Visualizzazione visiva Adattamento

Sommario

Questo articolo descrive un nuovo metodo per la simulazione e lo studio di adattamento nel sistema visivo.

Abstract

Molte tecniche sono state sviluppate per visualizzare come un'immagine sembrerebbe un individuo con una diversa sensibilità visiva: ad esempio, a causa delle differenze ottici o di età, oppure un deficit di colore o di malattia. Questo protocollo descrive una tecnica per introdurre l'adattamento sensoriale in simulazioni. Il protocollo è illustrato con l'esempio della visione del colore, ma è generalmente applicabile a qualsiasi forma di adattamento visivo. Il protocollo utilizza un semplice modello di colore visione umana basata su ipotesi standard e plausibili circa il colore della retina e meccanismi corticali codifica e come questi regolare la loro sensibilità sia al colore medio e la gamma di colori nello stimolo prevalente. I guadagni dei meccanismi sono adattate in modo che la loro risposta media sotto un contesto viene assimilato per un contesto diverso. Le simulazioni aiutano a rivelare i limiti teorici di adattamento e di generare "immagini" adattati in modo ottimale abbinati ad una specifica environment o osservatore. Essi forniscono inoltre una metrica comune per esplorare gli effetti di adattamento all'interno di diversi osservatori o ambienti diversi. Caratterizzazione percezione visiva e le prestazioni con queste immagini fornisce un nuovo strumento per studiare le funzioni e le conseguenze di adattamento a lungo termine in visione o altri sistemi sensoriali.

Introduzione

Quale potrebbe essere il mondo simile ad altri, o per noi stessi come si cambia? Le risposte a queste domande sono di fondamentale importanza per comprendere la natura e meccanismi di percezione e le conseguenze di entrambe le varianti normali e clinici codifica sensoriale. Una grande varietà di tecniche e approcci sono stati sviluppati per simulare come le immagini possono apparire alle persone con diverse sensibilità visiva. Ad esempio, questi includono simulazioni di colori che possono essere discriminati da diversi tipi di difetto di colore ^{1, 2, 3, 4,} le differenze spaziali e cromatiche che possono essere risolti da neonati o osservatori anziani ^{5, 6, 7, 8, 9} , come le immagini appaiono in visione periferica up class = "xref"> 10, e le conseguenze di errori ottiche o malattia ^{11, 12, 13, 14.} Essi sono anche stati applicati per visualizzare le discriminazioni che sono possibili altre specie ^{15, 16, 17.} Tipicamente, tali simulazioni utilizzano misurazioni delle perdite di sensibilità in diverse popolazioni di filtrare un'immagine e quindi ridurre o eliminare la struttura hanno difficoltà a vedere. Ad esempio, forme comuni di daltonismo riflettono una perdita di una delle due fotorecettori sensibili alle lunghezze d'onda medie o lunghe, e immagini filtrate per rimuovere i loro segnali tipicamente appaiono privi di tonalità "rosso-verdastro" ^1. Analogamente, i bambini hanno più povera acuità, e così le immagini elaborate per la loro ridotta sensibilità spaziale appaiono sfocati . f "> 5 Queste tecniche forniscono preziose illustrazioni di ciò che una persona può vedere che un altro non può tuttavia, non lo fanno -. e spesso non sono destinati a - ritrarre l'esperienza reale percettiva dell'osservatore, e in alcuni casi può travisare la quantità e il tipo di informazioni disponibili per l'osservatore.

