Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Wizualizacja adaptacji wizualnej

8.7K wyświetleń

⸱

DOI:

10.3791/54038

⸱

24 kwietnia 2017

 , 
1Department of Psychology, University of Nevada, Reno

W tym artykule

Podsumowanie

Ten artykuł opisuje nowatorską metodę symulacji i badania adaptacji w systemie wzrokowym.

Streszczenie

Wiele technik zostało opracowanych, aby zobrazować, jak obraz wyglądałby dla osoby o różnej wrażliwości wzrokowej: np. z powodu różnic optycznych lub wiekowych, lub niedoboru kolorów lub choroby. Protokół ten opisuje technikę włączania adaptacji sensorycznej do symulacji. Protokół jest zilustrowany przykładem widzenia kolorów, ale ogólnie ma zastosowanie do każdej formy adaptacji wzrokowej. Protokół wykorzystuje prosty model widzenia kolorów człowieka oparty na standardowych i prawdopodobnych założeniach dotyczących mechanizmów siatkówki i kory mózgowej kodujących kolor oraz tego, jak dostosowują one swoją czułość zarówno do przeciętnego koloru, jak i zakresu koloru w dominującym bodźcu. Korzyści płynące z mechanizmów są dostosowywane w taki sposób, że ich średnia reakcja w jednym kontekście jest zrównana z innym kontekstem. Symulacje pomagają ujawnić teoretyczne granice adaptacji i generować "dostosowane obrazy", które są optymalnie dopasowane do konkretnego środowiska lub obserwatora. Stanowią one również wspólną metrykę do badania skutków adaptacji u różnych obserwatorów lub w różnych środowiskach. Scharakteryzowanie percepcji wzrokowej i wydajności za pomocą tych obrazów stanowi nowatorskie narzędzie do badania funkcji i konsekwencji długotrwałej adaptacji w widzeniu lub innych systemach sensorycznych.

Wprowadzenie

Jak świat może wyglądać dla innych lub dla nas samych, gdy się zmieniamy? Odpowiedzi na te pytania mają fundamentalne znaczenie dla zrozumienia natury i mechanizmów percepcji oraz konsekwencji zarówno normalnych, jak i klinicznych zmian w kodowaniu sensorycznym. Opracowano szeroką gamę technik i podejść do symulacji tego, jak obrazy mogą wyglądać dla osób o różnej wrażliwości wzrokowej. Na przykład są to symulacje kolorów, które mogą być rozróżniane przez różne rodzaje niedoborów kolorów1,2,3,4, różnice przestrzenne i chromatyczne, które mogą być rozwiązane przez niemowlęta lub starszych obserwatorów5,6,7,8,9, jak obrazy pojawiają się w widzeniu peryferyjnym10, oraz konsekwencje błędów optycznych lub choroby11,12,13,14. Zostały one również zastosowane do wizualizacji dyskryminacji, które są możliwe dla innych gatunków15,16,17. Zazwyczaj takie symulacje wykorzystują pomiary strat czułości w różnych populacjach do filtrowania obrazu, a tym samym zmniejszania lub usuwania struktury, którą mają trudności z zobaczeniem. Na przykład powszechne formy ślepoty barw odzwierciedlają utratę jednego z dwóch fotoreceptorów wrażliwych na średnie lub długie fale, a obrazy przefiltrowane w celu usunięcia ich sygnałów zazwyczaj wydają się pozbawione "czerwonawo-zielonkawych" odcieni1. Podobnie, niemowlęta mają gorszą ostrość widzenia, a zatem obrazy przetworzone pod kątem ich zmniejszonej wrażliwości przestrzennej wydają się rozmyte5. Techniki te dostarczają bezcennych ilustracji tego, co jedna osoba może zobaczyć, a inna może nie. Nie przedstawiają one jednak – i często nie mają na celu – rzeczywistego doświadczenia percepcyjnego obserwatora, a w niektórych przypadkach mogą fałszywie przedstawiać ilość i rodzaje informacji dostępnych dla obserwatora.

