ITMO
en/ en

ISSN: 1023-5086

en/

ISSN: 1023-5086

Научно-технический

Оптический журнал

Полнотекстовый перевод журнала на английский язык издаётся Optica Publishing Group (ранее OSA) под названием “Journal of Optical Technology“

Подача статьи Подать статью
Больше информации Назад

DOI: 10.17586/1023-5086-2023-90-10-67-79

УДК: 612.821

Искажение формы изображений в оптических иллюзиях

Ссылка для цитирования:
Бондарко В.М., Чихман В.Н. Искажение формы изображений в оптических иллюзиях // Оптический журнал. 2023. Т. 90. № 10. С. 67–79. http://doi.org/10.17586/1023­-5086­-2023-­90­-10-­67­-79  
Ссылка на англоязычную версию:
-
Аннотация:

Предмет исследования. Исследовали механизмы возникновения оптических иллюзий, приводящие к искажению формы изображений. Рассмотрели иллюзию шахматной доски, в которой прямые линии кажутся изогнутыми при добавлении на чёрные клетки белых пятен, и иллюзию Вундта–Геринга, где линии искривляются при наложении на них линий веера. Цель работы заключается в описании и анализе механизмов, вызывающих эти иллюзии, их сопоставлении и экспериментальной проверке. Методы. Использовали психофизические методы исследования. Проведён пространственно­частотный анализ изображений и выполнено сравнение полученных данных с результатами изучения других иллюзий. Основные результаты. Впервые получены оценки кривизны в иллюзии шахматной доски. Показано, что иллюзия шахматной доски усиливается при увеличении размера изображений до 2 угл. град., а затем ослабевает. Результаты экспериментов согласованы с данными по изучению явления оптической иррадиации, нейрофизиологическим коррелятом которого выступают рецептивные поля нейронов наружного коленчатого тела. В то же время иллюзия Вундта–Геринга связана с иллюзией наклона, вызванной взаимодействием между пространственно­частотными каналами, образованными рецептивными полями корковых нейронов. Анализ других иллюзий по искажению формы изображений позволил отнести вызывающие их механизмы к одному из указанных выше типов: к влиянию оптической иррадиации или взаимодействию ориентационных пространственно­частотных каналов. Практическая значимость. Явление иррадиации описывается уравнением Нака–Раштона в системе оппонентных рецептивных полей нейронов. Полученные результаты могут быть использованы при обработке и анализе изображений, а также при разработке состязательных искусственных нейронных сетей, являющихся аналогами оппонентных естественных нейронных сетей.

Ключевые слова:

оптические иллюзии, кривизна, иллюзия шахматной доски, иллюзия Вундта–Геринга, оптическая иррадиация, оппонентные нейронные сети

