Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Визуальное Визуальная адаптация

8.7K просмотров

⸱

DOI:

10.3791/54038

⸱

24 апреля 2017 г.

 , 
1Department of Psychology, University of Nevada, Reno

В этой статье

Краткое содержание

В данной статье описывается новый метод моделирования и изучения адаптации в зрительной системе.

Аннотация

Многие методы были разработаны , чтобы представить себе , как образ , казался бы , человек с другой визуальной чувствительностью: например, из - за оптические или возрастные различия, или недостаток цвета или болезнь. Этот протокол описывает метод для включения сенсорной адаптации в симуляцию. Протокол иллюстрируется на примере цветового зрения, но, как правило, применим к любой форме визуальной адаптации. Протокол использует простую модель цветового зрения человека, основанную на стандартных и правдоподобные предположения о цвете кодирования сетчатки глаза и корковых механизмов и как они регулировать их чувствительность к как среднего цвета и диапазон цвета в преобладающем раздражителе. Усиления механизмов выполнены таким образом, что их средняя реакция при одном контексте приравнивается к другому контексту. Моделирование помогает выявить теоретические пределы адаптации и генерировать «адаптированные образы», ​​которые оптимально подходят для конкретного ENVIROnment или наблюдатель. Они также обеспечивают общую метрику для изучения последствий адаптации в рамках различных наблюдателей или различные сред. Характеризуя визуальное восприятие и производительность этих изображений обеспечивает новый инструмент для изучения функций и последствий долговременной адаптации в видении или других сенсорных системах.

Введение

Что может выглядеть мир другим, или к себе, как мы изменяем? Ответы на эти вопросы принципиально важны для понимания природы и механизмов восприятия и последствий как нормальных, так и клинических изменений в сенсорном кодировании. Большое разнообразие методов и подходов, которые были разработано, чтобы имитировать, как изображения могут появляться людям с различной визуальной чувствительностью. Например, они включают в себя моделирование цветов , которые могут быть различаемыми различными типами цветовых недостатков : 1, 2, 3, 4, пространственные и хроматические различия , которые могут быть решены с помощью младенцев или пожилых наблюдателей 5, 6, 7, 8, 9 , как изображения появляются в периферийном зрении до класса = ""> внешних ссылок 10, и последствия оптических ошибок или болезни 11, 12, 13, 14. Они также были применены для визуализации различений, которые возможны для других видов 15, 16, 17. Как правило, такие моделирования используют измерение потерь чувствительности в различных популяциях, чтобы отфильтровать изображение и тем самым уменьшить или удалить структуру они имеют проблемы со зрением. Так , например, общие формы цветовой слепоты отражают потерю одного из двух чувствительных фотоприемников и средних или больших длин волн, а также изображения фильтруют , чтобы удалить их сигналы , как правило , появляются лишенные «красновато-зеленоватых» оттенков 1. Кроме того, младенцы имеют более слабое остроту зрения, и, таким образом, изображения, обработанные для их уменьшенных пространственной чувствительности размытых е . "> 5 Эти методы обеспечивают неоценимые иллюстрации того , что один человек может видеть , что другой не может , однако, они не делают. - и часто не предназначены - изобразить фактический воспринимаемый опыт наблюдателя, а в некоторых случаях могут искажать количество и типы информации, доступное для наблюдателя.

