Сегментация зрительных изображений: экспериментальные данные и моделирование

Бондарко В.М., Данилова М.В., Чихман В.Н.

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Бондарко В.М., Данилова М.В., Чихман В.Н. Сегментация зрительных изображений: экспериментальные данные и моделирование // Оптический журнал. 2021. Т. 88. № 12. С. 17–27. http://doi.org/10.17586/1023-5086-2021-88-12-17-27

Bondarko V.M., Danilova M.V., Chikhman V.N. Segmentation of visual images: experimental data and modeling [in Russian] // Opticheskii Zhurnal. 2021. V. 88. № 12. P. 17–27. http://doi.org/10.17586/1023-5086-2021-88-12-17-27

Ссылка на англоязычную версию:

V. M. Bondarko, M. V. Danilova, and V. N. Chikhman, "Segmentation of visual images: experimental data and modeling," Journal of Optical Technology. 88(12), 692-699 (2021). https://doi.org/10.1364/JOT.88.000692

Аннотация:

Экспериментальные данные по сегментации окружённых рамкой простых геометрических фигур впервые сопоставлены с результатами модели модулей, осуществляющей фильтрацию изображений в локальных участках поля зрения. В экспериментах показано, что изображения воспринимаются как два отдельные при достижении определённого расстояния между ними, зависящего от их размера и формы. При малых размерах расстояния согласованы с оптической функцией рассеяния и размером самых высокочастотных рецептивных полей нейронов первичной зрительной коры, при больших — с размерами модулей, оптимально описывающих изображения (с максимальным сохранением энергии у изображений при ограниченном числе фильтров). Изображения сегментируются, когда второе изображение (рамка) оказывается за пределами модуля. Результаты подтверждены ранее полученными нами данными по изучению иллюзии Оппель–Кундта и оценке ширины пространственных интервалов.

Ключевые слова:

сегментация, моделирование, пространственно-частотный анализ, модель модулей, обрамление картин, «Чёрный квадрат» К. Малевича

Благодарность:

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

Коды OCIS: 330.7326 330.4060 330.5510

Список источников:

1. Луцив В.Р. Сверточные искусственные нейронные сети глубокого обучения // Оптический журнал. 2015. Т. 82. № 8. С. 11–23.
2. 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.
3. 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.
4. Beck J. Textural segmentation, second-order statistics, and textural elements // Biological Cybernetics. 1983. V. 48. P. 125–130.
5. Julesz B. A theory of preattentive texture discrimination based on first-order statistics of textons // Biological Cybernetics. 1981. V. 41. P. 131–138.
6. Julesz B. Textons, the elements of texture perception, and their interactions // Nature. 1981. V. 290. P. 91–97.
7. Julesz B. Towards an axiomatic theory of preattentive vision. Dynamic aspects of neocortical function. Toronto, Ontario, Canada: Wiley, 1984. P. 585–612.
8. Julesz B. Texton gradients: The texton theory revisited // Biological Cybernetics. 1986. V. 54. P. 245–251.
9. Fogel I., Sagi D. Gabor filters as texture discriminator // Biological Cybernetics. 1989. V. 61. P. 103–113.
10. Landy M.S., Bergen J.R. Texture segregation and orientation gradient // Vision Research. 1991. V. 31. P. 679–691.
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. Multichanal texture analysis using localized spatial filters // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1990. V. 12. P. 55–73.
13. Malik J., Perona P. Preattentive texture discrimination with early vision mechanisms // J. Opt. Soc. Am. A. 1990. V. 7. P. 923–932.
14. Turner M.R. Texture discrimination by Gabor functions // Biological Cybernetics. 1986. V. 55. P. 71–82.
15. Arsenault E., Yoonessi A., Baker C. Higher order texture statistics impair contrast boundary segmentation // J. Vision. 2011. V. 11(10):14. P. 1–15.
16. 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.
17. Blasdel G., Salama G. Voltage-sensitive dyes reveal a modular organization in monkey striate cortex // Nature. 1986. V. 321. P. 579–585.
18. Бондарко В.М., Данилова М.В. Оценка целостности зрительных объектов в зависимости от их размеров // Физиология чел. 1996. Т. 22. № 3. C. 65–70.
19. Шелепин Ю.Е., Бондарко В.М., Данилова М.В. Конструкция фовеолы и модель пирамидальной организации зрительной системы // Сенсорные системы. 1995. Т. 9. № 1. С. 86–96.
20. Бондарко В.М., Данилова М.В. Оценка размеров зрительных объектов, имеющих различную форму, зависит от расстояния между объектами и условий их предъявления // Сенсорные системы. 1997. Т. 11. № 3. С. 300–311.
21. Atkinson J. Review of human visual development: crowding and dyslexia // Vision and visual dysfunction (ed.J.R.Cronly- Dillon). 1991. V. 13. Vision and visual dislexia (ed.J.F.Stein). P. 44–57.
22. 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). № 25. P. 1–18.
23. Shelepin Y.E., Bondarko V.M. Resolving ability and image discretization in the visual system // Neurosci. Behav. Physiol. 2004. V. 34. P. 147–157.
24. Глезер В.Д. Зрение и мышление. Л.: Наука, 1985. 300 с.

