Modello del sistema visivo umano: Comprendere la percezione e l'elaborazione

Di Fouad Sabry

Cos'è il modello del sistema visivo umano

Gli esperti nell'elaborazione delle immagini, nell'elaborazione video e nella visione artificiale fanno uso di un modello del sistema visivo umano per affrontare problemi biologici e psicologici processi non ancora completamente compresi. Un esempio di tale modello viene utilizzato per semplificare i comportamenti di un sistema estremamente complesso. Ogni volta che si verifica un miglioramento nella nostra comprensione del sistema visivo reale, il modello viene aggiornato.

Come trarrai vantaggio

(I) Approfondimenti e convalide sui seguenti argomenti:

Capitolo 1: Modello del sistema visivo umano

Capitolo 2: Compressione dei dati

Capitolo 3: Compressione delle immagini

Capitolo 4: Trasformazione della codifica

Capitolo 5: Illusione ottica

Capitolo 6: Sottocampionamento cromatico

Capitolo 7: Artefatto di compressione

Capitolo 8: Scala di grigi

Capitolo 9: Mappatura dei toni

Capitolo 10: Modello di aspetto del colore

(II) Rispondere alle principali domande del pubblico sul modello del sistema visivo umano.

(III) Esempi reali dell'utilizzo del modello del sistema visivo umano in molti campi.

A chi è rivolto questo libro

Professionisti, studenti universitari e laureati, appassionati, hobbisti e coloro che desiderano andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di modello del sistema visivo umano.

• Lingua: Italiano
• Editore: Un Miliardo Di Ben Informato [Italian]
• Data di uscita: 6 mag 2024

Anteprima del libro

Capitolo 1: Modello del sistema visivo umano

Gli esperti nel campo dell'elaborazione delle immagini, dell'elaborazione video e della visione artificiale utilizzano un modello del sistema visivo umano (modello HVS) per tenere conto dei processi biologici e psicologici che sono ancora poco compresi. Un modello di questo tipo viene impiegato per ridurre la complessità del comportamento del sistema. Il modello viene rivisto man mano che la nostra comprensione del sistema visivo reale cresce.

L'analisi della percezione visiva è nota come ricerca psicovisiva.A questo punto,

È possibile manipolare la propria percezione e visione utilizzando un modello del sistema visivo umano. La televisione a colori, la compressione lossy e la televisione a tubo catodico (CRT) sono tutte applicazioni del paradigma HVS.

Un tempo si credeva che i requisiti di larghezza di banda della televisione a colori fossero troppo grandi per la tecnologia esistente. La risoluzione del colore dell'HVS è risultata essere di gran lunga inferiore alla sua risoluzione di luminosità, il che significa che il sottocampionamento della crominanza può essere utilizzato per comprimere più colore nel segnale.

I formati di compressione delle immagini con perdita di dati, come il JPEG, ne sono un altro esempio. Secondo il nostro modello HVS, non siamo in grado di distinguere i dettagli ad alta frequenza; di conseguenza, JPEG ci consente di quantizzare queste parti senza un notevole calo di qualità. Il filtro Bandstop viene utilizzato nella compressione audio per rimuovere le frequenze che gli esseri umani non possono sentire.

Durante il nostro passato evolutivo, quando gli esseri umani dovevano proteggersi o cercare cibo, abbiamo adattato diversi aspetti dell'HVS. Le proprietà HVS sono spesso visualizzate nelle illusioni ottiche.

A causa della carenza di bastoncelli, l'occhio umano funziona come un filtro passa-basso. per visualizzare le bande di Mach

Risoluzione del colore inaccettabile (meno coni nell'occhio umano rispetto ai bastoncelli)

Sensibilità al movimento

maggiore sensibilità verso l'ambiente circostante

Vedere un animale mimetizzato ha un effetto molto più profondo rispetto al semplice percepire la sua consistenza.

In 3D si può porre più enfasi sulla texture che sulla disparità.

Riconoscimento facciale integrato (i bambini sorridono ai volti)

Una profondità del viso invertita dall'aspetto normale (le caratteristiche del viso prevalgono sulle informazioni sulla profondità)

Anche con la bocca e gli occhi capovolti, il viso invertito appare normale.

Il cinema e la televisione utilizzano lo sfarfallio ad alte frequenze per indurre lo spettatore a percepire un'immagine continua sfruttando la persistenza della visione.

Per creare l'illusione di una frequenza di sfarfallio più elevata, i televisori interlacciati dipingono mezze immagini.

