ITEM METADATA RECORD
Title: Emerging subjectivities: The differentiation-integration principle of signal processing within the visual system's hierarchy.
Authors: Kogo, Naoki
Issue Date: 13-Oct-2009
Abstract: Emergerende subjectiviteiten: Het differentiatie-integratie pri ncipe van signaalverwerking binnen de hiërarchie van het visueel systeem Wanneer een deel in ons beeld ontbreekt, is ons visueel systeem toch in staat om dit ontbrekende deel te vervolledigen. Dit fenomeen noemt men “vervollediging”. Deze vaardigheid is essentieel om objecten waar te nemen in natuurlijke omgevingen, waar deze objecten gedeeltelijk bedekt, gecamoufleerd of onzichtbaar zijn ten gevolge van belichtingsomstandigheden. In dit proefschrift onderzocht ik de mechanismen van vervollediging en ontwikkelde ik een neurocomputationeel model. Dit model is gebaseerd op de analyse van gekende neurofysiologische en psychologische eigenschappen van het visueel systeem. Fundamentele principes, border-ownership (BOWN) verwerking, de “differentiatie-integratie” benadering en de diepte-lightness link werden opgenomen in het model. BOWN is een m acroscopische eigenschap van het beeld. In het model worden randen en juncties gedetecteerd en aan de hand van interacties tussen deze juncties en randen wordt een BOWN map gecreëerd. In deze map wordt met andere woorden de globale configuratie van het beeld en de verdeling en oriëntatie van de randen gereflecteerd. De BOWN map geeft zo op elke locatie het bestaan van een verschil in diepte aan. Daarom worden de BOWN signalen beschouwd als gedifferentieerde signalen van diepte. 2-D integratie wordt toegepast op de map om zo de oppervlakken te construeren. Een lightness map wordt gemaakt door 2-D integratie van een luminantie ratio map en resulteert in de zogenaamde primaire lightness map. Ten slotte wordt, door het vastleggen van de interactie tussen de dieptemap en de primaire lightness map, de waargenomen lichtintensiteit berekend. Het model werd getest aan de hand van een groot aantal variaties op de bekende Kanizsa figuur en vertoonde robuuste eigenschappen. Het model is ook in staat om een onderscheid te maken tussen verschillen in diepteperceptie (en dus lightness perceptie) van illusoire figuren enerzijds, en niet- illusoire figuren anderzijds. In de differentiatie-integratie benadering wordt één vrijheidsgraad , een offset waarde, geïntroduceerd, wat overeenkomt met het zogenaamde “anchoring” probleem in lightness perceptie. Wanneer het hele visuele veld bedekt is met een koepel die opgesplitst is in twee gebieden met verschillende achromatische kleuren, dan blijkt het lichtere gebied waargenomen te worden als wit. Wanneer het gebied kleiner wordt, wordt het waargenomen als lichter dan wit (“superwit”). Door de ontwikkeling van een dieptemap en de primaire lightness map via integratie, worden de offset waarden bepaald volgens de anchoring regels van het vis ueel systeem. Als resultaat van de onderlinge interacties, ontstaat dan de anchoring van lightness< />. Door de gekende perceptie van de Kanizsa figuren en zijn varianten te on derzoeken, bleek dat de anchoring regel volgens de oppervlakt egebieden toegepast zou moeten worden op de dieptemap en dat de hoogste waarde regel toegepast zou moeten worden op de primaire lightness map. Op deze manier reproduceert de lightness map het gekende anchoring fenomeen. Het model werd verder ontwikkeld om de stochastische eigenschappen van menselijke perceptie te onderzoeken zoals geobserveerd in bistabiele perceptie. In de bekende “face or vase” figuur verandert de eigenaar van de rand in de loop van de tijd. Het doel van dit project was het ontwikkelen van een stochastisch model a.d.h.v. een feedbacksysteem dat de stochastische eigenschappen aanpast en dat de gekende eigenschappen van multistabiele perceptie kan reproduceren. De structuur van het model voor de Kanizsa illusie wordt toegepast: BOWN signalen worden berekend en spatiaal geïntegreerd om de figuur en de achtergrond van de figuur te bepalen. Daarnaast worden de BOWN signalen stochastisch gemaakt en wordt top-down feedback verkregen door scheeftrekking van de verdeling van random getallen. Dit feedback systeem werkt zo dat de BOWN signalen die de figuur-achtergrond relatie op het hoger niveau ondersteunen geëxciteerd worden, terwijl de tegengestelde BOWN signalen geïnhibeerd worden. Aan de feedback wordt adaptatie en herstel van adaptatie toegevoegd. Het model vertoont schommelingen tussen de respons met het gezicht als figuur en de respons met de vaas als figuur. Het model is verder getest met onderbroken presentatie van de stimuli, alsook met gedesambigueerde figuren. Dit geeft responsen die overeenkomen met menselijke perceptie. Het menselijk visueel systeem voegt onvermijdelijk subjectieve componenten toe om de visuele wereld te vatten. Door het theoretisch kader van de BOWN computatie waarin de globale configuraties van beelden gereflecteerd wordt, door de methodologie die oppervlakken construeert vanuit BOWN signalen, door de interactie tussen de diepte en de lightness perceptie en door een dynamisch feedback systeem , verschaft mijn wer k inzicht in de mechanismen die onderliggen aan de subjectieve aard van de menselijke visuele perceptie.
Publication status: published
KU Leuven publication type: TH
Appears in Collections:ESAT - PSI, Processing Speech and Images
Laboratory for Experimental Psychology

Files in This Item:
File Status SizeFormat
KogoPhDBook2.pdf Published 1234KbAdobe PDFView/Open Request a copy

These files are only available to some KU Leuven Association staff members

 




All items in Lirias are protected by copyright, with all rights reserved.