Ten artykuł opisuje nowatorską technikę opracowaną do symulacji różnic w doświadczeniu wizualnym, która zawiera podstawową cechę kodowania wizualnego — adaptacja18,19. Wszystkie systemy sensoryczne i motoryczne stale dostosowują się do kontekstu, na który są narażone. Ostry zapach w pomieszczeniu szybko zanika, a wzrok dostosowuje się do tego, jak jasne lub ciemne jest pomieszczenie. Co ważne, zmiany te zachodzą w przypadku prawie każdego atrybutu bodźca, w tym percepcji "wysokiego poziomu", takiej jak charakterystyka czyjejś twarzy20,21 lub jego voice22,23, a także kalibracja poleceń motorycznych wydawanych podczas poruszania oczami lub sięgania po obiekt24,25. W rzeczywistości adaptacja jest prawdopodobnie podstawową właściwością prawie wszystkich procesów neuronalnych. Ten artykuł ilustruje, jak włączyć te efekty adaptacji do symulacji wyglądu obrazów, zasadniczo "dostosowując obraz" do przewidywania, jak będzie wyglądał dla konkretnego obserwatora w określonym stanie adaptacji26,27,28,29. Wiele czynników może wpływać na czułość obserwatora, ale adaptacja może często zrekompensować ważne aspekty tych zmian, tak że straty czułości są mniej widoczne, niż można by przewidzieć bez założenia, że system się dostosowuje. I odwrotnie, ponieważ adaptacja dostosowuje czułość zgodnie z aktualnym kontekstem bodźca, te dostosowania są również ważne do uwzględnienia w przewidywaniu, jak bardzo percepcja może się różnić, gdy zmienia się środowisko.

Poniższy protokół ilustruje technikę, dostosowując zawartość kolorów obrazów. Widzenie kolorów ma tę zaletę, że początkowe etapy neuronalne kodowania kolorami są stosunkowo dobrze poznane, podobnie jak wzorce adaptacji30. Rzeczywiste mechanizmy i dostosowania są złożone i zróżnicowane, ale główne konsekwencje adaptacji można uchwycić za pomocą prostego i konwencjonalnego modelu dwuetapowego (rysunek 1a). W pierwszym etapie sygnały barwne są początkowo kodowane przez trzy typy fotoreceptorów czopków, które są maksymalnie czułe na krótkie, średnie lub długie fale (czopki S, M i L). W drugim etapie sygnały z różnych czopków są łączone w komórkach postreceptorowych, tworząc kanały "przeciwstawne kolorowi", które odbierają antagonistyczne sygnały wejściowe z różnych czopków (a tym samym przekazują informacje o "kolorze") oraz kanały "nie-przeciwstawne", które sumują wejścia stożków (kodując w ten sposób informacje o "jasności"). Adaptacja zachodzi na obu etapach i dostosowuje się do dwóch różnych aspektów koloru — średniej (w czopkach) i wariancji (w kanałach postreceptorowych)30,31. Celem symulacji jest zastosowanie tych korekt do mechanizmów modelu, a następnie renderowanie obrazu z ich dostosowanych danych wyjściowych.

Proces adaptacji obrazów składa się z sześciu podstawowych elementów. Są to: 1) wybór obrazów; 2) wybór formatu widm obrazu; 3) definiowanie zmiany koloru otoczenia; 4) określenie zmiany czułości obserwatora; 5) korzystanie z programu do tworzenia adaptowanych obrazów; oraz 6) wykorzystanie obrazów do oceny konsekwencji adaptacji. Poniżej szczegółowo omówiono każdy z tych kroków. Podstawowe reakcje modelu i mechanizmu przedstawiono na rysunku 1, natomiast na rysunkach 2–5 przedstawiono przykłady obrazów renderowanych za pomocą modelu.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

UWAGA: Przedstawiony protokół wykorzystuje program, który pozwala na wybór obrazów, a następnie ich dostosowanie za pomocą opcji wybranych przez różne rozwijane menu.

1. Wybierz obraz do dostosowania

  1. Kliknij obraz i wyszukaj nazwę pliku obrazu, z którym chcesz pracować. Obserwuj oryginalny obraz w lewym górnym okienku.