Questo articolo descrive una nuova tecnica sviluppata per simulare le differenze di esperienza visiva che incorpora una caratteristica fondamentale della codifica visiva - adattamento ^{18, 19.} Tutti i sistemi sensoriali e motori adattano continuamente al contesto a cui sono esposti. Un odore pungente in una stanza svanisce rapidamente, mentre la visione può ospitare a come brillante o dim la stanza è. È importante sottolineare che questi aggiustamenti si verificano per quasi qualsiasi attributo stimolo, tra cui percezioni "di alto livello", come le caratteristiche del volto di qualcuno ^20,class = "xref"> 21 o la voce ^{22, 23,} nonché la calibratura dei comandi motori realizzati durante il movimento degli occhi o raggiungendo per un oggetto ^{24, 25.} In realtà, l'adattamento è probabile una proprietà essenziale di quasi tutti i processi neurali. Questo documento illustra come incorporare questi effetti di adattamento nelle simulazioni l'aspetto delle immagini, da fondamentalmente "adattando l'immagine" per prevedere come sembrerebbe ad un osservatore specifico in uno stato specifico di adattamento ^{26, 27, 28, 29.} Molti fattori possono alterare la sensibilità di un osservatore, ma adattamento spesso può compensare per importanti aspetti di queste modifiche, in modo che le perdite di sensibilità sono meno cospicuo di quanto sarebbe previsto senza assumere che il sistema si adatta. Viceversa, poichéadattamento regola la sensibilità in base al contesto di stimolo attuale, queste regolazioni sono importanti anche per incorporare per prevedere quanto la percezione può variare quando l'ambiente varia.

Il seguente protocollo illustra la tecnica adattando il contenuto del colore delle immagini. Visione colore ha il vantaggio che le fasi iniziali neurali di codifica a colori sono relativamente ben compresi, come sono i modelli di adattamento ^30. I meccanismi reali e regolazioni sono complesse e vario, ma le principali conseguenze di adattamento possono essere acquisite utilizzando una semplice e modello a due stadi convenzionale (Figura 1a). Nella prima fase, i segnali di colore sono inizialmente codificati da tre tipi di fotorecettori coni che sono massimamente sensibile a breve, medio o lungo lunghezze d'onda (S, M e L coni). Nella seconda fase, i segnali provenienti da diversi coni sono combinate in cellule post-recettoriali per formare "color-avversario" channels che ricevono ingressi antagonistici dai diversi coni (e quindi trasmettere informazioni "colore"), e canali "non-antagoniste" che sintetizzano insieme gli ingressi cono (codifica quindi "luminosità" informazioni). Adattamento si verifica in entrambe le fasi, e si posiziona a due diversi aspetti del colore - della media (nei coni) e la varianza (nei canali post-recettoriali) ^{30, 31.} L'obiettivo della simulazione è di applicare queste regolazioni ai meccanismi del modello e quindi rendere l'immagine da loro uscite adattati.

Il processo di adattamento immagini coinvolge sei componenti principali. Questi sono 1) scegliendo le immagini; 2) scegliere il formato per gli spettri di immagine; 3) definente il cambiamento di colore dell'ambiente; 4) definente la variazione della sensibilità dell'osservatore; 5) utilizzando il programma per creare le immagini adatte; e 6) con le immagini per valutare le conseguenze di adattamento. Tha riportata considera ciascuno di questi passi in dettaglio. Il modello e meccanismo di risposte di base sono illustrati nella Figura 1, mentre le figure 2 - 5 mostrano esempi di immagini rese con il modello.

Protocollo

NOTA: Il protocollo illustrato utilizza un programma che permette di selezionare le immagini e poi adattarli utilizzando le opzioni selezionate da diversi menu a discesa.

1. Selezionare l'immagine da Adapt

1. Clicca sull'immagine e cercare il nome del file di immagine con cui lavorare. Osservare l'immagine originale nel riquadro in alto a sinistra.

2. Specificare lo stimolo e l'Observer

1. Fare clic sul menu "Formato" per scegliere come rappresentare l'immagine e l'osservatore.
2. Fare clic sull'opzione "osservatore standard" per modellare un osservatore standard o medio adattamento ad una distribuzione colore specifico. In questo caso, utilizzare equazioni standard per convertire i valori RGB dell'immagine alla sensibilità cono ^32.
3. Clicca su opzione "individuale osservatore" per modellare le sensibilità spettrali di un osservatore specifica. Poiché queste sensibilità sono lunghezza d'onda-dipendente, il programma converts i valori RGB dell'immagine in spettri pistola utilizzando gli spettri standard o emissione misurata per il display.
4. Clicca su opzione "spettri naturale" per approssimare spettri reale nel mondo. Questa opzione converte i valori RGB di spettri, ad esempio utilizzando funzioni base standard di ³³ o spettri gaussiana ³⁴ per approssimare lo spettro corrispondente per il colore dell'immagine.

