基于神经网络的文物照明视觉舒适度量化评估方法及系统技术方案

本发明专利技术公开了一种基于神经网络的文物照明视觉舒适度量化评估方法及系统。获取视线方向上的亮度分布图像；得到亮度标准差，平均亮度，眩光像素的亮度均值，非眩光像素的亮度均值，眩光像素占全部像素的比例五项关键指标；将五项关键指标输入构建的MVC视觉舒适度指数模型，得到视觉舒适度预测结果；MVC视觉舒适度指数模型基于神经网络构建而成，根据全工况亮度分布试验结果进行训练，得到网络参数。利用基于神经网络建立的MVC视觉舒适度指数模型相比于传统的数学模型，在根据亮度、照度等指标研究舒适度时，基于神经网络更能模拟人脑神经网络传递和处理外界信息过程，计算得到视觉舒适度结果，更符合人体的直观感受。更符合人体的直观感受。更符合人体的直观感受。

【技术实现步骤摘要】
基于神经网络的文物照明视觉舒适度量化评估方法及系统


[0001]本专利技术涉及建筑光学
，尤其涉及一种基于神经网络的文物照明视觉舒适度量化评估方法及系统
。

技术介绍

[0002]不同于教室
、
办公室等高视觉功效类要求的建筑室内空间，以观赏藏品为主要功能需求的博物馆展厅，其光环境中最重要的是视觉舒适度
。
但这类空间恰好光源数量大且照明方式多
、
展品重点照明与空间环境照明的亮度对比大
、
大量玻璃展柜使得光线反射复杂，从而极易导致复杂的空间亮度分布，严重影响视觉舒适感受，因此，构建能够准确计算视觉舒适度的模型是提升光环境质量的理论基础
。
[0003]Kruithof
提出了
Kruithof
曲线法
。
该方法选取照度来表征照明数量，相关色温（
CCT
）来表征光源的颜色外观，并使用
CCT
范围内的最低
、
最高照度阈值定义了视觉舒适区
。
使用该方法可以得到如下结论：在低照度下使用冷光源会导致昏暗或冷的外观感受，而在高照度下使用暖光源会导致不自然的外观感受，这一观点符合浦肯野效应，即人们从昼视觉向夜视觉转变时，人眼对光的最大敏感性向高频方向移动
。
然而，由于获取
Kruithof
曲线的实验没有观察者数量和视觉任务等实验细节的描述，因此，很多学者根据不同的照明场景对
Kruithof
曲线进行了验证和修正
。Fotios
根据国际照明委员会（
CIE
）推荐的最佳实践指导，从梳理出的可信的
Kruithof
型研究中得出结论，即视觉舒适度只受光照度的影响，而不受色温的影响
。
随着建筑光学的发展，人们发现相较于传统的照度指标，亮度指标在视觉舒适度的评价上更具有优势，因为照度是物体单位被照面上的光通量，它并不直接作用于人眼，而亮度是视网膜上的光照度，它是直接作用于人眼决定视觉舒适度的，而对于博物馆展厅而言，其光环境的特殊性主要体现在复杂的空间亮度分布上，因此，应该使用亮度分布去衡量展厅的视觉舒适度
。
基于亮度分布的空间亮度感知评价指标，即空间亮度系数（
Feu
）
,
如公式（1）所示
。
[0004]（1）式中为亮度矩阵中对应的亮度值，和为亮度矩阵中每个区域对应的各自的位置角度信息，
N
为亮度矩阵中元素的数量
。
该方法利用
feu
求取当前条件下的瞳孔直径，进而计算出人眼感知到的空间亮度，最终实现人眼对空间亮度的有效感知与量化
。
然而，研究表明视觉舒适度不仅与空间亮度感，即到达眼部的光量有关，还与亮度分布的均匀程度，以及场景的亮度对比度有关
。
对于博物馆展厅这类特殊的光环境，表征复杂亮度分布所造成的各类视觉影响则更为必要
。
[0005]现有技术中，公开号为
CN106791802 A
的专利文献提供了一种不同观看角度和视差的立体显示视觉舒适度检测方法和系统，即在不同视差资源的情况下，以不同的水平观看角度为自变量，对因变量视觉舒适度
C
进行解释，同时使用三次函数的非线性回归分
析方法，获取视觉舒适度计算模型，如公式（2）所示
。
[0006]（2）式中表示不同视差资源时的视觉舒适度，表示水平观看角度，为不同视差资源对应的常量，
、、
均为不同视差资源时对应的权重系数
。
该方法能够根据待测立体显示资源的视差选取对应的非线性关系模型，并在将待测立体显示资源的观看角度输入上述模型后，得到该待测立体显示资源的视觉舒适度
。
不同于该专利中立体显示资源的研究对象，博物馆展厅是典型的以行进型
、
视觉焦点型为主要环境行为模式的场景
。
由于视差和水平观看角度并不适用于此类环境行为模式，因此该专利不适用于博物馆展厅中的视觉舒适度量化
。
[0007]公开号为
CN103986925 A
的专利文献提供了一种基于亮度补偿的立体视频视觉舒适度评价方法，即在根据主观评价结果建立视差深度
—
视觉舒适度模型的基础上，结合亮度对视觉舒适度的评价模型进行优化，从而使视觉舒适度模型的评分更接近人类视觉系统的评分，所得立体视频视觉舒适度计算模型如公式（3）所示
。
[0008]（3）式中
S
为综合视觉舒适度评分，
vc
为视觉舒适度评分，
E
为亮度补偿得分，
、、、、、、
及
、、、
为特征参数，为视差深度，为前景区域的亮度，为背景区域的亮度；赋值为
0.75。
该方法能够在输入视差深度
、
前景区域的亮度
、
背景区域的亮度的条件下，计算出基于人类视觉系统特性的立体视频视觉舒适度
。
该方法引入了不同区域的平均亮度来优化视觉舒适度模型，研究表明，平均亮度可以表征到达居住者眼睛的光量大小，但对于博物馆展厅这类空间亮度分布复杂的特殊照明场景，亮度分布的均匀程度
、
亮度的对比强度对于视觉舒适度的影响同样重要，而该模型无法表征上述两种情况所造成的视觉影响，因此该专利不适用于博物馆展厅中的视觉舒适度量化
。
[0009]公开号为
CN107493642 A
的专利文献提供了一种优化阅读时的视觉舒适度的光环境调节方法及系统，即使用主光源单元营造阅读空间的整体光环境，使用辅助光源单元营造待阅读对象的光环境，进而由调控单元根据待阅读对象的类型生成主光源及辅助光源控制参数
。
所述调控单元控制算法的数学表达式如公式（4）所示
。
[0010]（4）式中，若
L
，则1，1，1；若
L
时，1，1，1；
Comf
表示视觉舒适度，
k
表示常数，表示待阅读对象的亮度，表示待阅读对象的目标部分和背景部分的亮度对比度，表示待阅读对象的目标部分和背景部分的色度对比度，
、、
为系数，表示阅读空间的整体光环境的亮度
。
该方法能够在输入待阅读对象的亮度
、
待阅读对象目标部分和背景部分的亮度对比度
、
待阅读对象目标部分和背景部分的色度对比度的条件下，计算出人员阅读时的视觉舒适度
。
研究表明亮度对比度是影响视觉舒适度的因素之一，但是对于博物馆展厅这类空间亮度分布复杂的特殊空间，亮度分布的均匀
程度及范围同样对视觉舒适度产生影响
。...

