Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения
- Редакционная этика


Контакты

Подписка

Карта сайта




Журнал с 01.12.2015 допущен ВАК для публикации основных результатов диссертаций как издание, входящее в международные реферативные базы систем цитирования (Web Science, Scopus) (см. Vak.ed.gov.ru Перечень журналов МБД 16.03.2018г)

Аннотации (08.2022) : Связь размера локального окна в модели модулей с оценкой размера зрительных изображений и их сегментацией

Связь размера локального окна в модели модулей с оценкой размера зрительных изображений и их сегментацией

DOI: 10.17586/1023-5086-2022-89-08-43-53

УДК 612.821

Валерия Михайловна Бондарко1*, Марина Валерьевна Данилова2

1, 2Институт физиологии им. И.П. Павлова РАН, Санкт-Петербург, Россия

1vmbond@gmail.com https://orcid.org/0000-0001-7408-302X

2danilovamv@infran.ru    https://orcid.org/0000-0002-1276-6252

Аннотация

Предмет исследования. Рассмотрены основные механизмы обработки зрительных изображений — оценка размера и их сегментация. Изучена возможность описания этих механизмов моделью модулей, предложенной Глезером В.Д. на основании электрофизиологических данных по изучению рецептивных полей нейронов зрительной коры. Цель работы заключается в исследовании механизмов оценки размера и процесса сегментации посредством сопоставления полученных авторами экспериментальных данных и результатов моделирования. Методы. В экспериментальной части использовали психофизические методы исследования. При оценке размера применили две различные парадигмы: модифицированную иллюзию Эббингхауза с разным окружением тестируемых стимулов или сравнивали размеры изображений прямых и косых крестов, которые также ранее использовали в экспериментах по сегментации. При моделировании осуществляли пространственно-частотную фильтрацию изображений в локальных участках поля зрения конечным набором фильтров. Основные результаты. Впервые показано, что оценка размера зависит от расстояния между изображениями и их формы и связана с сегментацией. Новым является и результат, свидетельствующий о том, что изображения разной формы кажутся равными по размеру, если модули, оптимально описывающие изображения (т.е. с максимальным сохранением энергии у изображений при ограниченном числе фильтров), имеют одинаковый размер. Полученные результаты показывают, что модель модулей в первом приближении может аппроксимировать механизм, осуществляющий оценку размера изображений и их сегментацию. Впервые выявлено соответствие между данными нейрофизиологических, психофизических и модельных исследований. Подтверждением полученных выводов служит проведённый авторами анализ по сопоставлению результатов экспериментов по зрительному восприятию и моделированию с закономерностями традиционной византийской иконописи и опирающимся на неё русским авангардом в живописи начала ХХ века. Практическую значимость может иметь применение и дальнейшее усовершенствование модели модулей как искусственной нейронной сети, обеспечивающей сегментацию и оценку размера изображений, а также опознание зрительных объектов.

Ключевые слова: оценка размера, сегментация, пространственно-частотный анализ, модель модулей, оптические иллюзии, иллюзия Эббингхауза, живопись

Благодарность: работа выполнена при поддержке Госпрограммы 47 ГП «Научно-технологическое развитие Российской Федерации» (2019–2030), тема 0134-2019-0005.

Ссылка для цитирования: Бондарко В.М., Данилова М.В. Связь размера локального окна в модели модулей с оценкой размера зрительных изображений и их сегментацией // Оптический журнал. 2022. Т. 89. № 8. С. 43–53. DOI: 10.17586/1023-5086-2022-89-08-43-53

Коды OCIS: 330.7326 330.4060 330.5510.

 

Список источников

1.    Wundt W. Die geometrisch-optischen Tauschungen. Leipzig: Teubner, 1898. 203 p.

2.   Бондарко В.М., Данилова М.В., Чихман В.Н. Сегментация зрительных изображений: экспериментальные данные и моделирование // Оптический журнал. 2021. Т. 88. № 12. С. 7–17.

3.   Луцив В.Р. Сверточные искусственные нейронные сети глубокого обучения // Оптический журнал. 2015. Т. 82. № 8. С. 11–23.

4.   Цыцулин А.К., Бобровский А.И., Морозов А.В., Павлов В.А., Галеева М.А. Применение свёрточных нейронных сетей для автоматической селекции малоразмерных искусственных космических объектов на оптических изображениях звёздного неба // Оптический журнал. 2019. Т. 86. № 10. С. 30–38.

5.   Xie Y., Zhu F., Fu Y. Main-secondary network for defect segmentation of textured surface images // IEEE Winter Conference on Applications of Computer Vision (WACV). 2020. P. 3531–3540.

6.   Beck J. Textural segmentation, second-order statistics, and textural elements // Biological Cybernetics. 1983. V. 48. P. 125–130.

7.    Шелепин Ю.Е., Глезер В.Д., Бондарко В.М., Павловская М.Б., Вол И.А., Данилов Ю.П. Пространственное зрение // Физиология зрения / Под ред. Бызова А.Л. М.: Наука, 1992. С. 528–586.

8.   Julesz B. Experiment in the visual perception of texture // Sci. Am. 1975. V. 232. P. 34–43.

9.   Julesz B. Textons, the elements of texture perception, and their interactions // Nature. 1981. V. 290. P. 91–97.

10. Julesz B. Texton gradients: The texton theory revisited // Biological Cybernetics. 1986. V. 54. P. 245–251.

11.  Beck J., Sutter A., Ivry R. Spatial frequency channels and perceptual grouping in texture perception // Computer Vision, Graphics and Image Processing. 1987. V. 37. P. 299–325.

12.  Bovik A.C., Clark M., Geisler W.S. Multichannel texture analysis using localized spatial filters // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1990. V. 12. P. 55–73.