В этой статье описан новый метод , разработанный для имитации различий в визуальном опыте , который включает в себя основную характеристику визуального кодирования - адаптации 18, 19. Все сенсорные и моторные системы постоянно подстраиваться к контексту они подвергаются. Едкий запах в комнате, быстро исчезает, в то время как зрение приспосабливается к каким ярким или тусклым комната. Важно отметить, что эти корректировки происходят практически для любого атрибута стимула, в том числе восприятия «высокого уровня» , такие как характеристики чьего - то лица 20,класс = «Xref»> 21 или их голос 22, 23, а также калибровки моторных команд , сделанные при движении глаз или достижений для объекта 24, 25. В самом деле, адаптация, скорее всего, существенным свойством почти всех нейронной обработки. В данной статье показано , как включить эти эффекты адаптации в симуляции появления изображений, по сути «адаптации изображения» , чтобы предсказать , как это будет выглядеть для конкретного наблюдателя при определенном состоянии адаптации 26, 27, 28, 29. Многие факторы могут изменять чувствительность наблюдателя, но адаптация часто может компенсировать важные аспекты этих изменений, так что потери чувствительности менее заметны, чем можно было бы предсказать, не предполагая, что система адаптируется. С другой стороны, из-заадаптация регулирует чувствительность в зависимости от текущего контекста стимула, эти корректировки также важно учитывать для прогнозирования, сколько восприятие может меняться, когда окружающая среда меняется.

Следующий протокол иллюстрирует технику, адаптируя содержание цвета изображений. Цветовое зрение имеет то преимущество , что начальные нейронные этапы цветового кодирования относительно хорошо изучены, как и модель адаптации 30. Фактические механизмы и регулировки сложны и разнообразны, но основные последствия адаптации могут быть получены с помощью простой и обычной модели двухступенчатого (рис 1а). На первом этапе, цветовые сигналы изначально закодировано тремя типами колбочек фоторецепторов, которые максимально чувствительны к коротким, средним или длинных волн (S, M, L и конусов). На втором этапе, сигналы от различных конусов объединены в посте-receptoral клеток, чтобы сформировать «цвет-противник» чnnels, которые получают антагонистические входные сигналы от различных конусов (и, таким образом, передает «цвет» информацию) и «не-противник» каналы, которые суммируются входы конуса (таким образом, кодирования «яркость» информация). Адаптация происходит на обоих этапах, и регулирует к двум различным аспектам цвета - средних (в конусах) и дисперсии (в посте-receptoral каналов) 30, 31. Целью моделирования является применение этих корректировок к механизмам модели, а затем сделать изображение из их адаптированных выходов.

Процесс адаптации изображений включает в себя шесть основных компонентов. Эти 1) выбор изображения; 2) выбор формата для спектров изображения; 3) определение изменения цвета окружающей среды; 4) определение изменения в чувствительности наблюдателя; 5) с помощью программы для создания адаптированных изображений; и 6) с использованием изображений для оценки последствий адаптации. Tон считает, следуя каждый из этих шагов подробно. Базовая модель и механизм реакция показана на рисунке 1, а цифры 2 - 5 показаны примеры изображений , оказываемые с моделью.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

Примечание: Протокол проиллюстрирован использует программу, которая позволяет выбрать один изображения, а затем адаптировать их с помощью параметров, выбранных различного раскрывающегося меню.

1. Выберите изображение Приспособить

  1. Нажмите на изображение и найдите имя файла изображения, чтобы работать. Обратите внимание на исходное изображение в верхней левой панели.

2. Укажите Стимул и наблюдатель

  1. Выберите меню «Формат», чтобы выбрать, как представить образ и наблюдатель.
  2. Нажмите на кнопке «стандартный наблюдатель» модель стандартного или средний наблюдателя адаптируется к специфическому распределению цвета. В этом случае используйте стандартные уравнения для преобразования значения RGB изображения , чтобы конусных чувствительность 32.
  3. Нажмите на опцию «индивидуальный наблюдателя» для моделирования спектральной чувствительности конкретного наблюдателя. Поскольку чувствительность имеет зависит от длины волны, то программа конVerts значений RGB изображений в спектры пушки с использованием стандартных или измеренными спектров излучения для дисплея.
  4. Нажмите на опции «естественные спектров» приблизить фактические спектры в мире. Этот параметр преобразует значения RGB для спектров, например , с использованием стандартных базисных функций 33 или Gaussian спектров 34 для аппроксимации соответствующего спектра для цвета изображения.

