基于认知分层的图像复杂度研究

摘要：

为揭示图像属性与图像复杂度之间的编码规律，从认知分层角度对图像复杂度进行了研究。基于由浅入深的认知加工次序，将图像复杂度分为呈现复杂度（CP）、语义复杂度（CS）和记忆复杂度（CM），分别对应图像的视觉属性、语义属性和解码属性，并建立复杂度分层映射模型。以地铁交通图为例，提取图像中3种复杂度后按低、中、高水平重新编码，并结合眼动追踪技术进行了视觉搜索实验。实验结果表明：高记忆复杂度编码的反应时最短，对认知绩效的影响最大；高语义复杂度编码易造成视觉干扰，需结合高记忆复杂度来提高认知绩效；高呈现复杂度编码能有效降低被试的认知负荷，提高搜索效率。实验结果证实了图像复杂度分层的合理性，为信息化图像的复杂度设计提供了参考。

关键词：图像复杂度、认知分层、人机交互、图像属性、映射方法

所属期刊栏目：46

分类号：TP-391

资助基金：国家自然科学基金资助项目71471037，71271053;江苏省普通高校研究生科研创新计划资助项目KYLX15－0062．

在线出版日期：2016-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1149-1154