Sahne istatistikleri - Scene statistics

Sahne istatistiği , algılama alanındaki bir disiplindir . Sahnelerle ilgili istatistiksel düzenliliklerle ilgilenir . Sahneleri yorumlamak için bir algısal sistemin tasarlandığı öncülüne dayanmaktadır .

Biyolojik algısal sistemler, doğal ortamların fiziksel özelliklerine yanıt olarak gelişmiştir. Bu nedenle doğal sahneler büyük ilgi görüyor.

Doğal sahne istatistikleri , tipik olarak sinyal algılama teorisi , bilgi teorisi veya tahmin teorisini birleştirerek, doğal bir görevdeki ideal bir gözlemcinin davranışını tanımlamak için kullanışlıdır .

Doğal Sahneler İstatistik Modellerinin en başarılı uygulamalarından biri, algısal resim ve video kalitesi tahminidir. Örneğin, resimlerin ve videoların bozulma derecesini ölçmek için kullanılan Görsel Bilgi Doğruluğu (VIF) algoritması, görüntü ve video işleme toplulukları tarafından, genellikle sıkıştırma gibi işleme sonrasında algısal kaliteyi değerlendirmek için yaygın olarak kullanılır. görsel bir sinyalin görünümünü bozabilir. Buradaki öncül, sahne istatistiklerinin bozulma ile değişmesi ve görsel sistemin sahne istatistiklerindeki değişikliklere duyarlı olmasıdır. VIF, yayın yapan televizyon endüstrisinde yoğun bir şekilde kullanılmaktadır. Doğal sahne istatistiklerini kullanan diğer popüler resim kalitesi modelleri arasında kaliteyi ölçmek için herhangi bir referans resmi gerektirmedikleri için referans olmayan BRISQUE ve NIQE bulunur.

Alan içi ve alan arası

Yaprak sınırlarının tam konumlarıyla (fiziksel çevre hakkında bilgi) eşzamanlı olarak doğal görüntüleri (sahne bilgileri) kaydeden , bölümlere ayrılmış yapraklardan oluşan bir veritabanından oluşturulan görüntü. Böyle bir veritabanı, etki alanları arası istatistikleri incelemek için kullanılabilir.

Geisler (2008) dört tür alan arasında ayrım yapmaktadır: (1) Fiziksel ortamlar, (2) Görüntüler / Sahneler, (3) Sinirsel tepkiler ve (4) Davranış.

Görüntüler / sahneler alanında, fazlalık ve verimli kodlama ile ilgili bilgilerin özellikleri incelenebilir.

Etki alanları arası istatistikler, otonom bir sistemin çevresi hakkında nasıl çıkarımlar yapması gerektiğini, bilgileri işleyeceğini ve davranışını nasıl kontrol edeceğini belirler. Bu istatistikleri incelemek için, aynı anda birden fazla alandaki bilgileri örneklemek veya kaydetmek gerekir.

