É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.

Artigo de método

Visualizando Adaptação Visual

8.7K visualizações

⸱

DOI:

10.3791/54038

⸱

24 de abril de 2017

 , 
1Department of Psychology, University of Nevada, Reno

Neste artigo

Resumo

Este artigo descreve um novo método para simular e estudar a adaptação no sistema visual.

Resumo

Muitas técnicas têm sido desenvolvidas para visualizar como uma imagem parece um indivíduo com uma sensibilidade visual diferente: por exemplo, por causa das diferenças ópticas ou idade, ou uma deficiência de cor ou doença. Este protocolo descreve uma técnica para a incorporação de adaptação sensorial nas simulações. O protocolo é ilustrado com o exemplo de visão de cor, mas é geralmente aplicável a qualquer forma de adaptação visual. O protocolo utiliza um modelo simples da visão humana de cor com base em hipóteses normalizadas e plausíveis sobre a cor da retina e mecanismos corticais codificação e como estes ajustar a sua sensibilidade para ambos a cor média e gama de cores no estímulo prevalecente. Os ganhos dos mecanismos estão adaptados de modo a que a sua resposta média sob um contexto é equacionado para um contexto diferente. As simulações ajudam a revelar os limites teóricos de adaptação e gerar "imagens adaptadas" que são perfeitamente combinados a um enviro específicanment ou observador. Eles também fornecem uma métrica comum para explorar os efeitos de adaptação em diferentes observadores ou ambientes diferentes. Caracterizar a percepção visual e desempenho com estas imagens fornece uma nova ferramenta para o estudo das funções e consequências da adaptação de longo prazo na visão ou outros sistemas sensoriais.

Introdução

O que o mundo poderia parecer para os outros, ou para nós mesmos como mudar? As respostas a estas perguntas são de fundamental importância para a compreensão da natureza e mecanismos de percepção e as conseqüências de ambas as variações normais e clínicas em codificação sensorial. Uma grande variedade de técnicas e abordagens foram desenvolvidas para simular como imagens pode parecer indivíduos com diferentes sensibilidades visuais. Por exemplo, estes incluem simulações das cores que podem ser discriminados por diferentes tipos de deficiências de cores 1, 2, 3, 4, as diferenças espaciais e cromáticos que podem ser resolvidos por crianças ou observadores mais velhos 5, 6, 7, 8, 9 , como as imagens aparecem na visão periférica -se class = "xref"> 10, e as conseqüências de erros ópticos ou doença 11, 12, 13, 14. Eles também têm sido aplicadas para visualizar as discriminações que são possíveis para outras espécies de 15, 16, 17. Tipicamente, tais simulações usar medições das perdas de sensibilidade em populações diferentes para filtrar uma imagem e, assim, reduzir ou eliminar a estrutura que eles têm dificuldade em ver. Por exemplo, as formas comuns de cegueira cor reflectir uma perda de um dos dois comprimentos de onda fotorreceptores sensíveis a médias ou longas, e imagens filtradas para remover os sinais aparecem tipicamente desprovida de "avermelhado-esverdeados" matiz 1. Da mesma forma, as crianças têm a acuidade mais pobres e, assim, as imagens processadas por sua sensibilidade espacial reduzida aparecem borradas . f "> 5 Estas técnicas proporcionam ilustrações inestimáveis de que uma pessoa pode ver que outro não pode No entanto, eles não -. e muitas vezes não têm a intenção de - retratar a experiência perceptiva real do observador, e em alguns casos podem deturpar a quantidade e os tipos de informações disponíveis para o observador.