3. Выберите Адаптационное условие

  1. Адаптировать либо же наблюдатель различные сред (например, к цветам леса против городского ландшафта), или различных наблюдателей в ту же среду (например, нормальный против цвета дефицитного наблюдателя).
    1. В первом случае, используйте меню для выбора среды. В последнем случае, используйте меню для определения чувствительности наблюдателя.
  2. Для установки среды, выберите «ссылку» и «тест» ENVIRonments из выпадающего меню. Они контролируют два различных состояние адаптации путем загрузки ответов механизма для различных сред.
    1. Выберите меню «эталонного» для управления запуском среды. Это среда субъект приспособлен для во время просмотра оригинального изображения.
      Примечание: выбор показаны были предварительно вычислены для различных сред. Они были получены из измерений цветовых гамм для разных коллекций изображений. Например, одно приложение исследовали , как восприятие цвета может меняться в зависимости от изменений в сезоны, с помощью калиброванных снимков , сделанных из того же места в разное время 27. Другое исследование, изучение того, как адаптация может повлиять на цвет восприятия в разных местах, представлены местоположения путем выборки изображений различных категорий сцены 29.
    2. Выберите «определенный пользователь» среду для загрузки значения для пользовательской среды. ObsЭрве окно для просмотра и выбора конкретного файла. Для создания этих файлов для независимых изображений, отображения каждого изображения должны быть включены (как в шаге 1), а затем нажмите кнопку «Сохранить изображение» ответы.
      Примечание: На экране появится окно, в котором можно создать или добавить в файл первенствовать хранение ответов на каждое изображение. Чтобы создать новый файл, введите имя файла, или выберите существующий файл. Для существующих файлов, добавляют ответы на текущее изображение и ответы на все изображения автоматически усредняются. Эти средние вход для эталонной среды при выборе файла с опцией «определяемого пользователем».
    3. Выберите меню «тест», чтобы получить доступ к списку условий для изображения можно отрегулировать для. Выберите опцию «текущего изображение», чтобы использовать ответы механизма для отображаемого изображения.
      Примечание: Этот вариант предполагает, что субъекты адаптируются к цветам в изображении, что в настоящее время рассматриваются. В противном случае выберите один из тон предварительно вычислены среды или «определенный пользователем», чтобы загрузить тестовую среду.

4. Выберите спектральную чувствительность наблюдателя

Примечание: Для адаптации эффектов различных сред, наблюдатель обычно остается постоянным, и устанавливается по умолчанию «стандартному наблюдателю» со средней спектральной чувствительностью к. Есть 3 меню для установки индивидуального спектральной чувствительности, которые контролируют количество экранирующего пигмента или спектральной чувствительности наблюдателя.

  1. Нажмите на меню «линзы», чтобы выбрать плотность пигмента линз. Различные варианты позволяют выбрать характеристику плотности различных возрастов.
  2. Нажмите на меню «макулярной» аналогично выбрать плотность макулярного пигмента. Соблюдайте эти варианты с точки зрения пиковой плотности пигмента.
  3. Нажмите на меню «шишки», чтобы выбрать между наблюдателями с неRMAL trichromacy или различные типы аномальных trichromacy.
    Примечание: На основании выбора программы определяет конус спектральные чувствительности наблюдателя и набор из 26 postreceptoral каналов, которые сочетают в себе линейно конуса сигналы примерно равномерно образцов различных цветовых и яркостных комбинаций.