3. Selezionare la condizione di adattamento

1. Adattare sia lo stesso osservatore a diversi ambienti (ad esempio, ai colori di una foresta contro paesaggio urbano), o diversi osservatori per lo stesso ambiente (ad esempio, un normale vs colore osservatore carente).
   1. Nel primo caso, utilizzare i menu per selezionare gli ambienti. In quest'ultimo, utilizzare i menu per definire la sensibilità dell'osservatore.
2. Per impostare gli ambienti, selezionare l'opzione "di riferimento" e envir "test"onments dai menu a discesa. Questi controllano i due diversi stati di adattamento caricando le risposte meccanismo per diversi ambienti.
   1. Scegliere il menu "di riferimento" per controllare l'ambiente di partenza. Questo è l'ambiente il soggetto è atta a durante la visualizzazione dell'immagine originale.
      NOTA: Le scelte indicate sono state precalcolate per ambienti diversi. Questi sono stati ottenuti da misurazioni delle gamme di colore per le diverse collezioni di immagini. Ad esempio, un'applicazione esaminato come la percezione del colore può variare con cambiamenti nelle stagioni base immagini calibrate prese dalla stessa posizione in tempi diversi ^27. Un altro studio, esplorando come l'adattamento potrebbe influenzare le percezioni del colore tra le diverse posizioni, ha rappresentato le posizioni campionando le immagini di diverse categorie di scena ^29.
   2. Selezionare l'ambiente "definita dall'utente" per caricare i valori per un ambiente personalizzato. observe una finestra per sfogliare e selezionare un determinato file. Per creare questi file per le immagini indipendenti, visualizzare ciascuna immagine da inserire (come al punto 1) e quindi fare clic sul pulsante "Salva le risposte di immagine".
      NOTA: Questo visualizzerà una finestra in cui è possibile creare o aggiungere in un file Excel memorizzare le risposte a ciascuna immagine. Per creare un nuovo file, inserire il nome del file, o cercare un file esistente. Per i file esistenti, sono aggiunte le risposte alla immagine corrente e quelli inviati automaticamente tutte le immagini media. Queste medie sono input per l'ambiente di riferimento quando viene selezionato il file con l'opzione "definito dall'utente".
   3. Selezionare il menu "test" per accedere a un elenco di ambienti per l'immagine da regolare per. Selezionare l'opzione "immagine corrente", per usare le risposte meccanismo per l'immagine visualizzata.
      NOTA: Questa opzione presuppone i soggetti si stanno adeguando ai colori dell'immagine che viene attualmente visualizzato. In caso contrario, selezionare una delle tegli precalcolati ambienti o l'opzione "definito dall'utente" per caricare l'ambiente di test.

4. Selezionare la sensibilità spettrale dell'Osservatore

NOTA: per gli effetti di adattamento dei diversi ambienti, l'osservatore di solito rimanere costante, ed è impostato per default "osservatore standard" con sensibilità spettrale media. Ci sono 3 menu per impostare una sensibilità spettrale individuale, che controllano la quantità di pigmento screening o la sensibilità spettrali dell'osservatore.

1. Fare clic sul menu "lente" per selezionare la densità del pigmento lente. Le diverse opzioni permettono di scegliere la caratteristica densità delle diverse età.
2. Fare clic sul menu "maculare" per similmente selezionare la densità del pigmento maculare. Osservare queste opzioni in termini di densità di picco del pigmento.
3. Fare clic sul menu "coni" per scegliere tra gli osservatori senzarmal tricromazia o diversi tipi di tricromazia anomala.
   NOTA: Sulla base delle scelte del programma definisce le cono sensibilità spettrali dell'osservatore e un insieme di 26 canali postreceptoral che combinano linearmente i segnali cono a circa uniformemente campione combinazioni di colore e luminanza differenti.

