Статистика сцены

Статистика сцены — это дисциплина в области восприятия . Речь идет о статистических закономерностях, связанных со сценами . Он основан на предпосылке, что система восприятия предназначена для интерпретации сцен .

Биологические системы восприятия развились в ответ на физические свойства природной среды. ^[1] Поэтому природным сценам уделяется большое внимание. ^[2]

Статистика естественной сцены полезна для определения поведения идеального наблюдателя в естественной задаче, обычно путем включения теории обнаружения сигналов , теории информации или теории оценки .

Внутри домена или между доменами

Изображение ^[3] генерируется 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) ^[4] различает четыре типа областей: (1) физическая среда, (2) изображения/сцены, (3) нервные реакции и (4) поведение.

В области изображений/сцен можно изучать характеристики информации, связанные с избыточностью и эффективным кодированием.

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.

Приложения

Прогнозирование качества изображения и видео

Одним из наиболее успешных применений статистических моделей природных сцен является прогнозирование воспринимаемого качества изображения и видео. Например, алгоритм Visual Information Fidelity (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. Предполагается, что статистика сцены изменяется в результате искажения и что зрительная система чувствительна к изменениям статистики сцены. VIF широко используется в индустрии потокового телевидения. Другие популярные модели качества изображения, использующие статистику естественных сцен, включают BRISQUE, ^[5] и НИКЕ ^[6] оба из них не являются эталонными, поскольку не требуют какого-либо эталонного изображения для измерения качества.

Ссылки

^ Гейслер, WS, и Диль, RL (2003). Байесовский подход к эволюции перцептивных и когнитивных систем . Когнитивная наука, 27, 379–402.
^ Симончелли, EP и BA Olshausen (2001). Статистика естественных изображений и нейронное представление. Ежегодный обзор неврологии 24: 1193-1216.
^ Гейслер, В.С., Перри, Дж.С. и Инг, А.Д. (2008) Анализ природных систем. В: Б. Роговитц и Т. Паппас (ред.), Человеческое зрение и электронные изображения. Слушания SPIE, том 6806, 68060M
^ Гейслер, WS (2008)Визуальное восприятие и статистические свойства природных сцен. Ежегодный обзор психологии, 59, 167–192.
^ А. Миттал, А. К. Мурти и А. К. Бовик, «Оценка качества изображения без эталона в пространственной области», IEEE Transactions on Image Processing, 21 (12), 4695-4708, 2012 г.
^ А. Миттал, Р. Саундарараджан и А. К. Бовик, «Полностью слепой» анализатор качества изображения», IEEE Signal Processing Letters 20 (3), 209-212, 2013.