2. Określ bodziec i obserwatora

  1. Kliknij menu "format", aby wybrać sposób przedstawienia obrazu i obserwatora.
  2. Kliknij opcję "obserwator standardowy", aby zamodelować obserwatora standardowego lub przeciętnego dostosowującego się do określonego rozkładu kolorów. W takim przypadku należy użyć standardowych równań, aby przekonwertować wartości RGB obrazu na czułość stożka32.
  3. Kliknij opcję "indywidualny obserwator", aby modelować czułość spektralną konkretnego obserwatora. Ponieważ czułość ta jest zależna od długości fali, program konwertuje wartości RGB obrazu na widma pistoletu, używając standardowych lub zmierzonych widm emisji dla wyświetlacza.
  4. Kliknij opcję "widma naturalne", aby w przybliżeniu określić rzeczywiste widma na świecie. Ta opcja konwertuje wartości RGB na widma, na przykład przy użyciu standardowych funkcji podstawowych33 lub gaussian spectra34 w celu przybliżenia odpowiedniego widma dla koloru obrazu.

3. Wybierz warunek adaptacji

  1. Dostosuj tego samego obserwatora do różnych środowisk (np. do kolorów krajobrazu leśnego i miejskiego) lub różnych obserwatorów do tego samego środowiska (np. obserwator normalny kontra obserwator z niedoborem kolorów).
    1. W pierwszym przypadku użyj menu, aby wybrać środowiska. W tym drugim przypadku użyj menu, aby określić czułość obserwatora.
  2. Aby ustawić środowiska, wybierz środowiska "referencyjne" i "testowe" z menu rozwijanych. Kontrolują one dwa różne stany adaptacji, ładując reakcje mechanizmu dla różnych środowisk.
    1. Wybierz menu "referencyjne", aby sterować środowiskiem startowym. Jest to środowisko, do którego obiekt jest przystosowany podczas oglądania oryginalnego obrazu.
      UWAGA: Pokazane opcje zostały wstępnie obliczone dla różnych środowisk. Zostały one uzyskane na podstawie pomiarów gamutów kolorów dla różnych kolekcji obrazów. Na przykład w jednej z aplikacji zbadano, jak percepcja kolorów może się zmieniać wraz ze zmianami pór roku, używając skalibrowanych obrazów wykonanych z tego samego miejsca w różnym czasie27. Inne badanie, badające, w jaki sposób adaptacja może wpływać na percepcję kolorów w różnych lokalizacjach, reprezentowało lokalizacje poprzez próbkowanie obrazów różnych kategorii scen29.
    2. Wybierz środowisko "zdefiniowane przez użytkownika", aby załadować wartości dla środowiska niestandardowego. Obserwuj okno, aby przeglądać i wybierać określony plik. Aby utworzyć te pliki dla niezależnych obrazów, wyświetl każdy obraz, który ma zostać dołączony (jak w kroku 1), a następnie kliknij przycisk "zapisz odpowiedzi obrazu".
      UWAGA: Spowoduje to wyświetlenie okna, w którym można utworzyć lub dołączyć do pliku Excela przechowującego odpowiedzi na każdy obraz. Aby utworzyć nowy plik, wprowadź nazwę pliku lub wyszukaj istniejący plik. W przypadku istniejących plików dodawane są odpowiedzi na bieżący obraz, a odpowiedzi na wszystkie obrazy są automatycznie uśredniane. Te średnie są wprowadzane dla środowiska referencyjnego, gdy wybrany jest plik z opcją "zdefiniowany przez użytkownika".
    3. Wybierz menu "test", aby uzyskać dostęp do listy środowisk, do których ma zostać dostosowany obraz. Wybierz opcję "bieżący obraz", aby skorzystać z odpowiedzi mechanizmu dla wyświetlanego obrazu.
      UWAGA: Ta opcja zakłada, że obiekty dostosowują się do kolorów na obrazie, który jest aktualnie oglądany. W przeciwnym razie wybierz jedno ze wstępnie obliczonych środowisk lub opcję "zdefiniowane przez użytkownika", aby załadować środowisko testowe.