Referanslar

Kaynakça

• Alan, DJ (1987). Doğal görüntü istatistikleri ile kortikal hücrelerin tepki özellikleri arasındaki ilişkiler. Journal of the Optical Society of America A 4, 2379–2394.
• Ruderman, DL ve Bialek, W. (1994). Doğal Görüntülerin İstatistikleri - Ormanda Ölçekleme. Physical Review Letters, 73 (6), 814–817.
• Brady, N. ve Field, DJ (2000). Doğal görüntülerde yerel kontrast: normalleştirme ve kodlama verimliliği. Algı, 29, 1041–1055.
• Frazor, RA, Geisler, WS (2006) Doğal görüntülerde yerel parlaklık ve kontrast. Vision Research, 46, 1585–1598.
• Mante vd. (2005) Doğal sahnelerde ve erken görsel sistemde parlaklık ve kontrasttan bağımsızlık. Nature Neuroscience, 8 (12) 1690–1697.
• Bell, AJ ve Sejnowski, TJ (1997). Doğal sahnelerin "bağımsız bileşenleri" kenar filtreleridir. Vision Research, 37, 3327–3338.
• Olshausen, BA ve Field, DJ (1997). Aşırı tamamlanmış bir temel kümesiyle seyrek kodlama: V1'e göre bir strateji mi? Vision Research, 37 (23), 3311–3325.
• Sigman, M., Cecchi, GA, Gilbert, CD ve Magnasco, MO (2001). Ortak bir daire üzerinde: Doğal sahneler ve Gestalt kuralları. PNAS, 98 (4), 1935–1940.
• Hoyer, PO ve Hyvärinen, A. Çok katmanlı seyrek kodlama ağı, doğal görüntülerden kontur kodlamayı öğrenir, Vis. Res., Cilt. 42, hayır. 12, s. 1593–1605, 2002.
• Geisler, WS, Perry, JS, Süper, BJ ve Gallogly, DP (2001). Doğal görüntülerde kenar birlikte oluşması, kontur gruplama performansını tahmin eder. Vision Research, 41, 711–724.
• Yaşlı JH, Goldberg RM. (2002) Kontürlerin algısal organizasyonunun Gestalt yasaları için ekolojik istatistikler. J. Vis. 2: 324–53.
• Krinov, E. (1947). Doğal oluşumların spektral yansıtma özellikleri (Teknik çeviri No. TT-439). Ottawa: Kanada Ulusal Araştırma Konseyi.
• Ruderman, DL, Cronin, TW ve Chiao, C. (1998). Doğal görüntülere koni tepkilerinin istatistikleri: görsel kodlama için çıkarımlar. Journal of the Optical Society of America A, 15, 2036–2045.
• Stockman, A., MacLeod, DIA ve Johnson, NE (1993). İnsan konilerinin spektral hassasiyetleri. J Opt Soc Am A Opt Image Sci Vis, 10, 1396–1402.
• Lee TW, Wachtler, T, Sejnowski, TJ. (2002) Renk rakibi, doğal sahnelerde spektral özelliklerin etkili bir temsilidir. Vision Research 42: 2095–2103.
• Fine, I., MacLeod, DIA ve Boynton, GM (2003). Doğal sahnelerin parlaklık ve renk istatistiklerine dayalı yüzey segmentasyonu. Amerika Optik Derneği Dergisi a-Optik Görüntü Bilimi ve Görme, 20 (7), 1283–1291.
• Lewis A, Zhaoping L. (2006) Koni hassasiyetleri doğal renk istatistikleri tarafından belirleniyor mu? Journal of Vision. 6: 285–302.
• Lovell PG vd. (2005) Doğal sahnelerde aydınlatıcı değişiklikleri altında rakip renk sinyallerinin kararlılığı. J. Opt. Soc. Am. 22:10.
• Endler, JA 1993. Ormanlardaki ışığın rengi ve etkileri. Ekolojik Monograflar 63: 1–27.
• Wachtler T, Lee TW, Sejnowski TJ (2001) Doğal sahnelerin kromatik yapısı. J. Opt. Soc. Am. A 18 (1): 65–77.
• Long F, Yang Z, Purves D.Doğal sahnelerde spektral istatistikler renk tonu, doygunluk ve parlaklığı tahmin eder. PNAS 103 (15): 6013–6018.
• Van Hateren, JH ve Ruderman, DL (1998). Doğal görüntü dizilerinin bağımsız bileşen analizi, birincil görsel korteksteki basit hücrelere benzer uzamsal-zamansal filtreler sağlar. Royal Society of London B, 265, 2315–2320 Bildirileri.
• Potetz, B. ve Lee, TS (2003). Doğal sahnelerde iki boyutlu görüntüler ve üç boyutlu yapılar arasındaki istatistiksel korelasyonlar. Amerika Optik Topluluğu Dergisi a-Optik Görüntü Bilimi ve Vizyonu, 20 (7), 1292–1303.
• Howe, CQ ve Purves, D. (2002). Menzil görüntü istatistikleri, anormal uzunluk algısını açıklayabilir. Amerika Birleşik Devletleri Ulusal Bilimler Akademisi Bildirileri, 99 (20), 13184–13188.Howe, CQ, & Purves, D. (2005a). Doğal sahne geometrisi, açıların ve çizgi yönünün algılanmasını öngörür. Amerika Birleşik Devletleri Ulusal Bilimler Akademisi Bildirileri, 102 (4), 1228–1233.
• Howe, CQ ve Purves, D. (2004). Doğal sahne geometrisi istatistikleriyle açıklanan boyut kontrastı ve asimilasyon. Bilişsel Sinirbilim Dergisi, 16 (1), 90–102.
• Howe, CQ ve Purves, D. (2005b). Muller-Lyer illüzyonu, görüntü-kaynak ilişkilerinin istatistikleriyle açıklanmıştır. Amerika Birleşik Devletleri Ulusal Bilimler Akademisi Bildirileri, 102 (4), 1234–1239.
• Howe, CQ, Yang, ZY ve Purves, D. (2005). Doğal sahne geometrisi ile açıklanan Poggendorff illüzyonu. Amerika Birleşik Devletleri Ulusal Bilimler Akademisi Bildirileri, 102 (21), 7707–7712.
• Kalkan, S. Woergoetter, F. & Krueger, N., 2B Görüntülerde Yerel 3B Yapının İstatistiksel Analizi, Bilgisayarla Görme ve Örüntü Tanıma IEEE Konferansı (CVPR) 2006.
• Kalkan, S. Woergoetter, F. & Krueger, N., Birinci dereceden ve İkinci dereceden 3B ve 2B Yapının İstatistiksel Analizi, Ağ: Sinir Sistemlerinde Hesaplama, 18 (2), s. 129–160, 2007.