Статистика сцены

Статистика сцен — это дисциплина в области восприятия . Она занимается статистическими закономерностями, связанными со сценами . Она основана на предпосылке, что перцептивная система предназначена для интерпретации сцен .

Биологические системы восприятия развились в ответ на физические свойства естественной среды. ^[1] Поэтому природные сцены привлекают большое внимание. ^[2]

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

Гейслер (2008) ^[4] различает четыре вида доменов: (1) Физическая среда, (2) Изображения/Сцены, (3) Нейронные реакции и (4) Поведение.

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

Статистика по всем доменам определяет, как автономная система должна делать выводы о своей среде, обрабатывать информацию и контролировать свое поведение. Для изучения этой статистики необходимо одновременно отбирать или регистрировать информацию в нескольких доменах.

Одним из наиболее успешных приложений моделей статистики естественных сцен стало прогнозирование качества воспринимаемых изображений и видео. Например, алгоритм Visual Information Fidelity (VIF), 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 сигнала. Предпосылка заключается в том, что статистика сцены изменяется из-за искажения, и что зрительная система чувствительна к изменениям в статистике сцены. VIF широко используется в индустрии потокового телевидения. Другие популярные модели качества изображения, которые используют статистику естественных сцен, включают BRISQUE ^[5] и NIQE ^[6], обе из которых не являются эталонными, поскольку им не требуется эталонное изображение для измерения качества.

• Field, DJ (1987). Отношения между статистикой естественных изображений и свойствами реакции 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, ДЖ. (2000). Локальный контраст в естественных изображениях: нормализация и эффективность кодирования. Восприятие, 29, 1041–1055.
• Фрейзор, РА, Гейслер, WS (2006) Локальная яркость и контрастность в естественных изображениях. Vision Research, 46, 1585–1598.
• Мант и др. (2005) Независимость яркости и контрастности в естественных сценах и в ранней зрительной системе. Nature Neuroscience, 8 (12) 1690–1697.
• Белл, А. Дж. и Сейновски, Т. Дж. (1997). «Независимые компоненты» природных сцен — это краевые фильтры. Vision Research, 37, 3327–3338.
• Olshausen, BA, & Field, DJ (1997). Разреженное кодирование с избыточно полным базисным набором: стратегия V1? Vision Research, 37(23), 3311–3325.
• Сигман, М., Чекки, GA, Гилберт, CD, и Магнаско, MO (2001). На общем круге: естественные сцены и правила гештальта. PNAS, 98(4), 1935–1940.
• Хойер, ПО и Хювяринен, А. Многослойная разреженная кодирующая сеть обучается контурному кодированию на основе естественных изображений, Vis. Res., т. 42, № 12, стр. 1593–1605, 2002.
• Geisler, WS, Perry, JS, Super, BJ и Gallogly, DP (2001). Совместное появление краев на естественных изображениях предсказывает эффективность группировки контуров. Vision Research, 41, 711–724.
• Элдер Дж. Х., Голдберг Р. М. (2002) Экологическая статистика для законов гештальта перцептивной организации контуров. J. Vis. 2:324–53.
• Кринов, Э. (1947). Спектральные отражательные свойства природных образований (Технический перевод № TT-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., Маклеод, ДИА, и Джонсон, Н.Е. (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) Цветовая оппонентность — эффективное представление спектральных свойств в естественных сценах. Vision Research 42:2095–2103.
• Fine, I., MacLeod, DIA, & Boynton, GM (2003). Сегментация поверхности на основе яркостной и цветовой статистики 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 естественной цветовой статистикой? Журнал зрения. 6:285–302.
• Ловелл ПГ и др. (2005) Стабильность цветовых оппонентных сигналов при изменении освещения в естественных сценах. J. Opt. Soc. Am. A 22:10.
• Эндлер, JA 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. A 18(1):65–77.
• Лонг Ф., Янг З., Пурвес Д. Спектральная статистика в естественных сценах 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, подобные простым клеткам в первичной зрительной коре. Труды Королевского общества Лондона B, 265, 2315–2320.
• Potetz, B., & Lee, TS (2003). Статистические корреляции между двумерными изображениями и трехмерными структурами в естественных сценах. Журнал Оптического общества Америки a-Optics Image Science and Vision, 20(7), 1292–1303.
• Howe, CQ, & Purves, D. (2002). Статистика изображений диапазона может объяснить аномальное восприятие длины. Труды Национальной академии наук Соединенных Штатов Америки, 99(20), 13184–13188.Howe, CQ, & Purves, D. (2005a). Геометрия естественной сцены предсказывает восприятие углов и ориентации линий. Труды Национальной академии наук Соединенных Штатов Америки, 102(4), 1228–1233.
• Howe, CQ, & Purves, D. (2004). Контраст размеров и ассимиляция, объясненные статистикой геометрии естественной сцены. Журнал когнитивной нейронауки, 16(1), 90–102.
• Howe, CQ, & Purves, D. (2005b). Иллюзия Мюллера–Лайера, объясненная статистикой отношений изображения и источника. Труды Национальной академии наук Соединенных Штатов Америки, 102(4), 1234–1239.
• Howe, CQ, Yang, ZY, & Purves, D. (2005). Иллюзия Поггендорфа, объясненная естественной геометрией сцены. Труды Национальной академии наук Соединенных Штатов Америки, 102(21), 7707–7712.
• Калкан, С. Вергеттер, Ф. и Крюгер, Н., Статистический анализ локальной трехмерной структуры в двумерных изображениях, Конференция IEEE по компьютерному зрению и распознаванию образов (CVPR), 2006.
• Калкан, С. Вергеттер, Ф. и Крюгер, Н., Статистический анализ первого и второго порядка трехмерной и двумерной структуры, Сеть: вычисления в нейронных системах, 18(2), стр. 129–160, 2007.