4. Wybierz czułość spektralną obserwatora

UWAGA: Dla efektów adaptacyjnych różnych środowisk, obserwator zazwyczaj pozostaje niezmienny i jest ustawiony na domyślnego "standardowego obserwatora" o średniej czułości spektralnej. Dostępne są 3 menu do ustawiania indywidualnej czułości spektralnej, które kontrolują ilość pigmentu przesiewowego lub czułość spektralną obserwatora.

  1. Kliknij menu "soczewka", aby wybrać gęstość pigmentu soczewki. Różne opcje pozwalają wybrać gęstość charakterystyczną dla różnych grup wiekowych.
  2. Kliknij menu "plamka żółta", aby podobnie wybrać gęstość pigmentu plamki żółtej. Obserwuj te opcje pod względem gęstości pikowej pigmentu.
  3. Kliknij menu "stożki", aby wybrać między obserwatorami z normalną trichromacją a różnymi typami anomalnej trichromacji.
    UWAGA: Na podstawie dokonanych wyborów program definiuje czułość spektralną stożka obserwatora oraz zestaw 26 kanałów postreceptorowych, które liniowo łączą sygnały czopków, aby z grubsza równomiernie próbkować różne kombinacje kolorów i luminancji.

5. Dostosuj obraz

  1. Kliknij przycisk "dostosuj".
    UWAGA: Spowoduje to wykonanie kodu służącego do obliczania odpowiedzi czopków i mechanizmów postreceptorowych na każdy piksel na obrazie. Odpowiedź jest skalowana w taki sposób, aby średnia odpowiedź na adaptujący rozkład kolorów była równa średniej odpowiedzi na rozkład odniesienia lub tak, aby średnia odpowiedź była taka sama dla obserwatora indywidualnego lub referencyjnego. Skalowanie jest multiplikatywne, aby symulować adaptację von Kriesa35. Nowy obraz jest następnie renderowany poprzez zsumowanie odpowiedzi mechanizmu i konwersję z powrotem na wartości RGB w celu wyświetlenia. Szczegóły algorytmu znajdują się w 26,27,28,29.
  2. Obserwuj trzy nowe obrazy na ekranie. Są one oznaczone jako: 1) "nieprzystosowany" – jak obraz testowy powinien wyglądać dla osoby w pełni przystosowanej do środowiska referencyjnego; 2) "adaptacja czopka" - pokazuje obraz przystosowany tylko do adaptacji w receptorach; oraz 3) "pełna adaptacja" – pokazuje obraz przewidywany przez całkowite dostosowanie do zmiany otoczenia lub obserwatora.
  3. Kliknij przycisk "zapisz obrazy", aby zapisać trzy obliczone obrazy. Obserwuj nowe okno na ekranie, aby wyszukać folder i wybrać nazwę pliku.

6. Oceń konsekwencje adaptacji

UWAGA: Oryginalne obrazy referencyjne i dostosowane symulują, jak ten sam obraz powinien wyglądać w dwóch stanach modelowanej adaptacji, i co ważne, różnią się tylko ze względu na stan adaptacji. Różnice w obrazach dają więc wgląd w konsekwencje adaptacji.

