Статистика сцены - Scene statistics

Статистика сцены - это дисциплина в области восприятия . Он касается статистических закономерностей, связанных со сценами . Он основан на предпосылке, что система восприятия предназначена для интерпретации сцен .

Биологические системы восприятия эволюционировали в ответ на физические свойства окружающей среды. Поэтому природным сценам уделяется большое внимание.

Статистика Природных сцен полезна для определения поведения идеального наблюдателя в естественной задаче, как правило , путем включения теории сигнала обнаружения , теории информации , или теории оценивания .

Одним из наиболее успешных применений статистических моделей природных сцен было прогнозирование качества изображения и видео на основе восприятия. Например, алгоритм точности визуальной информации (VIF), который используется для измерения степени искажения изображений и видео, широко используется сообществами, занимающимися обработкой изображений и видео, для оценки качества восприятия, часто после обработки, такой как сжатие, которое может ухудшить внешний вид визуального сигнала. Предпосылка состоит в том, что статистика сцены изменяется из-за искажения, и что визуальная система чувствительна к изменениям статистики сцены. VIF широко используется в индустрии потокового телевидения. Другие популярные модели качества изображения, которые используют статистику естественной сцены, включают BRISQUE и NIQE, обе из которых не являются эталонными, поскольку не требуют какого-либо эталонного изображения для измерения качества.

Внутридоменные и междоменные

Изображение, созданное из базы данных сегментированных листьев, которая одновременно регистрирует естественные изображения (информацию о сцене) с точным расположением границ листьев (информация о физической среде). Такую базу данных можно использовать для изучения междоменной статистики.

Гейслер (2008) различает четыре типа областей: (1) физическая среда, (2) изображения / сцены, (3) нейронные реакции и (4) поведение.

В области изображений / сцен можно изучить характеристики информации, относящиеся к избыточности и эффективному кодированию.

Междоменная статистика определяет, как автономная система должна делать выводы о своей среде, обрабатывать информацию и контролировать свое поведение. Чтобы изучить эту статистику, необходимо одновременно отбирать или регистрировать информацию в нескольких доменах.