Библиография

Филд, диджей (1987). Связь между статистикой естественных изображений и ответными свойствами клеток коры . Журнал Оптического общества Америки, A 4, 2379–2394.
Рудерман Д.Л. и Бялек В. (1994). Статистика естественных изображений – масштабирование в лесу. Письма о физическом обзоре, 73 (6), 814–817.
Брэди Н. и Филд DJ (2000). Локальный контраст в естественных изображениях: нормализация и эффективность кодирования. Восприятие, 29, 1041–1055.
Фрейзор, Р.А., Гейслер, В.С. (2006)Локальная яркость и контраст в естественных изображениях. Vision Research, 46, 1585–1598.
Манте и др. (2005) Независимость яркости и контраста в природных сценах и в ранней зрительной системе. Природная неврология, 8 (12) 1690–1697.
Белл, Эй-Джей, и Сейновски, Ти-Джей (1997). «Независимыми компонентами» природных сцен являются краевые фильтры. Vision Research, 37, 3327–3338.
Ольсхаузен, бакалавр искусств, и Филд, диджей (1997). Разреженное кодирование с переполнённым базисным набором: стратегия V1? Vision Research, 37(23), 3311–3325.
Сигман М., Чекки Г.А., Гилберт С.Д. и Маньяско Миссури (2001). По общему кругу: Природные сцены и правила гештальта. ПНАС, 98 (4), 1935–1940.
Хойер П.О. и Хиваринен А. Многоуровневая разреженная сеть кодирования обучается контурному кодированию на естественных изображениях, Vis. Рез., том. 42, нет. 12, стр. 1593–1605, 2002.
Гейслер, У.С., Перри, Дж.С., Супер, Б.Дж. и Галлогли, Д.П. (2001). Совпадение краев на естественных изображениях позволяет предсказать эффективность группировки контуров. Vision Research, 41, 711–724.
Старейшина Дж.Х., Голдберг Р.М. (2002) Экологическая статистика гештальт-законов перцептивной организации контуров. Дж. Вис. 2:324–53.
Кринов, Е. (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 реакций колбочек на естественные изображения: значение для визуального кодирования. Журнал Оптического общества Америки, A, 15, 2036–2045.
Стокман А., Маклауд, DIA, и Джонсон, штат Невада (1993). Спектральная чувствительность колбочек человека. J Opt Soc Am A Opt Image Sci Vis, 10, 1396–1402.
Ли Т.В., Вахтлер Т., Сейновски Т.Дж. (2002) Цветовой контраст — это эффективное представление спектральных свойств в природных сценах. Vision Research 42: 2095–2103.
Файн И., МакЛауд, DIA, и Бойнтон, 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.
Льюис А., Чжаопин Л. (2006) Определяется ли чувствительность колбочек статистикой естественных цветов? Журнал видения. 6:285–302.
Ловелл П.Г. и др. (2005) Стабильность сигналов цветового оппонента при изменении освещения в природных сценах. J. Опт. Соц. Являюсь. 22:10.
Эндлер, Дж. А. 1993. Цвет света в лесах и его последствия. Экологические монографии 63:1–27.
Вахтлер Т., Ли Т.В., Сейновски Т.Дж. (2001)Хроматическая структура природных сцен. J. Опт. Соц. Являюсь. А 18(1):65–77.
Лонг Ф., Ян З., Пурвес Д. Спектральная статистика в естественных сценах прогнозирует оттенок, насыщенность и яркость. ПНАС 103(15):6013–6018.
Ван Хатерен, Дж. Х., и Рудерман, Д. Л. (1998). Независимый компонентный анализ последовательностей естественных изображений дает пространственно-временные фильтры, подобные простым клеткам первичной зрительной коры. Труды Лондонского королевского общества B, 265, 2315–2320.
Потец Б. и Ли Т.С. (2003). Статистические корреляции между двумерными изображениями и трехмерными структурами в природных сценах. Журнал Оптического общества Америки a-Optics Image Science and Vision, 20 (7), 1292–1303.
Хоу, CQ, и Первс, Д. (2002). Статистика изображений дальности 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 ориентацию линий. Труды Национальной академии наук Соединенных Штатов Америки, 102 (4), 1228–1233.
Хоу, CQ, и Первс, Д. (2004). Контраст размеров и ассимиляция объясняются статистикой естественной геометрии сцены. Журнал когнитивной нейронауки, 16 (1), 90–102.
Хоу, CQ, и Первс, Д. (2005b). Иллюзия Мюллера-Лайера, объясненная статистикой отношений изображения и источника. Труды Национальной академии наук Соединенных Штатов Америки, 102 (4), 1234–1239.
Хоу, CQ, Ян, ZY, и Первс, Д. (2005). Иллюзия Поггендорфа, объясненная естественной геометрией сцены. Труды Национальной академии наук Соединенных Штатов Америки, 102 (21), 7707–7712.
Калкан, С. Вёргёттер, Ф. и Крюгер, Н., Статистический анализ локальной 3D-структуры в 2D-изображениях, Конференция IEEE по компьютерному зрению и распознаванию образов (CVPR), 2006 г.
Калкан, С. Вёргоеттер, Ф. и Крюгер, Н., Статистический анализ трехмерной и двумерной структуры первого и второго порядка, Сеть: вычисления в нейронных системах, 18 (2), стр. 129–160, 2007.

[1] Гейслер, WS, и Диль, RL (2003). Байесовский подход к эволюции перцептивных и когнитивных систем . Когнитивная наука, 27, 379–402.

[2] Симончелли, EP и BA Olshausen (2001). Статистика естественных изображений и нейронное представление. Ежегодный обзор неврологии 24: 1193-1216.

[3] Гейслер, В.С., Перри, Дж.С. и Инг, А.Д. (2008) Анализ природных систем. В: Б. Роговитц и Т. Паппас (ред.), Человеческое зрение и электронные изображения. Слушания SPIE, том 6806, 68060M

[4] Гейслер, WS (2008)Визуальное восприятие и статистические свойства природных сцен. Ежегодный обзор психологии, 59, 167–192.

[5] А. Миттал, А. К. Мурти и А. К. Бовик, «Оценка качества изображения без эталона в пространственной области», IEEE Transactions on Image Processing, 21 (12), 4695-4708, 2012 г.

[6] А. Миттал, Р. Саундарараджан и А. К. Бовик, «Полностью слепой» анализатор качества изображения», IEEE Signal Processing Letters 20 (3), 209-212, 2013.

[1]

[2]

[3]

[4]

[5]

[6]