  1. Przyjrzyj się wizualnie różnicom między obrazami.
    UWAGA: Prosta inspekcja obrazów może pomóc w pokazaniu, jak bardzo widzenie kolorów może się różnić, gdy żyje się w różnych środowiskach kolorystycznych, lub jak bardzo adaptacja może zrekompensować zmianę wrażliwości obserwatora.
  2. Określ ilościowo te efekty adaptacji, korzystając z analiz lub pomiarów behawioralnych z obrazami, aby empirycznie ocenić konsekwencje adaptacji29.
    1. Zmierz zmiany wyglądu kolorów. Na przykład porównaj kolory na dwóch obrazach, aby zmierzyć, jak kategorie kolorów lub istotność percepcji zmieniają się w różnych środowiskach lub u różnych obserwatorów. Na przykład, użyj analiz zmian koloru z adaptacją, aby obliczyć, jak bardzo unikalne odcienie (np. czysty żółty lub niebieski) mogą teoretycznie różnić się z powodu zmian w środowisku barwnym obserwatora29.
    2. Zapytaj, jak adaptacja wpływa na wrażliwość wzrokową lub wydajność. Na przykład użyj dostosowanych obrazów, aby porównać, czy wizualne wyszukiwanie nowego koloru jest szybsze, gdy obserwatorzy są po raz pierwszy przystosowani do kolorów tła. Przeprowadź eksperyment, nakładając na obrazy szereg celów i różnokolorowych dystraktorów, które zostały zaadaptowane wraz z obrazami, z czasem reakcji zmierzonym w celu zlokalizowania nieparzystego celu29.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Rysunki 2 - 4 przedstawiają symulacje adaptacji do zmian w obserwatorze lub środowisku. Rysunek 2 porównuje przewidywany wygląd obrazu Still Life with Apples Cezanne'a dla młodszego i starszego obserwatora, którzy różnią się jedynie gęstością pigmentu soczewki28. Oryginalny obraz widziany młodszym okiem (Rysunek 2a) wydaje się znacznie bardziej żółty i ciemniejszy przez soczewkę o większym stopniu pigmenta...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Ilustrowany protokół pokazuje, w jaki sposób można zobrazować na obrazach skutki adaptacji do zmiany zachodzącej w środowisku lub obserwatorze. Forma, jaką przyjmie ten obraz, będzie zależała od założeń przyjętych dla modelu – na przykład od tego, jak kolor jest kodowany oraz jak mechanizmy kodowania reagują i dostosowują się. Dlatego najważniejszym krokiem jest podjęcie decyzji o modelu widzenia kolorów – na przykład, jakie są właściwości hipotetycznych kanałów i jak zakłada się, że się adaptują. Innym ważnym krokiem je...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Podziękowania

Wspierane przez National Institutes of Health (NIH) grant EY-10834.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Obrazy komputerowe
do adaptacji
Język programowania (np. Visual Basic lub Matlab)
Program do przetwarzania obrazów
Czułość spektralna obserwatora (do zastosowań wymagających adaptacji specyficznej dla obserwatora)
Widma emisji urządzenia (dla aplikacji zależnych od urządzenia)