5. Адаптировать изображение

  1. Нажмите на кнопку «адаптации».
    Примечание: Этот выполняет код для вычисления ответов конусов и пост-receptoral механизмов для каждого пикселя в изображении. Ответ масштабируется таким образом, что средний ответ на адаптируя цветового распределения равно средние ответы к опорному распределению, или так, что средний ответ одинаков для индивидуального или эталонного наблюдателя. Масштабирование мультипликативный для имитации фон Kries адаптации 35. Новое изображение затем оказываются путем суммирования ответов механизма и преобразования обратно в RGB значения для отображения. Подробная информация о ALGorithm приведены в 26, 27, 28, 29.
  2. Соблюдайте три новые изображения на экране. Они обозначены как 1) «неприспособленный» - как тестовое изображение должно появиться кому-то полностью адаптированным к эталонной среде; 2) «адаптация конуса» - это показывает изображение регулируется только для адаптации в рецепторах; и 3) «полная адаптация» - это показывает изображение, предсказанную полной адаптации к изменению окружающей среды или наблюдателя.
  3. Нажмите кнопку «Сохранить изображение», чтобы сохранить три Расчетно-изображения. Наблюдайте новое окно на экране, чтобы просмотреть папки и выберите имя файла.

6. оценки последствий адаптации

Примечание: Оригинал ссылки и адаптированные изображения моделировать, как же должно появиться изображение под двумя состояниями моделируемого ADAPTAции, и, что важно, различаются только из-за состояния адаптации. Различия в изображениях, таким образом, обеспечить понимание последствий адаптации.

  1. Визуально посмотреть различия между изображениями.
    Примечание: Простой осмотр изображений может помочь показать, сколько цветовое зрение может меняться, живя в различных цветовых средах, или сколько адаптации может компенсировать изменение чувствительности в наблюдателе.
  2. Количественно эти адаптационные эффекты путем использования анализа или поведенческие измерения с изображениями эмпирически оценить последствия адаптации 29.
    1. Мера, как цвет меняется внешний вид. Например, сравните цвета в двух изображениях, чтобы измерить, как цветовые категории или перцептивного сдвига заметность в различных средах или наблюдателей. Например, использование анализа изменений в цвете с адаптацией , чтобы вычислить , сколько уникальные оттенки (например, чисто желтый или синий) мог теоретически Vичная из - за различия в цветовой среде наблюдателя 29.
    2. Спросите, как адаптация влияет на визуальную чувствительность или производительность. Например, можно использовать адаптированные изображения для сравнения, является ли визуальный поиском нового цвета быстрее, когда наблюдатели первым адаптированы к цветам фона. Проведение эксперимента путем наложения на изображении , массив целей и по -другому цветных дистрактор , которые были адаптированы вместе с изображениями, со временем реакций , измеренными для определения местоположения нечетных целей 29.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

На рисунках 2 - 4 иллюстрируют моделирования адаптации к изменениям в наблюдателя или окружающей среды. Рисунок 2 сравнивает предсказанное появление натюрморта Сезанна с яблоками для младшего и старшего наблюдателя, отличаются только плотностью линзы пигмента 28. Исходное изображение , как видно через младший глаз (рис 2а) появляется много желтее и диммером через более плотно пигментированную лин...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Показанная протокол демонстрирует эффекты адаптации к изменению окружающей среды или наблюдателя могут быть изображены в образах. Форме это изображение принимает будет зависеть от предположений, сделанных для модели - например, как кодируется цвет, и как механизмы кодирования реагирования и адаптации. Таким образом, наиболее важным шагом является принятие решения о модели цветового зрения - например, какие свойства гипотетических каналов, и, как предполагается, что они адаптируются. Другие важные шаги, чтобы установить ...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Авторы не имеют ничего раскрывать.

Благодарности

При поддержке Национального института здоровья (NIH) грант EY-10834.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Компьютерные
изображения для адаптации
языка программирования (например, Visual Basic или Matlab)Программа
для обработки изображений
Спектральная чувствительность наблюдателя (для приложений, включающих адаптацию к наблюдателю)
Спектры излучения устройства (для устройствозависимых приложений)

Ссылки

  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).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Теги

Симуляция цветового зрениясенсорная адаптацияадаптация колбочекконтрастная адаптацияспектральная чувствительностьпигмент хрусталикамакулярный пигментмоделирование наблюдателяадаптация к окружающей среде
Визуальное Визуальная адаптация
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.