Диссертация (1136540), страница 7
Текст из файла (страница 7)
Текстуры, как было сказано выше, относительнооднородны или, по крайней мере, изменяются очень плавно и медленно:текстура имеет статический характер [Rosenholtz, 1999a], и можно было быутверждать, что текстура является материалом, который более компактнопредставлен статистикой ее совокупных свойств, нежели конфигурацией егочастей. В таком контексте, можно предположить, что механизмы обработкитекстур и объектов должны как то отличаться друг от друга.Представьте себе следующую сцену: две зебры, пасутся на зеленой травена фоне ярко синего неба. Будет не сложно определить границу между небом итравой.
Также легко мы можем найти границу, отделяющую двух зебр друг отдруга – хотя между ними, в сущности, никакой разницы в цвете и яркости ненаблюдается. Причем нет и точного места в изображении, где можно этотрубеж провести. Однако мы видим некоторую грань, которая очерчиваетконтуры каждого животного. Все дело в разнице текстур: зрительная системаобладает способностью к сегментированию изображений, основываясь наразнице локальных текстур [Julesz, 1975], некоторую часть изображения мыможем определить как «вертикально-ориентированную», другую же «какгоризонтально-ориентированную» [Landy, Graham, 2004].Текстура является статистическим и структурным свойством изображения[Dakin, 2015; Haralick, 1979; Srinivasan, GN, Shobha, G, 2008] и описываетсячаще всего как некоторое свойство материала: «вертикально-ориентированная»,«волнистая», «похожая на камень» или «на воду» и отличается от особенностейизображения, такихкакуглы, линииили края.
Текстура–всегда«неисчисляемая», она характеризует не элемент, а целую область изображения.34Каждую область в поле зрения можно охарактеризовать через текстуру,яркость, цвет ориентацию и другие характеристики. Ранние процессы взрительном восприятии могут использовать информацию о текстуре дляпредварительной сегментации зрительного образа, для уменьшения нагрузки напоследующих этапах анализа изображения [Bergen, Adelson, 1988; Malik,Perona, 1990]. Анализ текстур в определенных областях приводит к некоторойкатегоризации изображения («Это похоже на камень» или «Эта поверхностьвыглядит гладкой»), позволяет наблюдателю оценить, сделаны ли две соседниеповерхности из одного и того же материала, или же различаются попроисхождению, что может, в свою очередь подсказать границу между двумятекстурами.
Выделение границ между текстурами может привести к такомуважному процессу с точки зрения перцептивной организации, как отделениефигуры от фона. И, в то же время, постоянные изменения в текстуре (градиенттекстуры) могут указать форму трехмерного объекта [Gibson, 1950].Зрительное восприятие текстуры всегда было сферой не исключительнопсихологической,аохватывающейширокийспектрдисциплин,отизобразительного искусства до информатики. Исследования в областикомпьютерного зрения, психологии восприятия, и построения искусственныхизображений внесли значительный вклад в общее понимание процессоввосприятия текстуры, хотя каждая из областей шла по собственному путиизучения этой проблемы.
С точки зрения компьютерных наук одной из важныхпроблем является создание искусственных, или синтетических текстур. Однако,стоит заметить, что разработки в этой области строго опираются напсихологические данные – необходимо создать поверхность, максимальнопохожую на естественную, однако, знания о естественной поверхностиневозможно получить напрямую. Все, что мы знаем о характеристикахповерхности так или иначе дано в восприятии. Поэтому крайне важно понять,почемунаблюдательвоспринимаетопределенныйнаборэлементоввзрительном поле так, а не иначе, и какие свойства этих элементов и отношения35между ними приводят к каждой конкретной картине, развернутой в нашемвосприятии [Balas, Conlin, 2015].В1930-хгодахбылапредложенаидеясветовогополякакрадиометрических характеристик распространения света в пространстве.