【技术保护点】

【技术特征摘要】
1.
一种基于神经网络的文物照明视觉舒适度量化评估方法，其特征在于，包括如下步骤：获取视线方向上的亮度分布图像；根据得到的亮度分布图像得到亮度标准差，平均亮度，眩光像素的亮度均值，非眩光像素的亮度均值，眩光像素占全部像素的比例五项关键指标；将，，，，五项关键指标输入构建的
MVC
视觉舒适度指数模型，得到视觉舒适度预测结果；所述
MVC
视觉舒适度指数模型基于神经网络构建而成，所述
MVC
视觉舒适度指数模型根据全工况亮度分布试验得到的结果训练，得到网络参数；所述
MVC
视觉舒适度指数模型包括输入层
、
隐藏层和输出层；所述隐藏层与输出层按如下公式（5）和公式（6）建立映射关系；
=
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)=+b
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（6）其中，表示隐藏层输出参数，
y
为输出层输出参数，为输入层权值，代表输入参数与隐藏层神经元的连接强度；为常数，代表隐藏层神经元的偏置系数；为隐藏层权值，代表隐藏层神经元与输出层神经元的连接强度；为常数，代表输出层神经元的偏置系数
。2.
根据权利要求1所述的基于神经网络的文物照明视觉舒适度量化评估方法，其特征在于，所述输入层用于输入，，，，五项关键指标依次归一化后的数据，所述五项关键指标归一化后记为数组
。3.
根据权利要求2所述的基于神经网络的文物照明视觉舒适度量化评估方法，其特征在于，所述输入层与隐藏层之间按照如下公式（7）设置第一激活函数：
=
ꢀꢀꢀꢀꢀꢀꢀꢀ
（7）隐藏层与输出层之间按照如下公式（8）设置第二激活函数：
=
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）其中，
x
表示后一层神经元接收到的输入信号
。4.
根据权利要求1所述的基于神经网络的文物照明视觉舒适度量化评估方法，其特征在于，所述
MVC
视觉舒适度指数模型，采用如下训练过程：将全工况亮度分布试验下每种工况的，，，，五项关键指标作为输入数据；将每种工况的视觉舒适度评价均值作为输出数据；将输入数据和输出数据分配为训练集和测试集；利用训练集数据对
MVC
视觉舒适度指数模型进行训练，得到训练后的网络参数
...

【专利技术属性】
技术研发人员：党睿，高子昂，
申请(专利权)人：天津大学，
类型：发明
国别省市：