13.  Turner M.R. Texture discrimination by Gabor functions // Biological Cybernetics. 1986. V. 55. P. 71–82.

14.  Arsenault E., Yoonessi A., Baker C. Higher order texture statistics impair contrast boundary segmentation // J. Vision. 2011. V. 11(10):14. P. 1–15.

15.  Prakash M.J., Kezia S., I. Santhi Prabha S., Kumar V.V. A New approach for texture segmentation using gray level textons // International J. Signal Processing, Image Processing and Pattern Recognition. 2013. V. 6. № 3. P. 81–90.

16.  Глезер В.Д. Зрение и мышление. Л.: Наука, 1985. 300 с.

17.  Kaliteevsky N.A., Semenov V.E., Glezer V.D., Gauselman V.E. Algorithm of invariant image description by the use of a modified Gabor transform // Applied optics. 1994. V. 33. № 23. Р. 5256–5261.

18. Glezer V.D., Yakovlev V.V., Gauselman V.E. Harmonic basis function for spatial coding in the cat striate cortex // Visual Neurosci. 1989. V. 3. P. 351–383.

19.  Вол И.А. Пространственно-частотная модель гиперостроты зрительной системы // Сенсорные системы. 1988. T. 2. № 2. C. 133–138.

20. Жукова О.В., Малахова Е.Ю., Шелепин Ю.Е. Джоконда и неопределенность распознавания улыбки человеком и искусственной нейронной сетью // Оптический журнал. 2019. Т. 86. № 11. С. 40–50.

21.  Малахова Е.Ю. Пространство описания зрительной сцены в искусственных и биологических нейронных сетях // Оптический журнал. 2020. Т. 87. № 10. С. 50–58.

22. Титаренко M.A., Малашин Р.О. Метод улучшения изображений с помощью глубоких нейронных сетей при использовании высокоуровневой информации // Оптический журнал. 2020. Т. 87. № 10. С. 59–68.

23. Жукова О.В., Васильев П.П. Перестройка нейронной сети и изменение стратегий операторов в процессе распознавания изображений лиц // Оптический журнал. 2020. Т. 87. № 10. С. 25–37.

24. Хараузов А.К., Шелепин Ю.Е, Цветков О.В., Жукова О.В., Пронин С.В. Методы маскировки угрожающих изображений и электрофизиологические маркеры их неосознанного восприятия // Оптический журнал. 2020. Т. 87. № 10. С. 69–80.

25. Шелепин Ю.Е., Хараузов А.К., Жукова О.В., Пронин С.В., Куприянов М.С., Цветков О.В. Маскировка и обнаружение скрытых сигналов в динамических изображениях //Оптический журнал. 2020. Т. 87. № 10. С. 89–102.

26. Ronneberger O., Fischer P., Brox T. U-net: Convolutional networks for biomedical image segmentation. Switzerland: MICCAI, 2015. Part III. LNCS 9351. P. 234–241.

27. Maлашин Р.О. Принцип наименьшего действия в динамически конфигурируемых системах анализа изображений // Оптический журнал. 2019. Т. 86. № 11. С. 5–13.

28. Ebbinghaus H. Grundzüge der Psychologie. 1908. V. II. Part I. Leipzig: Veit.

29. Ehrenstein W.H., Hamada J. Structural factors of size contrast in the Ebbinghaus illusion // Ed. by Sumi S., Noguchi K. / New horizons in the study of Gestalt perception. Hiyoshi, Yokohama 223, Japan: Keio Univ., Chiba Univ., 1996. P. 158–169.

30. Бондарко В.М., Семенов Л.А. Оценка размера в иллюзии Эббингхауза у взрослых и детей различного  возраста // Физиология человека. 2004. Т. 30. № 1. С. 31–37.

31.  Wilson H.R., Gelb D.J. Modified line element theory for spatial frequency and width discrimination // J. Opt. Soc. Amer. A. 1984. V. 1. P. 124–131.

32. Danilova M.V., Bondarko V.M. Foveal contour interactions and crowding effects at the resolution limit of the visual system // J. Vision. 2007. V. 7(2). P. 1–18.

33. Бычков В.В. Икона и русский авангард начала ХХ века // Книга неклассической эстетики / Под ред. Коревище О.Б. М.: ИФ РАН, 1998. С. 58–75.

34. Douglas C.C. Swans of other worlds: Kazimir Malevich and the origins of suprematism 1908-1915. USA: UMI Research Press, 1980. 211 p.

35. Сарабьянов Д., Шатских А. Казимир Малевич: живопись, теория. М.: Искусство, 1993. 416 с.

36. Griber Y.A., Egorov A.G. The Vitebsk project by Kazimir Malevich: A case-study of urban life modernization // Mediterranean Journal of Social Sciences. 2015. V. 6. № 4. P. 4–18.

37. Vidrih R. Iconisation at work. Malevich's Black Square, the modern icon at tate modern // IKON. 2016. V. 9. P. 343–354.

38. Girgus J.S., Coren S., Agdern M. The interrelationship between the Ebbinghaus and Delboeuf illusions // J. Exp. Psychology. 1972. V. 95. № 2. P. 453–455.

39. Weintraub D.J., Schneck M.K. Fragments of Delboeuf and Ebbinghaus illusions: Contour context explorations of misjudged circle size // Perception and Psychophysics. 1986. V. 40 (3). P. 147–158.

40. Bulatov A., Bertulis A. Distortions of length perception // Biological Cybernetics. 1999. V. 80. P. 185–193.

41.  Bulatov A., Bertulis A., Mickiene L. Geometrical illusions: study and modelling // Biological Cybernetics. 1997. V. 77. P. 395–406.

42.      Burt P.J. Fast filter transforms for image processing // Comput. Graph. and Image Proc. 1981. V. 16. P. 20–51.