Вразвитие этой идеи, в начале 1990-х была предложена идея пленоптическойфункции (от латинского plenus - полный, и optic - зрение) - как возможностидля регистрации всех сигналов видимого мира. Мир состоит из трехмерныхобъектов, но эти объекты, однако, не сообщают наблюдателю о своихсвойствах непосредственно. Эти объекты заполняют пространство вокруг них срисунком отраженных лучей света, составляющих пленоптическим функцию, анаблюдатель исследует лишь "пробы" этой функции [Adelson, Bergen, 1991].Восприятие текстур чрезвычайно важно в этом контексте: точно так же мыопределяем текстуру поверхности объекта - через изменения характеристиксветового луча, достигающего зрительного анализатора.
Исследуя текстуру,наблюдатель может сделать предположение не только об особенностяхповерхности, но даже о форме изучаемого объекта.Если же говорить о текстуре в контексте зрительного восприятия, то здесьее основная задача – обеспечивать восприятие связанных областей и группэлементов в изображении, основываясь на сходстве текстур.Изучение восприятия текстуры значимо для более глубокого пониманияосновных зрительных механизмов, отвечающих не только за восприятиетекстуры, но и других зрительных стимулов. И началось это изучение как раз сисследований искусственных текстур, созданных на базе математическихмоделей.Психофизиков, разумеется, в первую очередь интересует, каким законам иправилам следует зрительная система, обрабатывая информацию о текстурах.Одним из первых (и одним из наиболее влиятельных) специалистов,обративших внимание на проблему изучения текстуры, был Б. Юлеш.36Используя графическую модель марковских сетей, Б.
Юлеш генерировалмоделисинтетическихтекстурсповторяющимисяилислучайнорасположенными микро-паттернами, такими как линии и точки, манипулируястатистиками разных порядков. Он исследовал то, как зрительная системареагирует на изменения статистики текстуры, уделяя особое вниманиесегментации текстур [Julesz, 1962].«ГипотезаЮлеша»[Julesz,1975]являетсяоднимизпервыхпредположений о том, как статистика изображения репрезентируется взрительной системе человека. Первоначальная гипотеза, которая былаотвергнута впоследствии самим автором [Julesz, Gilbert, Victor, 1978],заключается в том, что если текстуры, отличающиеся друг от друга постатистикам первого и второго порядков, можно отличить друг от друга, то тетекстуры, которые различаются статистиками третьего и более высокогопорядков, как правило, друг от друга неотличимы.Более поздние исследования показали, что различия в статистике второгопорядка оказались ни необходимыми, ни достаточными для различения двухтекстур [Julesz, Gilbert, Victor, 1978].
Было высказано предположение, что дляэффективной сегментации текстур важным является различие в статистикахпервого порядка основных характеристик стимулов, таких как ориентация иразмер [Beck; Prazdny, Rosenfeld, 1983].Кроме того, важной является идея о том, что для корректного восприятия исегментациитекстуримеютзначениестатистическиесвязимеждуфундаментальными элементами текстуры – текстонами – характеристики болеевысокого уровня, получаемые при «наложении» статистик.Текстоны -специфические, различимые характеристики элементов, образующих текстуру.Б.
Юлеш отнес к базовым характеристикам текстонов их форму, кривизну, ихлинейные сегменты, включая ширину, высоту, соединения концов, углынаклона и пересечения последних. Чем больше отличаются друг от друга37текстоны разных тектур, тем проще отличить их друг от друга [Шиффман,2003; Bergen, Julesz, 1983].Теория текстонов послужила источником вдохновения для множества такназываемых фильтрационных моделей в области сегментации текстур [Bovik,Clark, Geisler, 1990; Dakin, Williams, Hess, 1999; Fogel, Sagi, 1989; Landy,Bergen, 1991; Malik; Perona, 1990; Sutter, Beck, Graham, 1989]. Не описываяподробно каждую из указанных моделей, мы можем заключить важную иобъединяющую их деталь: эти модели отсылают к процессам, происходящимна ранних этапах зрения.
