Статистика сцены - Scene statistics

Статистика сцены это дисциплина в области восприятие. Он касается статистических закономерностей, связанных с сцены. Он основан на предпосылке, что система восприятия предназначен для интерпретации сцены.

Биологические системы восприятия эволюционировали в ответ на физические свойства окружающей среды.[1] Следовательно природные сцены получить большое внимание.[2]

Статистика природных сцен полезны для определения поведения идеальный наблюдатель в естественной задаче, обычно путем включения теория обнаружения сигналов, теория информации, или же теория оценки.

Одним из наиболее успешных применений статистических моделей природных сцен было прогнозирование качества изображения и видео на основе восприятия. Например, Верность визуальной информации (VIF) алгоритм, который используется для измерения степени искажения изображений и видео, широко используется сообществами обработки изображений и видео для оценки качества восприятия, часто после обработки, такой как сжатие, которое может ухудшить внешний вид визуального сигнал. 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, использующие статистику естественных сцен, включают BRISQUE,[3] и NIQE[4] оба из них не являются эталонными, так как не требуют эталонного изображения для измерения качества.

Внутридоменные и междоменные

Изображение[5] генерируется из базы данных сегментированный листья, которые одновременно регистрируют 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)[6] различает четыре типа доменов: (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.

Рекомендации

  1. ^ Гейслер, В. С., Дил, Р. Л. (2003). Байесовский подход к эволюции систем восприятия и познания. Когнитивная наука, 27, 379-402.
  2. ^ Симончелли, Э. П. и Б. А. Ольсхаузен (2001). Статистика естественных изображений и нейронное представление. Ежегодный обзор нейробиологии 24: 1193-1216.
  3. ^ А. Миттал, А. К. Мурти и А. К. Бовик, «Оценка качества изображения без эталонных изображений в пространственной области», IEEE Transactions on Image Processing, 21 (12), 4695-4708, 2012
  4. ^ А. Миттал, Р. Саундарараджан и А. К. Бовик, «Полностью слепой анализатор качества изображения», IEEE Signal Processing Letters 20 (3), 209-212, 2013.
  5. ^ Гейслер, У.С., Перри, Дж. и Ing, A.D. (2008) Анализ природных систем. В: Б. Роговиц и Т. Паппас (ред.), Человеческое зрение и электронные изображения. Труды SPIE, Том 6806, 68060M
  6. ^ Гейслер, У.С. (2008) Визуальное восприятие и статистические свойства природных сцен. Ежегодный обзор психологии, 59, 167–192.

Библиография

  • Филд, Д. Дж. (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, Д. Дж. (2000). Локальный контраст в естественных изображениях: нормализация и эффективность кодирования. Восприятие, 29, 1041–1055.
  • Фразор, Р.А., Гейслер, В.С. (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, А. Дж., И Сейновски, Т. Дж. (1997). «Независимые компоненты» естественных сцен - это краевые фильтры. Vision Research, 37, 3327–3338.
  • Ольсхаузен, Б. А., и Филд, Д. Дж. (1997). Разреженное кодирование с избыточным базовым набором: стратегия V1? Исследование зрения, 37 (23), 3311–3325.
  • Сигман М., Чекки Г. А., Гилберт К. Д. и Магнаско М. О. (2001). В общем кругу: природные сцены и правила гештальта. PNAS, 98 (4), 1935–1940.
  • Hoyer, PO и Hyvärinen, A. Многослойная сеть разреженного кодирования изучает контурное кодирование из естественных изображений, Vis. Res., Vol. 42, нет. 12. С. 1593–1605, 2002.
  • Гейслер, В. С., Перри, Дж. С., Супер, Б. Дж., И Галлогли, Д. П. (2001). Сочетание краев в естественных изображениях предсказывает эффективность группировки контуров. Исследование зрения, 41, 711–724.
  • Старейшина JH, Гольдберг RM. (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 Д. И. и Джонсон Н. Э. (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.
  • Файн, И., Маклауд, Д. И. А., и Бойнтон, Г. М. (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. Являюсь. А 22:10.
  • Эндлер, Дж. 1993. Цвет света в лесах и его последствия. Экологические монографии 63: 1–27.
  • Wachtler T, Lee TW, Sejnowski TJ (2001) Хроматическая структура природных сцен. J. Opt. Soc. Являюсь. 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, К. К., и Первес, 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, C.Q., & Purves, D. (2005a). Геометрия естественной сцены предсказывает восприятие углов и ориентации линий. Слушания Национальной академии наук Соединенных Штатов Америки, 102 (4), 1228–1233.
  • Хоу, К. К., и Первес, Д. (2004). Контрастность и ассимиляция размеров объясняются статистикой естественной геометрии сцены. Журнал когнитивной нейронауки, 16 (1), 90–102.
  • Хоу, К. К., и Первес, Д. (2005b). Иллюзия Мюллера – Лайера, объясненная статистикой отношений между изображением и источником. Слушания Национальной академии наук Соединенных Штатов Америки, 102 (4), 1234–1239.
  • Хоу, К. К., Янг, З. Ю., и Пурвес, 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.