5. Adattare l'immagine

1. Fare clic sul pulsante "adattarsi".
   NOTA: Questo esegue il codice per calcolare le risposte dei coni e meccanismi post-recettoriali a ciascun pixel dell'immagine. La risposta è adattato in modo che la risposta media per la distribuzione del colore adattando uguale le risposte medie per la distribuzione di riferimento, o in modo che la risposta media è lo stesso per un osservatore individuo o di riferimento. La scala è moltiplicativa di simulare von Kries adattamento ^35. La nuova immagine viene quindi reso sommando le risposte meccanismo e riconversione valori RGB per la visualizzazione. Dettagli del ALGorithm sono date in ^{26, 27, 28, 29.}
2. Osservare tre nuove immagini sullo schermo. Questi sono etichettate come 1) "inadatto" - come l'immagine di prova dovrebbe apparire a qualcuno completamente adattato all'ambiente di riferimento; 2) "cono adattamento" - questa mostra l'immagine regolata solo per adattamento nei recettori; e 3) "adattamento pieno" - questa mostra l'immagine predetto da completo adattamento al cambiamento nell'ambiente o l'osservatore.
3. Fare clic sul pulsante "salvare le immagini" per salvare le tre immagini elaborate. Osservare una nuova finestra sullo schermo per cercare la cartella e selezionare il nome del file.

6. valutare le conseguenze dell'adattamento

NOTA: Il riferimento originale e adattati immagini simulano come la stessa immagine dovrebbe apparire sotto i due stati di adapta modellatozione, e, soprattutto, si differenziano solo a causa dello stato di adattamento. Le differenze nelle immagini forniscono così spaccato conseguenze della adattamento.

1. Visivamente guardare le differenze tra le immagini.
   NOTA: l'ispezione semplice delle immagini può aiutare a dimostrare quanto la visione dei colori può variare quando si vive in ambienti diversi colori, o quanto l'adattamento potrebbe compensare un cambiamento di sensibilità nell'osservatore.
2. Quantificare questi effetti di adattamento utilizzando analisi o misure comportamentali con le immagini di valutare empiricamente le conseguenze della adattamento ^29.
   1. Misurare quanto aspetto cambia colore. Ad esempio, confrontare i colori nelle due immagini per misurare come categorie di colore o percettiva spostamento salienza in ambienti diversi o osservatori. Ad esempio, l'uso di analisi dei cambiamenti di colore con l'adattamento per calcolare quanto le tinte uniche (ad esempio, puro giallo o blu) potrebbe teoricamente vARY causa di variazioni nell'ambiente colore dell'osservatore ^29.
   2. Chiedi come l'adattamento influisce sensibilità visiva o le prestazioni. Ad esempio, utilizzare le immagini adatte per confrontare se ricerca visiva per un colore romanzo è più veloce quando gli osservatori vengono prima adattati ai colori dello sfondo. Realizzare la sperimentazione sovrapponendo le immagini di una serie di obiettivi e distrattori diversamente colorate che sono stati adattati insieme alle immagini, con i tempi di reazione misurati per localizzare il dispari bersaglio ^29.

Risultati

Le figure di 2 - 4 illustrano le simulazioni di adattamento per modifiche nell'osservatore o dell'ambiente. La figura 2 confronta l'aspetto previsto di Vita Ancora di Cézanne con mele per un osservatore di giovani e meno giovani, che si differenziano solo per la densità del pigmento dell'obiettivo ^28. L'immagine originale come visto attraverso l'occhio più giovane (Figura 2a) appare molto più gia...

Discussione

Il protocollo illustrato dimostra come gli effetti di adattamento al cambiamento nell'ambiente o l'osservatore possono essere ritratte in immagini. La forma questa rappresentazione assume dipenderà dalle assunzioni fatte per il modello - per esempio, come il colore è codificato, e come i meccanismi di codifica rispondere e adattarsi. Così il passo più importante è decidere sul modello della visione a colori - per esempio quello che le proprietà dei canali ipotizzati sono, e come sono assunto ad adattarsi. Gli al...

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Immagini informatiche
da adattare
Linguaggio di programmazione (es., Visual Basic o Matlab)
Programma per l'elaborazione delle immagini
Sensibilità spettrali dell'osservatore (per applicazioni che comportano l'adattamento specifico dell'osservatore)
Spettri di emissione del dispositivo (per applicazioni dipendenti dal dispositivo)