度阈值的方法构建成一个独立的系统，然后移植到各个平台，降低了设备门槛，方便用户检测。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。