机器学习赋能石原氏色觉检查与教育图像增强：面向色盲人群的无障碍学习新策略

《Frontiers in Artificial Intelligence》：Enhancing Ishihara and educational images using machine learning: toward accessible learning for colorblind individuals

本综述系统探讨了机器学习（ML）技术在色觉缺陷（CVD）分类与图像增强中的应用。研究通过融合ResNet-50、EfficientNet-B0和DenseNet-201的特征嵌入，结合主成分分析（PCA）降维与一对多（OvA）策略，实现了对正常视觉、红色盲（protanopia）及绿色盲（deuteranopia）石原氏图的高精度（>99.7%）分类。进一步，基于sRGB至长中短波锥细胞（LMS）色彩空间的转换模型，采用优化的道尔顿化（daltonization）算法（增强强度αDe=0.54，αPr=0.64），显著提升了图像在CVD患者中的对比度（ΔCCVD达69.6/64.3）同时保持色彩保真度（ΔE≈4.9）。通过对15例确诊学生的调查验证，增强后图像的数字/符号识别率从不足20%提升至完全可见，平均评分超4/5分。该ML驱动框架为实时分类与增强教育图像（如NCERT教材图表）提供了可行方案，有望降低CVD学生的学术障碍。

　　

引言

色觉缺陷（Color Vision Deficiency, CVD）全球影响超过3亿人，其中红色盲（protanopia）和绿色盲（deuteranopia）作为最常见的亚型，导致红-绿色混淆。这不仅源于生物学基础的视锥细胞功能异常，还引发社会心理负担，包括职场歧视和日常活动受限。研究团队在印度古吉拉特邦28所学校的实地筛查（2023年12月至2025年7月）中，发现121例此前未确诊的CVD病例，凸显了实时分类方法的迫切需求。机器学习（ML）模型在CVD检测与图像增强领域展现出潜力，但现有研究多局限于单一功能（分类或增强），且存在色彩失真（如ΔE值过高）问题。本研究提出一种集成框架，首先基于石原氏图分类CVD类型，继而根据模拟感知图像生成实时增强版本，旨在为CVD学生提供更友好的教育图像资源。

方法论

数据集与图像处理

研究采用Kaggle开源数据集中的1,400张石原氏参考图像（531×531像素），每张图像包含嵌入随机分布多色点阵中的单数字（0-9）。所有图像均通过标准红绿蓝（sRGB）至长中短波锥细胞（LMS）色彩空间转换进行预处理，具体包括sRGB至线性RGB的转换（使用IEC 61966-2-1标准的光电转换函数）、线性RGB至LMS的矩阵变换（Machado等人，2009年模型），以及应用红色盲/绿色盲特异性模拟矩阵生成模拟感知图像。

增强图像生成与优化

增强过程基于道尔顿化算法，通过计算参考图像与模拟缺陷图像之间的误差信号（E），以优化后的增强强度参数（α）进行误差补偿。目标函数S(α)最大化对比度增益（ΔC_CVD），同时最小化正常视觉下的色彩差异（ΔE_norm）和通道裁剪比例（f_clip）。经网格搜索与Brent-Dekker有界最小化算法确定，绿色盲与红色盲的最优α值分别为0.54和0.64，对应对比度增益达69.57和64.28，ΔE保持在约4.9，裁剪比例低于0.002。

特征提取与分类模型

特征提取采用三种预训练卷积神经网络（CNN）架构：ResNet-50（2,048维特征）、EfficientNet-B0（1,280维特征）和DenseNet-201（1,920维特征）。通过拼接这些特征形成5,248维融合向量，再经PCA降维（保留95%方差）后输入分类器。分类任务采用一对多（OvA）策略，分别训练线性支持向量机（SVM）、逻辑回归和决策树分类器，并对比随机森林、梯度提升、径向基函数SVM（SVM-RBF）和多层感知机（MLP）的性能。

结果

机器学习性能评估

OvA分类器在测试集上达到99.7%准确率，MLP模型更实现100%的全面指标满分。混淆矩阵显示，3,360张训练图像中仅11例误分类，840张测试图像中仅1例绿色盲图像被误判为红色盲。增强算法在绿色盲和红色盲中分别实现69.57和64.28的对比度提升，色彩失真度（ΔE）控制在4.9左右，且裁剪可忽略不计（<0.002%。错误分析案例（图像157）表明，即使误分类，增强后图像与原图的RGB差异热图最大偏差仅0.20，证明增强效果的稳定性。

增强图像视觉验证

通过对15名确诊学生（8名绿色盲，7名红色盲）的两轮调查，验证了增强图像的有效性。在五张高红-绿混淆风险的图像中，数字识别率从增强前的低于20%提升至完全可见。例如，图像153的数字“1”识别率从绿色盲2/6、红色盲1/5增至全部识别；结构细节（如水平线）可见性从1-2人提升至6人。平均改善评分超过4/5分（绿色盲4.08±0.64，红色盲4.2±0.45）。教育图像（如印度物理地图、元素周期表、真核细胞图）的增强版本在色彩区分度和细节辨识度上均获学生肯定，特别是对易混淆色区（如非金属与镧系元素）的优化效果显著。

讨论

本研究通过ML驱动的分类-增强一体化框架，为CVD学生提供了实时的图像无障碍解决方案。与现有研究相比，该方法在保持低计算复杂度（基于优化α值的线性道尔顿化）的同时，实现了高分类精度与可控的色彩保真度。调查结果证实增强图像在真实教育场景中的实用性，如地图区域边界、图表色区区分度的提升。然而，研究仍存在局限性：数据集限于计算机生成图像；未涵盖蓝色盲（tritanopia）及严重度分级；样本量较小（15人）；对有机图形（如袋鼠轮廓）的增强效果不均。未来工作需扩展至自然场景图像，开发自适应增强算法，并探索移动端集成，以推动CVD教育包容性的实质进展。

结论

基层学校调查揭示了CVD认知与职业指导的系统性缺失。本研究验证了OvA-ML模型在CVD分类与图像增强中的可靠性，为早期筛查与教育适配提供了技术基础。结合调查见解，未来需构建计算工具与政策指导双轨并进的解决方案，赋能CVD学生跨越学术与职业壁垒。