Коды OCIS: 330.7326 330.4060 330.5510

Список источников:
  1. Gomez­Villa A., Martín A., Vazquez­Corral J., Bertalmío M. Convolutional neural networks can be deceived by visual illusions // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2019. P. 12309–12317.
  2. Gomez­Villa A., Martín A., Vazquez­Corral J., Bertalmío M., Malo J. Visual illusions also deceive convolutional neural networks: Analysis and implications // arXiv preprint arXiv:1912.01643.2019. https: //doi.org/10.48550/arXiv.1912.01643
  3. Ward E.J. Exploring perceptual illusions in deep neural networks // https://www.biorxiv.org/content/10.1101/687905v1.2019
  4. Watanabe E., Kitaoka A., Sakamoto K., Yasugi M., Tanaka K. Illusory motion reproduced by deep neural networks trained for prediction // Frontiers in Psychology. 2018. V. 9. P. 345. https://doi.org/10.3389/fpsyg.2018.00345
  5. Бондарко В.М., Бондарко Д.В., Солнушкин С.Д., Чихман В.Н. Связь иллюзии Вундта–Геринга с иллюзией наклона и оценкой длины проекций наклонных линий // Физиология человека. 2019. Т. 45. № 4. С. 30–39. https://doi.org/ 10.1134/S0131164619030020
  6. Бондарко В.М., Солнушкин С.Д., Чихман В.Н. Оценка кривизны и архитектура Парфенона // Оптический журнал. 2021. Т. 88. № 6. С. 15–22. https://doi.org/ 10.17586/1023­5086­2021­88­06­58­67
  7. Todd J.T., Petrov A.A. The many facets of shape // Journal of Vision. 2022. V. 22. № 1. P. 1–12. https://doi.org/10.1167/jov.22.1.1
  8. Baker N., Garrigan P., Kellman P.J. Constant curvature segments as building blocks of 2D shape representation // Journal of Experimental Psychology: General. 2021. V. 150. № 8. P. 1556. https://doi.org/10.1037/xge0001007
  9. Kunsberg B., Zucker S.W. From boundaries to bumps: When closed (extremal) contours are critical // Journal of Vision. 2021. V. 21. № 13. P. 1. https://doi.org/10.1167/jov.21.13.7
  10. Yuille A., Liu C. Deep nets: What have they ever done for vision? // Int. J. Computer Vision. 2021. V. 129. P. 781. https://doi.org/10.1007/s11263­020­01405­z
  11. Yue X., Robert S., Ungerleider L.G. Curvature processing in human visual cortical areas // Neuroimage. 2020. V. 222. P. 117295. https://doi.org/10.1016/j.neuroimage.2020.117295
  12. Blakemore С., Campbell F.W. On the existence in human visual system of neurones selectively sensitive to the orientation and size of retinal image // J. Physiology. 1969. V. 203. № 1. P. 237–260. https://doi.org/10.1113/jphysiol.1969.sp008862
  13. Campbell F.W., Robson J.G. Application of fourier analyses to the visibility of gratings // J. Physiol. 1968. V. 197. P. 551–566. https://doi.org/10.1113/jphysiol.1968.sp008574
  14. Глезер В.Д. Зрение и мышление СПб.: Наука, 1993. 285 с.
  15. Шелепин Ю.Е., Глезер В.Д., Бондарко В.М., Павловская М.Б. и др. Пространственное зрение // Физиология зрения / Под ред. Бызова А.Л. М.: Наука, 1992. С. 528–586.
  16. Ламминпия А. М., Пронин С. В., Шелепин Ю. Е. Пространственно­частотная фильтрация текста для локального и глобального анализа // Оптический журнал. 2018. Т. 85. № 8. С. 39–45. https://doi.org/10.17586/1023­5086­2018­85­08­39­45
  17. Горбачёв В.Н., Казаков А.Я., Савельева М.Ю. Вейвлет­преобразование полутонового изображения в конечном поле // Оптический журнал. 2021. Т. 88. № 2. C. 40–49. https://doi.org/ 10.17586/1023­5086­2020­87­05­54­62
  18. Альес М.Ю., Антонов Е.А., Калугин А.И., Зарипов М.Р. Применение искусственных нейронных сетей для анализа мультиспектральных изображений // Оптический журнал. 2021. Т. 88. № 8. C. 48–53. https:doi.org/ 10.17586/1023­5086­2021­88­08­48­53
  19. Bulatov A., Bertulis A., Mickiene L. Geometrical illusions: study and modelling // Biol. Cybern. 1997. V. 77. P. 395–406. https://doi.org/10.1007/s004220050399
  20. Bulatov A., Bulatova N., Surkys T., Mickienė L. A quantitative analysis of illusion magnitude changes induced by rotation of contextual distractor // Acta Neurobiol. Exp. (Wars). 2015. V. 75(2). P. 238–251. PMID: 26232999.
  21. Hamburger K., Hansen T., Gegenfurtner K.R. Geometric­optical illusions at isoluminance // Vision Res. 2007. V. 47. P. 3276–3285. https://doi.org/10.1016/j.visres.2007.09.004
  22. Prinzmetal W., Beck D.M. The tilt­constancy theory of visual illusions // J. Exp. Psychol. Hum. Percept. Perform. 2001. V. 27. P. 206–217. https://doi.org/10.1037/0096­1523.27.1.206
  23. Blakemore C., Carpenter R.H.S., Georgeson M.A. Lateral inhibition between orientation detectors in the human visual system // Nature. 1970. V. 228. № 5266. P. 37–39. https://doi.org/10.1038/228037a0
  24. Бондарко В.М. Иллюзия наклона и ориентационная чувствительность // Физиология человека. 2020. Т. 46. № 2. С. 25–34. https://doi.org/ 10.31857/S0131164620020034
  25. Dickinson J.E., Martin R.A., Badcock D.R. Lateral inhibition between banks of orientation selective channels predicts shape context effects: a tilt­illusion field // Vision Research. 2022. V. 192. P. 107975. https://doi.org/10.1016/j.visres.2021.107975
  26. Gelb D.J, Wilson H.R. Shifts in perceived size as a function of contrast and temporal modulation // Vision Res. 1983. V. 23(1). P. 71–82. https://doi.org/ 10.1016/0042­6989(83)90043­3
