汽车摄像头性能检测报告认证流程

时间视觉噪声度量在CIELAB颜色空间中进行计算[6]。对曝光和白平衡进行补偿，以将时间噪声从其他的显著的影响因素中隔离出来（曝光偏移，白平衡偏移等）。时间噪声方差σL*、σa*和σb*为时间方差（某个像素点对所有帧）的空间平均值（在整个色块的像素上）。由于计算的原因，方差是用Welford’s的在线算法计算的[7]。由于噪声依赖于亮度，这些方差是在七个不同反射率的ROI上计算的。为了比较不同曝光的不同设备，需要进行归一化处理：我们对所有色块的测量CIE-L*值进行插值，并计算L*=50的噪声方差，这是正确曝光帧的平均值。
*近一项关于静态图像的感知研究[12]表明，感知测量值与噪声方差加权和的平方根有很好的相关性。在对进行类似研究之前，我们将所有权重设置为1，并将时间视觉噪声（TVN）定义为：
image.png
请注意，这是正确曝光的色块的每个像素与其平均值之间的平均欧几里德距离。
用户对亮度和色噪声的感知不同，用户往往对色噪声更敏感。亮度和色度噪声的去噪算法也不同。为了评估噪声的颜色，我们将时间噪声色度（TNC）定义为：
image.png
在综合测试场景下测试了多个设备，包括不同照明条件（低光、室内、室外）下照度增加和减少的情况（从20lux到1000lux）。对于每个光照变换，我们在18%灰色块上测量上一节中定义的曝光收敛指标。图5显示了一个设备对在250lux和1000lux之间照度增加和减少两种情况的响应。图6显示了三种设备的曝光收敛：短收敛时间、长收敛时间和过冲。它们是收敛形式和我们数据集时间的典型代表。
图中呈现了几种设备对不同程度地增加和降低亮度的，大的（大于600lux）和小的（小于200lux）的收敛时间。这两类涵盖了所有需要测试的转换。大约一半的设备收敛时间小于0.6s。例如，Vivo NEX的收敛时间在所有转换中都在0.4s左右。对于其他设备，在大的和小的变换之间的表现有很大的变化。例如，Honor View 10对于大的转换的收敛时间是小的转换的两倍。一般来说，光照增加的收敛时间比光照减少的收敛时间大。对于某些设备来说，这种差异是非常明显的，特别是对于三星Galaxy J5和A8在大的光照变化时。可以在图8中看到这种差异。
图10显示了在T1和T2渐变中观察到的所有不同变化。所有设备对T2的反应比对T1的大。OnePlus 6T和苹果iPhone XS Max完全对T1变换进行了补偿。对T2变换，虽然与T1相比有更多的振荡， OnePlus6T还是对大部分的渐变过程进行了补偿。另一方面，在T2变换过程中，苹果iPhone XS Max没有对光照变换进行补偿，并且有很大的振幅变化。在苹果iPhone 8 Plus的两个转换过程中都可以看到大的幅度的变化。我们可以看到，在这两个变换中索尼Xperia 1对白平衡的纠正有一定滞后，这造成了突然的变化。这些可以被视为振荡。