Este artigo descreve uma nova técnica desenvolvida para simular diferenças na experiência visual que incorpora uma característica fundamental da codificação visuais - adaptação 18, 19. Todos os sistemas sensoriais e motoras ajustar continuamente ao contexto a que estão expostos. Um odor pungente em uma sala desaparece rapidamente, enquanto a visão acomoda à forma como brilhante ou escurecer o quarto é. É importante ressaltar que esses ajustes ocorrem por quase qualquer atributo estímulo, incluindo percepções "de alto nível", tais como as características do rosto de alguém de 20,class = "xref"> 21 ou a sua voz 22, 23, bem como calibrar os comandos motores feitos ao mover os olhos ou para chegar a um objeto 24, 25. Na verdade, a adaptação é provavelmente uma propriedade essencial de quase todo o processamento neural. Este artigo ilustra como incorporar esses efeitos de adaptação nas simulações da aparência das imagens, por, basicamente, "adaptando a imagem" para prever como parece a um observador específico em um estado específico de adaptação 26, 27, 28, 29. Muitos factores que podem alterar a sensibilidade de um observador, mas muitas vezes pode adaptação para compensar aspectos importantes destas alterações, de modo que as perdas de sensibilidade são menos evidentes do que seria previsto assumindo sem que o sistema se adapta. Inversamente, porqueadaptação ajusta a sensibilidade de acordo com o contexto de estímulo atual, esses ajustes também são importantes para incorporar para prever o quanto a percepção pode variar quando o ambiente varia.

O protocolo a seguir ilustra a técnica, adaptando o conteúdo da cor das imagens. Visão de cores tem a vantagem de que os estágios neurais iniciais de codificação de cores são relativamente bem compreendido, como são os padrões de adaptação 30. Os mecanismos e os ajustamentos reais são variadas e complexas, mas os principais consequências de adaptação podem ser capturadas usando um modelo de duas fases convencional (Figura 1a) e simples. Na primeira etapa, os sinais de cor são inicialmente codificada por três tipos de fotorreceptores cone que são maximamente sensível aos comprimentos de onda curto, médio ou longo (S, M, e cones L). Na segunda etapa, os sinais de diferentes cones são combinados dentro de células pós-receptoral para formar "cor-adversário" channels que recebem entradas de antagonistas das diferentes cones (e, assim, transmitir "cor" de informação), e canais de "não-oponente" que resumem as entradas em conjunto cone (assim codificação "brilho" de informação). Adaptação ocorre em ambas as fases, e ajusta-se para dois aspectos diferentes da cor - A média (nos cones) e a variância (em canais de pós-receptoral) 30, 31. O objetivo das simulações é aplicar esses ajustes aos mecanismos de modelo e, em seguida, processar a imagem de suas saídas adaptadas.

O processo de imagens adaptando envolve seis componentes primários. Estes são 1) a escolha das imagens; 2) escolher o formato para os espectros de imagem; 3) que define a alteração da cor do meio ambiente; 4) que define a alteração da sensibilidade do observador; 5) utilizando o programa para criar as imagens adaptados; e 6) usando as imagens para avaliar as consequências da adaptação. Tele seguinte considera cada uma dessas etapas em detalhes. Os modelo e do mecanismo de respostas básicas são ilustrados na Figura 1, enquanto as figuras 2 - 5 mostram exemplos de imagens processadas com o modelo.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

NOTA: O protocolo ilustrado usa um programa que permite selecionar imagens e depois adaptá-los usando as opções selecionadas por diferentes menus drop-down.

1. Selecione a imagem para se adaptar

  1. Clique na imagem e procure o nome do arquivo da imagem para trabalhar. Observe a imagem original no painel esquerdo superior.

2. Especifique o estímulo eo observador

  1. Clique no menu "format" para escolher a forma de representar a imagem eo observador.
  2. Clique na opção "observador padrão" para modelar um observador padrão ou média adaptação a uma distribuição de cor específica. Neste caso, usar as equações convencionais para converter os valores RGB da imagem para as sensibilidades de cone 32.
  3. Clique na opção "observador indivíduo" para modelar as sensibilidades espectrais de um observador específico. Porque estas sensibilidades são dependentes do comprimento de onda, o programa de convértices os valores RGB da imagem em espectros de arma, utilizando o espectro de emissão padrão ou medido para o visor.
  4. Clique na opção "espectros natural" para aproximar espectros reais no mundo. Esta opção converte os valores RGB para espectros de, por exemplo, utilizando funções de base padrão 33 ou espectros de Gauss 34 a aproximar-se do espectro correspondente para a cor da imagem.