  27. Rudd M.E. Neurocomputational lightness model explains the appearance of real surfaces viewed under Gelb illumination // J. Perceptual Imaging. 2020. V. 3. № 1. P. 10502­1–10502­16. https://doi.org/10.2352/j.percept.imaging.2020.3.1.010502
  28. Rudd M.E. Contributed Session III: Neural model of lightness scaling in the staircase Gelb illusion // Journal of Vision. 2022. V. 22. P. 35. https://doi.org/10.1167/jov.22.3.35
  29. Westheimer G. Irradiation, border location, and the shifted­chessboard pattern // Perception. 2007. V. 36. № 4. P. 483–494. https://doi.org/10.1068/p5646
  30. Biswas B., Choudhuri R., Dey K.N. Automatic contrast enhancement of low­light images based on Naka–Rushton visual adaptation in non­sub­sampled shearlet domain // IEEE International Symposium on Signal Processing and Information Technology (ISSPIT). 2014. P. 25–30. https://doi.org/ 10.1109/ISSPIT.20147300558
  31. Cyriac P., Canham T., Kane D., Bertalmío M. Vision models fine­tuned by cinema professionals for High Dynamic Range imaging in movies // Multimedia Tools and Applications. 2021. V. 80(2). P. 2537–2563. https://doi.org/10.1007/s11042­020­09532­y
  32. Westheimer G. The ON–OFF dichotomy in visual processing: from receptors to perception // Progress in retinal and eye research. 2007. V. 26. № 6. P. 636–648. https://doi.org/10.1016/j.preteyeres.2007.07.003
  33. Canham T., Vazquez­Corral J., Mathieu E., Bertalmío M. Matching visual induction effects on screens of different size // Journal of Vision. 2021. V. 21(6). P. 10­10. https://doi.org/10.1167/jov.21.6.10
  34. Canham T., Vazquez­Corral J., Mathieu E., Bertalmío M. Matching visual induction effects on screens of different size by regularizing a neural field model of color appearance // arXiv preprint arXiv:2005.02694. 2020. https://doi.org/10.1101/2020.09.15.507892
  35. Razmjooy N., Mousavi B.S., Soleymani F. A hybrid neural network Imperialist Competitive Algorithm for skin color segmentation // Mathematical and Computer Modelling. 2013. V. 57. № 3–4. P. 848–856. https://doi.org/10.1016/j.mem.2012.09.013
  36. Coren S. Lateral inhibition and the Wundt–Hering illusion // Psychonomic Science. 1970. V. 18. P. 341. https://doi.org/10.3758/BF03332388
  37. Gregory R.L., Heard P. Border locking and the Café Wall illusion // Perception. 1979. V. 8. P. 365–380. https://doi.org/10.1068/p080365
  38. Nematzadeh N., Powers D.M. W. A predictive account of Café Wall illusions using a quantitative model //arXiv preprint arXiv:1705.06846. 2017. https://doi.org/10.48550/ arXiv.1705.06846
  39. Kitaoka A., Pinna B., Brelsta G. Contrast polarities determine the direction of Cafe Wall tilts // Perception. 2004. V. 33(1). P. 11–20. https://doi.org/10.1068/p3346
  40. Ehm W., Wackermann J. Hyperbolic geometry of Ehrenstein–Orbison type illusions // Fechner Day. 2013. P. 49–52.
  41. Ehm W., Wackermann J. Modeling geometric­optical illusions: A variational approach // Journal of Mathematical Psychology. 2012. V. 56. № 6. P. 404–416. https://doi.org/10.1016/j.jmp.2012.12.001
  42. Ehm W., Wackermann J. Geometric­optical illusions and Riemannian geometry // Journal of Mathematical Psychology. 2016. V. 71. P. 28–38. https://doi.org/10.1016/j.jmp.2016.01.005
  43. Grossberg S., Pinna B. Neural dynamics of Gestalt principles of perceptual organization: From grouping to shape and meaning // Gestalt Theory. 2012. V. 34. №. 3–4. P. 399–482.
  44. Kim B., Reif E., Wattenberg M., Bengio S. Do neural networks show gestalt phenomena? An exploration of the law of closure // arXiv preprint arXiv:1903.01069. 2019. V. 2. № 8. https://doi.org/10.48550/ arXiv.1903.01069
  45. Wackermann J. Geometric­optical illusions: a pedestrian's view of the phenomenal landscape // Proceedings of Fechner Day. 2010. V. 26. P. 165–170.
  46. Roncato S., Guidi S., Parlangeli O., Battaglini L. Illusory streaks from corners and their perceptual integration // Frontiers in Psychology. 2016. V. 7. Article 959. P. 1–14. https://doi.org/10.3389/fpsyg.2016.00959
  47. Franceschiello B., Mashtakov A., Citti G., Sarti A. Geometrical optical illusion via sub­Riemannian geodesics in the roto­translation group // Differential Geometry and its Applications. 2019. V. 65. P. 55–77. https://doi.org/10.1016/j.difgeo.2019.03.007
  48. Титаренко М.А., Maлашин Р.О Исследование способностей нейронных сетей к извлечению и использованию семантической информации при обучении восстановлению зашумлённых изображений // Оптический журнал. 2022. Т. 89. № 2. C. 25–35. https://doi.org/ 10.17586/1023­5086­2022­89­02­25­35
  49. Малашин Р.О., Бойко А.А. Обучение динамически конфигурируемого классификатора с использованием глубокого Q­обучения // Оптический журнал. 2022. Т. 89. № 8. С. 8–23. https://doi.org/10.17586/1023­5086­2022­89­08­08­23
  50. Ячная В.О., Луцив В.Р. Исследование устойчивости условной генеративно­состязательной сети Pix2Pix к искажению входных данных разметки изображений // Оптический журнал. 2021. Т. 88. № 11. C. 46–55. https://doi.org/10.17586/1023­5086­2021­88­11­46­55
  51. Малахова Е.Ю. Представление категорий посредством прототипов согласованной активности нейронов в свёрточных нейронных сетях // Оптический журнал. 2021. Т. 88. № 12. C. 36–41. https://doi.org/10.17586/1023­5086­2021­88­12­36­41