«Исчезающие» оптотипы и объективное измерение остроты зрения человека

Моисеенко Г.А., Пронин С.В., Жильчук Д.И., Коскин С.А., Шелепин Ю.Е.

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Моисеенко Г.А., Пронин С.В., Жильчук Д.И., Коскин С.А., Шелепин Ю.Е. «Исчезающие» оптотипы и объективное измерение остроты зрения человека// Оптический журнал. 2020. Т. 87. № 12. С. 84–92. http://doi.org/10.17586/1023-5086-2020-87-12-84-92

Ссылка на англоязычную версию:

G. A. Moiseenko, S. V. Pronin, D. I. Zhil’chuk, S. A. Koskin, and Yu. E. Shelepin, "Vanishing optotypes and objective measurement of human visual acuity," Journal of Optical Technology. 87(12), 761-766 (2020). https://doi.org/10.1364/JOT.87.000761

Аннотация:

В физиологической оптике одним из важнейших параметров является разрешающая способность глаза и острота зрения человека. Для оценки остроты зрения были предложены «исчезающие» оптотипы. В настоящем исследовании проведено сравнение известного субъективного метода измерения остроты зрения с помощью «исчезающих» оптотипов и возможностей нового метода объективной оценки распознавания тестовых изображений с применением «исчезающих» оптотипов, отличающихся не только по своим пространственным, но и семантическим характеристикам. Особенности «исчезающих» оптотипов в том, что пороги их обнаружения и распознавания совпадают. «Исчезающие» оптотипы созданы методом цифровой обработки изображений. Установили, что независимо от инструкции или от умышленных ошибок испытуемый неосознанно классифицирует изображения объектов живой и неживой природы. Эта независимая от произвольных решений испытуемого классификация по семантическим характеристикам вызывает изменение компонентов вызванных потенциалов P200 и N170 во фронтальных отведениях. Обнаруженный эффект может быть использован для объективной оценки остроты зрения.

Ключевые слова:

«исчезающие» оптотипы, классификация объектов, зрительные вызванные потенциалы, острота зрения, принятие решений, распознавание

Коды OCIS: атмосферная турбулентность, многоапертурная оптическая система, слепая деконволюция, сверхразрешение

Список источников:

1. Лапин Ю.В. Статистическая теория турбулентности (прошлое и настоящее — краткий очерк идей) // Научно-технические ведомости. 2004. Т. 2. С. 7–20.

2. Roggemann M.C., Welsh B. Imaging through turbulence. Boca Raton: CRC Press, 1996. 320 c.

3. Roddier F. Adaptive optics in astronomy. Cambridge: Cambridge University Press, 1999. 420 с.

4. Vorontsov M.A., Carhart G.W. Anisoplanatic imaging through turbulent media: image recovery by local information fusion from a set of short-exposure images // JOSA A. 2001. V. 18(6). P. 1312–1324.

5. Loktev M., Vdovin G., Soloviev O., Kryukov S., Savenko S. Adaptive optics combined with computer post-processing for horizontal turbulent imaging // Proceedings of SPIE (The International Society for Optical Engineering). 2012. V. 8437. P. 84370Y.

6. Carrano C.J. Speckle imaging over horizontal paths // Proc. SPIE. 2002. V. 4825(1). P. 109–120.

7. Bos J.P., Calef B. Using aperture partitioning to improve scene recovery in horizontal long-path speckle imaging // Proc. SPIE. 2015. V. 9614. P. 961407.

8. Vdovin G., Soloviev O., Loktev M., Savenko S. Imaging through turbulence with temporally and spatially multiplexed systems // Proceedings of SPIE (The International Society for Optical Engineering). 2011. V. 8178. P. 81780F.

9. Loktev M., Soloviev O., Savenko S., Vdovin G. Speckle imaging through turbulent atmosphere based on adaptable pupil segmentation // Opt. Lett. 2011. V. 36. № 14. P. 2656.

10. Soloviev O.A., Vdovin G.V., Bezzubik V.V. Сomparison of on-line and off-line Fried parameter estimation methods // Sci. Tech. J. Inf. Technol. Mech. Opt. 2019. № 12. P. 959–965.

11. Paxman R.G., Schulz T.J., Fienup J.R. Joint estimation of object and aberrations by using phase diversity // J. Opt. Soc. Am. A. 1992. V. 9. P. 1072–1085.

12. Lane R.G. Blind deconvolution of speckle images // J. Opt. Soc. Am. A. 1992. V. 9. P. 1508–1514.

13. Schulz T.J. Multiframe blind deconvolution of astronomical images // J. Opt. Soc. Am. A. 1993. V. 10. P. 1064–1073.

14. Christou J., Hege K. Iterative deconvolution algorithm in C (IDAC) // Arizona Board of Regents. 2000. http://cfao.ucolick.org/software/idac/

15. Mugnier Laurent M., Fusco Thierry, Conan Jean-Marc. Mistral: a myopic edge-preserving image restoration method, with application to astronomical adaptive-optics-corrected long-exposure images // J. Opt. Soc. Am. A. 2004. V. 21. P. 1841–1854.

16. Chaudhuri S., Velmurugan R., Rameshan R. Blind deconvolution methods: A review // Blind Image Deconvolution / Springer. 2014. P. 37–60.

17. Wilding D., Soloviev O., Pozzi P., Vdovin G., Verhaegen M. Blind multi-frame deconvolution by tangential iterative projections (TIP) // Opt. Express. 2017. V. 25. P. 32305–32322.

18. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1979. 285 c. 19. Rudin L., Osher S., Fatemi E. Nonlinear total variation based noise removal algorithms // Physica D. 1992. V. 60. P. 259–268.