3. Selecione a condição de Adaptação

  1. Adaptar quer mesmo observador a ambientes diferentes (por exemplo, para as cores de uma floresta vs. paisagem urbana), ou observadores diferentes para o mesmo ambiente (por exemplo, um normais vs. cor observador deficiente).
    1. No primeiro caso, use os menus para selecionar os ambientes. Neste último caso, usar os menus para definir a sensibilidade do observador.
  2. Para definir os ambientes, selecione a "referência" e envir "teste"onments dos menus suspensos. Elas controlam os dois estados diferentes de adaptação ao carregar as respostas mecanismo para ambientes diferentes.
    1. Escolha o menu "referência" para controlar o ambiente de partida. Este é o ambiente o assunto é adaptado para enquanto visualiza a imagem original.
      NOTA: As opções apresentadas foram pré-calculados para diferentes ambientes. Estes foram obtidos a partir de medições das gamas de cores para diferentes coleções de imagens. Por exemplo, um aplicativo analisou a forma como a percepção da cor pode variar de acordo com as mudanças nas estações, usando imagens calibradas colhidas no mesmo local em momentos diferentes 27. Outro estudo, explorando como a adaptação pode afetar percepções de cores em diferentes locais, representado os locais por amostragem imagens de diferentes categorias de cena 29.
    2. Selecione a opção "definido pelo usuário" ambiente para carregar os valores para um ambiente personalizado. ObsErve uma janela para procurar e selecionar um arquivo particular. Para criar esses arquivos para imagens independentes, exibir cada imagem a ser incluído (como no passo 1) e, em seguida, clique no botão "salvar respostas de imagem".
      NOTA: Isto irá mostrar uma janela onde se pode criar ou anexar a um arquivo excel armazenar as respostas para cada imagem. Para criar um novo arquivo, digite o nome do arquivo, ou procure um arquivo existente. Para arquivos existentes, são adicionadas as respostas à imagem atual e as respostas a todas as imagens em média automaticamente. Estas médias são de entrada para o ambiente de referência quando o arquivo com a opção "definido pelo usuário" é selecionado.
    3. Selecione o menu "teste" para acessar uma lista de ambientes para a imagem de ser ajustado para. Selecione a opção "imagem atual", para usar as respostas mecanismo para a imagem exibida.
      NOTA: Esta opção assume os temas estão se adaptando às cores na imagem que está sendo visualizado. Caso contrário, selecione uma das tele precalculated ambientes ou a "definido pelo utilizador" opção para carregar o ambiente de teste.

4. Selecione a sensibilidade espectral do Observer

NOTA: Para os efeitos de adaptação de ambientes diferentes, o observador geralmente permanecem constantes, e está definido para o padrão "observador padrão" com sensibilidade espectral média. Existem 3 menus para definir uma sensibilidade espectral individual, que controlam a quantidade de pigmento ou de rastreio as sensibilidades espectrais do observador.

  1. Clique no menu "lente" para selecionar a densidade do pigmento lente. As diferentes opções permitem escolher a característica densidade de diferentes idades.
  2. Clique no menu "macular" para semelhante selecionar a densidade do pigmento macular. Observar essas opções em termos de densidade de pico do pigmento.
  3. Clique no menu "cones" para escolher entre os observadores semtricromacia rmal ou diferentes tipos de tricromacia anômalo.
    NOTA: Com base nas escolhas do programa define o cone sensibilidades espectrais do observador e um conjunto de canais 26 que postreceptoral linearmente combinam os sinais de cone para combinações de cor e de luminância diferentes mais ou menos uniformemente amostra.