Diffusione del colore (crominanza a metà risoluzione della luminanza corrispondente alle proporzioni di coni e bastoncelli nell'occhio)

Comprimere un'immagine (difficile vedere le frequenze più alte quantizzate in modo più duro)

Stima del movimento (usa la luminanza e ignora il colore)

Filigrana e steganografia

{Fine Capitolo 1}

Capitolo 2: Compressione dei dati

Nella teoria dell'informazione, nella compressione dei dati, nella codifica della sorgente e in altri campi correlati: nel linguaggio comune, un dispositivo che si impegna nel processo di compressione dei dati è noto come codificatore, mentre un dispositivo che si impegna nell'inverso del processo, cioè la decompressione, è noto come decodificatore.

La compressione dei dati è il processo di riduzione delle dimensioni di un file di dati ed è un termine che viene utilizzato piuttosto spesso. La codifica di origine è un processo di codifica che avviene nell'origine dati originale, prima che i dati vengano archiviati o trasferiti. Questo processo viene definito nell'ambito della trasmissione dei dati. È importante non confondere la codifica sorgente con altri tipi di codifica, come la codifica dei canali, che viene utilizzata per il rilevamento e la correzione degli errori, o la codifica a linee, che è un metodo per mappare i dati su un segnale.

La compressione dei dati è vantaggiosa poiché riduce la quantità di spazio e larghezza di banda necessaria per archiviare e trasferire le informazioni. Le procedure di compressione e decompressione richiedono entrambe una quantità significativa di risorse computazionali. Il compromesso tra complessità spazio-temporale è qualcosa che deve essere considerato quando si comprimono i dati. Ad esempio, un metodo di compressione video potrebbe richiedere hardware costoso per consentire al video di essere decompresso abbastanza rapidamente da poter essere guardato durante la decompressione. Inoltre, l'opzione per decomprimere completamente il video prima di guardarlo potrebbe essere scomoda o richiedere spazio di archiviazione aggiuntivo. Quando si progettano schemi di compressione dei dati, i progettisti devono trovare un compromesso tra una serie di fattori diversi. Questi fattori includono il livello di compressione raggiunto, la quantità di distorsione introdotta (quando si utilizza la compressione dei dati con perdita di dati) e la quantità di risorse computazionali necessarie per comprimere e decomprimere i dati.

Al fine di rappresentare i dati senza perdere alcuna informazione nel processo, i metodi di compressione dei dati senza perdita di dati spesso utilizzano la ridondanza statistica. In questo modo si garantisce che il processo possa essere invertito. Poiché la stragrande maggioranza dei dati nel mondo reale ha una ridondanza statistica, la compressione senza perdita di dati è fattibile. Ad esempio, un'immagine può includere macchie di colore che non cambiano nel corso di più pixel; In questo caso, i dati possono essere registrati come 279 pixel rossi piuttosto che come la notazione tradizionale di pixel rosso, pixel rosso,... Questo è un esempio fondamentale della codifica run-length; Esistono molti altri metodi per ridurre le dimensioni di un file rimuovendo le informazioni ridondanti.

Le tecniche di compressione come Lempel-Ziv (LZ) sono oggi tra gli algoritmi più utilizzati per l'archiviazione dei dati senza perdita di dati. Le voci di tabella vengono sostituite per le stringhe ripetute di dati nella tecnica di compressione LZ, che è un modello di compressione basato su tabelle. Questa tabella viene creata dinamicamente per la maggior parte degli algoritmi LZ utilizzando i dati delle fasi precedenti dell'input. Nella maggior parte dei casi, la tabella stessa è codificata da Huffman. I codici basati sulla grammatica come questo sono in grado di comprimere con successo input sostanzialmente ripetitivi, come una raccolta di dati biologici della stessa specie o quasi imparentata, una massiccia raccolta di documenti versionati, archivi Internet e così via. Costruire una grammatica libera dal contesto che derivi una singola stringa è l'impresa fondamentale dei sistemi di codifica basati sulla grammatica. Sequitur e Re-Pair sono altre due tecniche per comprimere la grammatica che hanno applicazioni pratiche.

I modelli probabilistici, come la predizione per corrispondenza parziale, sono utilizzati nei più potenti compressori lossless sviluppati negli ultimi tempi. La modellazione statistica indiretta è un altro modo di pensare alla trasformata di Burrows-Wheeler, che si può anche prendere in considerazione.

Più o meno nello stesso periodo in cui le foto digitali si stavano diffondendo alla fine degli anni '80, sono stati sviluppati