Bibliografia

  1. Vienot, F., Brettel, H., Ott, L., Ben M'Barek, A., Mollon, J. D. What do colour-blind people see? Nature. 376, 127-128 (1995).
  2. Brettel, H., Vienot, F., Mollon, J. D. Computerized simulation of color appearance for dichromats. J Opt Soc Am A Opt Image Sci Vis. 14, 2647-2655 (1997).
  3. Flatla, D. R., Gutwin, C. So that's what you see: building understanding with personalized simulations of colour vision deficiency. Proceedings of the 14th international ACM SIGACCESS conference on Computers and accessibility. , 167-174 (2012).
  4. Machado, G. M., Oliveira, M. M., Fernandes, L. A. A physiologically-based model for simulation of color vision deficiency. IEEE Trans. Vis. Comput. Graphics. 15, 1291-1298 (2009).
  5. Teller, D. Y. First glances: the vision of infants. the Friedenwald lecture. Invest. Ophthalmol. Vis. Sci. 38, 2183-2203 (1997).
  6. Wade, A., Dougherty, R., Jagoe, I. Tiny eyes. , Available from: http://www.tinyeyes.com/ (2016).
  7. Ball, L. J., Pollack, R. H. Simulated aged performance on the embedded figures test. Exp. Aging Res. 15, 27-32 (1989).
  8. Sjostrom, K. P., Pollack, R. H. The effect of simulated receptor aging on two types of visual illusions. Psychon Sci. 23, 147-148 (1971).
  9. Lindsey, D. T., Brown, A. M. Color naming and the phototoxic effects of sunlight on the eye. Psychol Sci. 13, 506-512 (2002).
  10. Raj, A., Rosenholtz, R. What your design looks like to peripheral vision. Proceedings of the 7th Symposium on Applied Perception in Graphics and Visualization. , 88-92 (2010).
  11. Perry, J. S., Geisler, W. S. Gaze-contingent real-time simulation of arbitrary visual fields. International Society for Optics and Photonics: Electronic Imaging. , 57-69 (2002).
  12. Vinnikov, M., Allison, R. S., Swierad, D. Real-time simulation of visual defects with gaze-contingent display. Proceedings of the 2008 symposium on Eye tracking research. , 127-130 (2008).
  13. Hogervorst, M. A., van Damme, W. J. M. Visualizing visual impairments. Gerontechnol. 5, 208-221 (2006).
  14. Aguilar, C., Castet, E. Gaze-contingent simulation of retinopathy: some potential pitfalls and remedies. Vision res. 51, 997-1012 (2011).
  15. Rowe, M. P., Jacobs, G. H. Cone pigment polymorphism in New World monkeys: are all pigments created equal? Visual neurosci. 21, 217-222 (2004).
  16. Rowe, M. P., Baube, C. L., Loew, E. R., Phillips, J. B. Optimal mechanisms for finding and selecting mates: how threespine stickleback (Gasterosteus aculeatus) should encode male throat colors. J. Comp. Physiol. A Neuroethol. Sens. Neural. Behav. Physiol. 190, 241-256 (2004).
  17. Melin, A. D., Kline, D. W., Hickey, C. M., Fedigan, L. M. Food search through the eyes of a monkey: a functional substitution approach for assessing the ecology of primate color vision. Vision Res. 86, 87-96 (2013).
  18. Webster, M. A. Adaptation and visual coding. J vision. 11 (5), 1-23 (2011).
  19. Webster, M. A. Visual adaptation. Annu Rev Vision Sci. 1, 547-567 (2015).
  20. Webster, M. A., Kaping, D., Mizokami, Y., Duhamel, P. Adaptation to natural facial categories. Nature. 428, 557-561 (2004).
  21. Webster, M. A., MacLeod, D. I. A. Visual adaptation and face perception. Philos. Trans. R. Soc. Lond., B, Biol. Sci. 366, 1702-1725 (2011).
  22. Schweinberger, S. R., et al. Auditory adaptation in voice perception. Curr Biol. 18, 684-688 (2008).
  23. Yovel, G., Belin, P. A unified coding strategy for processing faces and voices. Trends cognit sci. 17, 263-271 (2013).
  24. Shadmehr, R., Smith, M. A., Krakauer, J. W. Error correction, sensory prediction, and adaptation in motor control. Annu rev neurosci. 33, 89-108 (2010).
  25. Wolpert, D. M., Diedrichsen, J., Flanagan, J. R. Principles of sensorimotor learning. Nat rev Neurosci. 12, 739-751 (2011).
  26. McDermott, K., Juricevic, I., Bebis, G., Webster, M. A. Human Vision and Electronic Imaging. SPIE. Rogowitz, B. E., Pappas, T. N. 68060, V-1-10 (2008).
  27. Juricevic, I., Webster, M. A. Variations in normal color vision. V. Simulations of adaptation to natural color environments. Visual neurosci. 26, 133-145 (2009).
  28. Webster, M. A., Juricevic, I., McDermott, K. C. Simulations of adaptation and color appearance in observers with varying spectral sensitivity. Ophthalmic Physiol Opt. 30, 602-610 (2010).