5. Adaptar a Imagem

  1. Clique no botão "adaptar".
    NOTA: Esta opção executa o código para calcular as respostas dos cones e dos mecanismos de pós-receptoral para cada pixel da imagem. A resposta é dimensionado de modo que a resposta média para adaptar a distribuição de cor é igual às respostas médias para a distribuição de referência, ou de modo que a resposta média é a mesma para um observador indivíduo ou de referência. A escala é multiplicativo para simular adaptação von Kries 35. A nova imagem é, então, tornado pela soma das respostas mecanismo de conversão e de volta aos valores RGB para exibição. Detalhes da algorithm são dadas em 26, 27, 28, 29.
  2. Observe três novas imagens na tela. Estes são rotulados como: 1) "não adaptadas" - como a imagem de teste deve aparecer a alguém totalmente adaptado ao ambiente de referência; 2) "adaptação cone" - esta mostra a imagem ajustada apenas para adaptação nos receptores; e 3) "plena adaptação" - este mostra a imagem prevista por completa adaptação à mudança no ambiente ou do observador.
  3. Clique no botão "salvar imagens" para salvar as três imagens calculados. Observar uma nova janela na tela para procurar a pasta e selecione o nome do arquivo.

6. avaliar as consequências da adaptação

NOTA: A referência original e adaptados imagens simular como a mesma imagem deve aparecer sob os dois estados de adapta modeladação, e mais importante, diferem apenas por causa do estado de adaptação. As diferenças nas imagens, assim, proporcionar uma visão sobre consequências da adaptação.

  1. Visualmente olhar para as diferenças entre as imagens.
    NOTA: simples inspeção das imagens pode ajudar a mostrar o quanto a visão de cores pode variar quando se vive em ambientes de cores diferentes, ou quanto a adaptação pode compensar uma mudança de sensibilidade no observador.
  2. Quantificar esses efeitos de adaptação por meio de análises ou medições comportamentais com as imagens para avaliar empiricamente as consequências da adaptação 29.
    1. Medir como aparência muda de cor. Por exemplo, compare as cores nas duas imagens para medir como as categorias de cor ou mudança saliência perceptual em diferentes ambientes ou observadores. Por exemplo, a utilização de análises as alterações de cor com adaptação para calcular o quanto as cores originais (por exemplo, puro amarelo ou azul) poderia teoricamente vary devido a variações no ambiente cor do observador 29.
    2. Pergunte como a adaptação afeta a sensibilidade visual ou desempenho. Por exemplo, usar as imagens adaptados para comparar se busca visual para uma cor nova é mais rápida quando os observadores estão adaptados primeiro às cores do fundo. Realizar o ensaio por sobreposição nas imagens um conjunto de alvos e distractors de diferentes cores que foram adaptados, juntamente com as imagens, com os tempos de reacção medidos para localizar o alvo estranho 29.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

As Figuras 2-4 ilustram as simulações de adaptação para alterações no observador ou o ambiente. A Figura 2 compara a aparência previsto de vida ainda Cezanne com maçãs para um observador mais jovens e mais velhos que diferem apenas na densidade do pigmento lente 28. A imagem original como pode ser visto através do olho mais jovens (Figura 2a) aparece muito mais amarela e mais fraca através da len...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

O protocolo ilustrado demonstra como os efeitos de adaptação a uma mudança no ambiente ou o observador pode ser retratado em imagens. A forma este retrato leva dependerá das suposições feitas para o modelo - por exemplo, como a cor é codificada, e como os mecanismos de codificação de responder e se adaptar. Assim, o passo mais importante é decidir sobre o modelo de visão de cores - por exemplo, que as propriedades dos canais hipótese são, e como eles são assumidos para se adaptar. Os outros passos importantes são para d...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores não têm nada a revelar.

Agradecimentos

Financiado pelo National Institutes of Health (NIH) conceder EY-10834.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
Imagens de
linguagem de programação (por exemplo, Visual Basic ou Matlab)
Programa para processamento de imagens
Sensibilidades espectrais do observador (para aplicações que envolvem adaptação específica do observador)
Espectros de emissão de dispositivos (para aplicações dependentes de dispositivos)
computador para adaptação de

Referências

  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).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Etiquetas

Simulação da Visão ColoridaAdaptação SensorialAdaptação de ConesAdaptação de ContrasteSensibilidade EspectralPigmento do CristalinoPigmento MacularModelagem do ObservadorAdaptação ao Ambiente
Visualizando Adaptação Visual
Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.