Ссылки

Библиография

  • Филд, ди-джей (1987). Связь между статистикой естественных изображений и реакционными свойствами корковых клеток. Журнал Оптического общества Америки A 4, 2379–2394.
  • Рудерман, Д.Л., и Биалек, В. (1994). Статистика естественных изображений - масштабирование в лесу. Physical Review Letters, 73 (6), 814–817.
  • Брэди, Н. и Филд, ди-джей (2000). Локальный контраст в естественных изображениях: нормализация и эффективность кодирования. Восприятие, 29, 1041–1055.
  • Frazor, RA, Geisler, WS (2006) Локальная яркость и контраст в естественных изображениях. Vision Research, 46, 1585–1598.
  • Mante et al. (2005) Независимость яркости и контраста в естественных сценах и в ранней визуальной системе. Nature Neuroscience, 8 (12) 1690–1697.
  • Белл, AJ, & Sejnowski, TJ (1997). «Независимые компоненты» естественных сцен - это краевые фильтры. Vision Research, 37, 3327–3338.
  • Ольсхаузен, BA, и Филд, DJ (1997). Разреженное кодирование с избыточным базовым набором: стратегия V1? Исследование зрения, 37 (23), 3311–3325.
  • Сигман, М., Чекки, Г.А., Гилберт, С.Д., и Магнаско, Миссури (2001). В общем кругу: природные сцены и правила гештальта. PNAS, 98 (4), 1935–1940.
  • Hoyer, PO и Hyvärinen, A. Многоуровневая сеть разреженного кодирования изучает контурное кодирование из естественных изображений, Vis. Res., Vol. 42, нет. 12. С. 1593–1605, 2002.
  • Гейслер, WS, Перри, Дж.С., Супер, Би Джей, и Галлогли, Д.П. (2001). Сочетание краев в естественных изображениях предсказывает эффективность группировки контуров. Исследование зрения, 41, 711–724.
  • Старейшина Дж. Х., Гольдберг Р. М.. (2002) Экологическая статистика по гештальт-законам перцептивной организации контуров. J. Vis. 2: 324–53.
  • Кринов Э. (1947). Спектральные отражательные свойства природных образований (Технический перевод № ТТ-439). Оттава: Национальный исследовательский совет Канады.
  • Рудерман, Д.Л., Кронин, Т.В., и Чиао, К. (1998). Статистика реакции конуса на естественные изображения: значение для визуального кодирования. Журнал Оптического общества Америки A, 15, 2036–2045.
  • Стокман, А., МакЛауд, DIA, и Джонсон, NE (1993). Спектральная чувствительность человеческих колбочек. J Opt Soc Am A Opt Image Sci Vis, 10, 1396–1402.
  • Ли Т.В., Вахтлер, Т., Сейновски, Т.Дж. (2002) Противопоставление цветов - эффективное представление спектральных свойств в естественных сценах. Исследование зрения 42: 2095–2103.
  • Fine, I., MacLeod, DIA, & Boynton, GM (2003). Сегментация поверхности на основе статистики яркости и цвета естественных сцен. Журнал Оптического общества Америки a-Optics Image Science and Vision, 20 (7), 1283–1291.
  • Lewis A, Zhaoping L. (2006) Определяется ли чувствительность колбочек статистикой естественного цвета? Журнал видения. 6: 285–302.
  • Lovell PG et al. (2005) Стабильность сигналов оппонента цвета при изменении освещения в естественных сценах. J. Opt. Soc. Am. А 22:10.
  • Эндлер, Дж. А. 1993. Цвет света в лесах и его значение. Экологические монографии 63: 1–27.
  • Wachtler T, Lee TW, Sejnowski TJ (2001) Хроматическая структура природных сцен. J. Opt. Soc. Am. А 18 (1): 65–77.
  • Long F, Yang Z, Purves D. Спектральная статистика естественных сцен предсказывает оттенок, насыщенность и яркость. PNAS 103 (15): 6013–6018.
  • Ван Хатерен, Дж. Х. и Рудерман, Д. Л. (1998). Независимый компонентный анализ последовательностей естественных изображений дает пространственно-временные фильтры, аналогичные простым клеткам первичной зрительной коры. Труды Лондонского королевского общества B, 265, 2315–2320.
  • Потец Б. и Ли Т.С. (2003). Статистические корреляции между двухмерными изображениями и трехмерными структурами в естественных сценах. Журнал Оптического общества Америки a-Optics Image Science and Vision, 20 (7), 1292–1303.
  • Хоу, CQ, и Purves, Д. (2002). Статистика дальномерного изображения может объяснить аномальное восприятие длины. Proceedings of the National Academy of Sciences of the United States of America, 99 (20), 13184–13188.Howe, CQ, & Purves, D. (2005a). Геометрия естественной сцены предсказывает восприятие углов и ориентации линий. Слушания Национальной академии наук Соединенных Штатов Америки, 102 (4), 1228–1233.
  • Хоу, CQ, и Purves, Д. (2004). Контрастность и ассимиляция размеров объясняются статистикой естественной геометрии сцены. Журнал когнитивной нейробиологии, 16 (1), 90–102.
  • Хоу, CQ, и Purves, D. (2005b). Иллюзия Мюллера – Лайера, объясненная статистикой отношений между изображением и источником. Слушания Национальной академии наук Соединенных Штатов Америки, 102 (4), 1234–1239.
  • Хау, CQ, Янг, З.Й., и Первес, Д. (2005). Иллюзия Поггендорфа, объясняемая естественной геометрией сцены. Слушания Национальной академии наук Соединенных Штатов Америки, 102 (21), 7707–7712.
  • Калкан, С. Воргёттер, Ф. и Крюгер, Н., Статистический анализ локальной трехмерной структуры в двумерных изображениях, Конференция IEEE по компьютерному зрению и распознаванию образов (CVPR) 2006.
  • Калкан, С. Воргёттер, Ф. и Крюгер, Н., Статистический анализ первого и второго порядка трехмерных и двумерных структур, Сеть: вычисления в нейронных системах, 18 (2), стр. 129–160, 2007.