25. Вол И.А. Пространственно-частотная модель гиперостроты зрительной системы // Сенсорные системы. 1988. T. 2. № 2. C. 133–138.
26. 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.
27. Алюков С.В. Аппроксимация ступенчатых функций в задачах математического моделирования // Матем. моделирование. 2011. Т. 23. № 3. С. 75–88.
28. Рудин У. Основы математического анализа. М.: Мир, 1976. 320 с.
29. Шилов Г.Е. Математический анализ. Специальный курс. М.: ГИФМЛ, 1961. 436 с.
30. 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.
31. 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.
32. Малахова Е.Ю. Пространство описания зрительной сцены в искусственных и биологических нейронных сетях // Оптический журнал. 2020. Т. 87. № 10. С. 50–58.
33. 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.
34. 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.
35. 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.
36. 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.
37. Ronneberger O., Fischer P., Brox T. U-net: Convolutional networks for biomedical image segmentation // 18th International Conference / MICCAI 2015. Part III. Munich, Germany. October 5–9. 2015. P. 234–241.
38. Maлашин Р.О. Принцип наименьшего действия в динамически конфигурируемых системах анализа изображений // Оптический журнал. 2019. Т. 86. № 11. С. 5–13.
39. Бондарко В.М. Сопоставление метрик, заданных на пространстве признаков изображений, с ошибками в опознании этих изображений // Сенсорные сиcтемы. 1989. Т. 3. № 1. С. 56–68.
40. Кемпбелл Ф.В., Шелепин Ю.Е. Возможности фовеолы в различении объектов // Сенсорные системы. 1990. Т. 4. № 2. С. 181–185.
41. Вахрамеева О.А., Сухинин М.В., Моисеенко Г.А. и др. Изучение порогов восприятия в зависимости от геометрии фовеа // Сенсорные системы. 2013. Т. 27. № 2. С. 122–129.
42. Chikhman V., Shelepin Y., Pronin S. Experimental study of invariant perception of wavelet images // Journal of Optical Technology. 2011. V. 78(12). P. 803–807.
43. Burt P.J. Fast filter transforms for image processing // Comput. Graph. and Image Proc. 1981. V. 16. P. 20–51.
44. Watson A.B., Ahumada A.J. A hexagonal orthogonal-oriented pyramid as a model of image representation in visual cortex // IEEE Transactions on biomedical engineering. 1989. V. 36. № 1. P. 97–106.
45. Бондарко В.М., Гаузельман В.Е., Глезер В.Д. Механизмы зрительного обнаружения и опознания различны // Физиология человека. 1983. Т. 9. № 8. С. 496–498.
46. Wilson H.R., McFarlane D.K., Phillips G.C. Spatial frequency tuning of orientation selective units estimated by oblique masking // Vision Res. 1983. V. 23. № 9. P. 873–882.
47. Flom M.C. Contour interaction and the crowding effect // Problems in Optometry / Ed. by Rutstein R.P. 1991. V. 3. № 2. P. 237–257.
48. Flom M.C., Weymouth F.W., Kahneman D. Visual resolution and contour interaction // J. Opt. Soc. Am. 1963. V. 53. P. 1026–1032.
49. Bulatov A., Bertulis A. Distortions of length perception // Biol. Cybern. 1999. V. 80. P. 185–193.
50. Бондарко В.М., Бондарко Д.В., Солнушкин С.Д., Чихман В.Н. Моделирование оптических иллюзий // Оптический журнал. 2018. Т. 85. № 8. С. 5–12.
51. Bondarko V.M., Danilova M.V. Spatial interval discrimination in the presence of flanking lines // Spatial Vision. 1999. V. 12. № 2. P. 239–253.
52. Hess R.F., Badcock D.R. Metric for separation discrimination by the human visual system // J. Opt. Soc. Am. A. 1995. V. 12. P. 3–16.