Подобные модели описывают процесс сегментациитекстур как состоящий из трех стадий. На первой стадии происходит самаяпростаяфильтрациясетчаточногоизображениямножествомлинейныхпространственных фильтров. На второй стадии результат фильтрации первогоэтапа подвергается различным нелинейным преобразованиям.
На третьейстадии снова запускается система линейной фильтрации изображения дляулучшения текстуры и определения контуров текстуры (с помощью фильтров,настроенных на ориентацию).За сходство структуры моделей между собой их называют моделямидвойной фильтрации, обрабатывающими статистики второго порядка (2nd-ordermodels),а также «моделями заднего кармана», словно их изобретатели каждыйраз достают такую модель из своего кармана, чтобы объяснить новый феноменв сегрегации текстур [Chubb, Landy, 1991].Кроме того, существуют и другие модели, например модели третьегопорядка – модели тройной фильтрации [Graham, Sutter, Venkatesan, 1993] –похожие на модели двойной фильтрации, но имеющие еще один фильтр,который завершает сегрегацию и отвечает за сравнение текстур и принятиерешения.Каждая из указанных моделей изначально апеллирует к наличиюопределенных статистических характеристик для свойств, присущих элементам38текстуры – например, дисперсии («плотности» изображения), корреляций(связей между элементами изображения) - и объясняет синтез и анализ текстурчерез обработку этой статистической информации с помощью анализарезультатов фильтрации, использования разнообразных фильтров, применениявероятностных моделей фильтрации.
Можно предположить, что в логикефильтрационных моделей первая стадия отражает сбор статистики по текстуре,апоследующие(стадияфильтрации)подразумевают«вычисление»статистического параметра [Rosenholtz, 2015].С точки зрения фильтрационных теорий, на стадии принятия решенийнеразумно различать две текстуры только по разнице средних, так как такоеразличие может быть обусловлено сторонними факторами. Результатыисследований показывают, что, в случае различий в вариативности, такоеразличение происходит: две текстуры с низкой вариативностью с небольшимразличием в ориентации хорошо сегментируются друг от друга, а две текстурыс высокой вариативностью с тем же различием в ориентации – сегментируютсяуже куда хуже [Rosenholtz, 1997].Сходная логика действует и при установлении различий между выборкамив математической статистике: например, в основе дисперсионного анализалежит разделение дисперсии выборки, понимаемой как совокупность суммыквадратов отклонений выборочных значений от среднего по выборке, на частиили компоненты.Наблюдатели не слишком хорошо сегментируют две текстуры, когда ониимеют сходные средние, но различаются в вариативности (например, оценкипараметров формируют нормальное и бимодальное распределения).
Этирезультаты наталкивают на мысль, что условием хорошей сегментацииявляется сбор статистики на границах текстур, где различие статистическихоценок характеристик текстуры (средней ориентации, среднего контраста,дисперсии ориентации и дисперсии контраста) приводят к сегментации текстур[Rosenholtz, 2000].39Психофизические исследования предполагают, что сегментация текстурыможет быть выполнена предвнимательно [Julesz, 1981]. Однако, есть данные,которые показывают, что внимание является необходимым участникомперцептивной обработки, например, для регуляции конкуренции междустимулами в их нейронной репрезентации [Kastner; Pinsk, 2004; Reynolds,Chelazzi, 2004; Serences, Yantis, 2006].Зрительное восприятие текстур играет важную роль в изучении процессовсегментации фигуры и фона и восприятия глубины. Способность быстро и безусилий сегментировать текстуры - разделять зрительное поле на сегменты наоснове пространственных градиентов и локальных свойств, связывается свосприятием элементарных свойств – текстонов, и статистической природойтекстур.1.1.5.
От элементов к целому и обратно. Роль внимания вперцептивной организацииКлассическая гештальтпсихология утверждает, что человек прямо инепосредственновоспринимаетгештальты–интегрированные,структурированные целые, свойства которых не являются производными от егоотдельных частей или их простой суммы; конкретные функции и свойствачастей могут быть определены только для целого.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
