25、三维重建前的图像信号组合：线索整合的内在约束模型

三维重建前的图像信号组合：线索整合的内在约束模型

在三维重建领域，图像信号的组合是一个关键问题。内在约束（IC）模型为理解图像信号的整合提供了一个独特的视角，本文将围绕IC模型展开，介绍其原理、相关实验及与线性线索组合模型的对比。

1. IC模型的基本原理

IC模型主要关注速度和视差信号的组合。在信号空间中，速度和视差信号的信噪比（SNR）分别位于垂直和水平轴上。通过IC组合规则，将视差和速度信号进行组合，组合信号的SNR等于视差和速度信号SNR平方和的平方根。可以将组合信号表示为一个向量，其x分量和y分量分别对应视差和速度信号。

当视差和速度信号由相同的模拟深度产生，且两者的SNR相同时，存在两个重要的特性：
- 两个信号的SNR与模拟深度通过相同的比例常数相关。
- 复合信号的SNR与模拟深度也通过相同的比例常数相关。

2. IC模型的实证测试

为了验证IC模型的预测，Domini等人在2006年进行了一系列实验。实验使用随机点半圆柱体作为刺激物，设置了三种实验条件：
- 视差唯一刺激 ：静态双目视图，仅提供视差信息。
- 速度唯一刺激 ：圆柱体绕水平轴来回旋转，无双目视差。
- 组合线索刺激 ：同时呈现立体和运动信息。

在2AFC任务中，观察者需要报告两个相继呈现的刺激中哪个的前后深度感知最大。实验分为两个主要部分：
- 第一部分：单线索刺激的感知深度匹配 ：通过保持生成图像的远端深度范围（25mm）不