search query: @keyword image statistics / total: 1
reference: 1 / 1
« previous | next »
Author:Ahonen, Lauri
Title:A computational approach to estimation of crowding in natural images
Laskennallinen malli ärsyketungoksen arvioimiseen luonnollisissa kuvissa
Publication type:Master's thesis
Publication year:2008
Pages:(12+) 71      Language:   eng
Department/School:Elektroniikan, tietoliikenteen ja automaation tiedekunta
Degree programme:Tietoliikennetekniikan tutkinto-ohjelma
Main subject:Laskennallinen tekniikka   (S-114)
Supervisor:Sams, Mikko
Instructor:Näsänen, Risto
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark S80     | Archive
Keywords:crowding
visual system
image statistics
clutter
natural images
modelling
ärsyketungos
näköjärjestelmä
kuvan tilastolliset ominaisuudet
luonnolliset kuvat
mallintaminen
Abstract (fin): Ärsyketungos on ilmiö, jonka vuoksi ääreisnäössä olevien kohteiden tunnistus heikkenee, mikäli kohteen läheisyydessä on häiriöärsykkeitä.
Ärsyketungos on siis havaintokentän, eli yhdellä fiksaatiolla havaittavan kohdemäärän, kokoa rajoittava tekijä.
Tämä johtuu näköjärjestelmän korkeammilla tasoilla tapahtuvasta laajasta piirreintegraatiosta kohteen ympäristössä.
Kriittisestä roolistaan huolimatta ärsyketungos-ilmiötä ei ole tutkittu monimutkaisilla luonnollisilla kuvilla (mikä tahansa valokuva).
Tässä tutkimuksessa tutkittiin, kuinka ärsyketungos vaikuttaa kohteen havaitsemiseen monimutkaisissa luonnollisissa kuvissa.
Lisäksi haluttiin selvittää voidaanko ilmiön voimakkuutta ennustaa näköjärjestelmä malleja ja kuvien tilastollisia ominaisuuksia käyttäen.

Ärsyketungos-ilmiön voimakkuus määritettiin kokeellisesti, mittaamalla kontrasti kynnyksiä erikokoisille kirjainkohteille, jotka sijaitsivat luonnollisen kuvan päällä.
Kokeellisen osan tuloksilla validoitiin kehitettyjä metodeja.
Metodit perustuivat kuvan tilastollisiin ominaisuuksiin ja `clutter-malleihin' Tilastolliset ominaisuudet ja 'clutter-mallit' yhdistettiin sekä tutkimustietoon ärsyketungoksen ominaisuuksista, että näköjärjestelmän tunnettuihin ominaisuuksiin.
Näköjärjestelmä huomioimalla pyrittiin arvioimaan spatiaalisesta näöntarkkuuden vaihtelusta aiheutuvia muutoksia kuvan tilastollisiin ominaisuuksiin.

Kehitetyt metodit ennustivat mielivaltaisen kuvan aiheuttaman ärsyketungos-ilmiön voimakkuuden.
Myös näköjärjestelmän malli vaikutti tuloksiin.
Erot eri laskentamallien välillä olivat kuitenkin merkityksettömiä.
Täten yksinkertaisinta metodia, jossa laskettiin kontrastienergiaa, voidaan pitää tehokkaimpana.

Luonnolliset kuvat voivat aiheuttaa voimakkaan ärsyketungos-ilmiön.
Pääteltiin, että ilmiö voidaan ennustaa kohtuullisella tarkkuudella jo nykyisellä tietämyksellä, mutta lisätuntemus ilmiön syistä ja mekanismeista mahdollistaisi tarkempien mallien kehittämisen.
Tällaisilla malleilla on sovellutuskohteita esimerkiksi käyttöliittymien suunnitellussa, informaation visualisoinnin arvioinnissa ja lisätyn todellisuuden sovellusten kehityksessä.
ED:2009-03-16
INSSI record number: 36834
+ add basket
« previous | next »
INSSI