  29. Webster, M. A. Probing the functions of contextual modulation by adapting images rather than observers. Vision res. , (2014).
  30. Webster, M. A. Human colour perception and its adaptation. Network: Computation in Neural Systems. 7, 587-634 (1996).
  31. Webster, M. A., Mollon, J. D. Colour constancy influenced by contrast adaptation. Nature. 373, 694-698 (1995).
  32. Brainard, D. H., Stockman, A. OSA Handbook of Optics. Bass, M. , 10-11 (2010).
  33. Maloney, L. T. Evaluation of linear models of surface spectral reflectance with small numbers of parameters. J Opt Soc Am A Opt Image Sci Vis. 3, 1673-1683 (1986).
  34. Mizokami, Y., Webster, M. A. Are Gaussian spectra a viable perceptual assumption in color appearance? J Opt Soc Am A Opt Image Sci Vis. 29, A10-A18 (2012).
  35. Chichilnisky, E. J., Wandell, B. A. Photoreceptor sensitivity changes explain color appearance shifts induced by large uniform backgrounds in dichoptic matching. Vision res. 35, 239-254 (1995).
  36. Boehm, A. E., MacLeod, D. I., Bosten, J. M. Compensation for red-green contrast loss in anomalous trichromats. J vision. 14, (2014).
  37. Regan, B. C., Mollon, J. D. Colour Vision Deficiencies. Vol. XIII. Cavonius, C. R. , Springer. Dordrecht. 261-270 (1997).
  38. Carandini, M., Heeger, D. J. Normalization as a canonical neural computation. Nature reviews. Neurosci. 13, 51-62 (2011).
  39. Rieke, F., Rudd, M. E. The challenges natural images pose for visual adaptation. Neuron. 64, 605-616 (2009).
  40. Hardy, J. L., Frederick, C. M., Kay, P., Werner, J. S. Color naming, lens aging, and grue: what the optics of the aging eye can teach us about color language. Psychol sci. 16, 321-327 (2005).
  41. Webster, M. A., Mollon, J. D. Adaptation and the color statistics of natural images. Vision res. 37, 3283-3298 (1997).
  42. Webster, M. A., Mizokami, Y., Webster, S. M. Seasonal variations in the color statistics of natural images. Network. 18, 213-233 (2007).
  43. Sagi, D. Perceptual learning in Vision Research. Vision res. , (2011).
  44. Lu, Z. L., Yu, C., Watanabe, T., Sagi, D., Levi, D. Perceptual learning: functions, mechanisms, and applications. Vision res. 50, 365-367 (2009).
  45. Bavelier, D., Green, C. S., Pouget, A., Schrater, P. Brain plasticity through the life span: learning to learn and action video games. Annu rev neurosci. 35, 391-416 (2012).
  46. Kompaniez, E., Abbey, C. K., Boone, J. M., Webster, M. A. Adaptation aftereffects in the perception of radiological images. PloS one. 8, e76175(2013).
  47. Ross, H. Behavior and Perception in Strange Environments. , George Allen & Unwin. (1974).
  48. Armann, R., Jeffery, L., Calder, A. J., Rhodes, G. Race-specific norms for coding face identity and a functional role for norms. J vision. 11, 9(2011).
  49. Oruc, I., Barton, J. J. Adaptation improves discrimination of face identity. Proc. R. Soc. A. 278, 2591-2597 (2011).
  50. Kording, K. P., Tenenbaum, J. B., Shadmehr, R. The dynamics of memory as a consequence of optimal adaptation to a changing body. Nature neurosci. 10, 779-786 (2007).
  51. Neitz, J., Carroll, J., Yamauchi, Y., Neitz, M., Williams, D. R. Color perception is mediated by a plastic neural mechanism that is adjustable in adults. Neuron. 35, 783-792 (2002).
  52. Delahunt, P. B., Webster, M. A., Ma, L., Werner, J. S. Long-term renormalization of chromatic mechanisms following cataract surgery. Visual neurosci. 21, 301-307 (2004).
  53. Bao, M., Engel, S. A. Distinct mechanism for long-term contrast adaptation. Proc Natl Acad Sci USA. 109, 5898-5903 (2012).
  54. Kwon, M., Legge, G. E., Fang, F., Cheong, A. M., He, S. Adaptive changes in visual cortex following prolonged contrast reduction. J vision. 9 (2), 1-16 (2009).
  55. Webster, M. A. Handbook of Color Psychology. Elliott, A., Fairchild, M. D., Franklin, A. , Cambridge University Press. 197-215 (2015).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

Symulacja widzenia barwnegoadaptacja sensorycznaadaptacja czopkówadaptacja kontrastowaczułość widmowapigment soczewkipigment plamkimodelowanie obserwatoraadaptacja do środowiska
Wizualizacja adaptacji wizualnej
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.