40、深度、视觉线索与人类感知的统计关系

深度、视觉线索与人类感知的统计关系

模糊与深度信息

以往认为模糊只是一种只能提供粗略顺序信息的弱深度线索，这种观点是不正确的。可以用概率分布来表示边界与区域模糊之间的关系，该分布对于所有小于 1 的距离比概率为零，而对于所有大于 1 的距离比概率非零（或者相反，取决于区域间边界是模糊还是清晰）。这个分布与从区域模糊得出的分布的乘积会简化为模糊函数的两个分支之一，从而确定距离顺序。当在贝叶斯框架下表示模糊中包含的深度信息时，结合诸如透视等非度量深度线索的信息，模糊能提供关于度量深度的有用信息。

重新审视图形 - 背景线索作为度量深度信息

图形 - 背景线索在生物和机器视觉中的作用已被广泛研究，但尚未形成一个全面的理论来解释图形 - 背景线索如何影响轮廓分配和深度感知。可以基于观察自然场景的统计数据来构建这样的理论。以凸性这一图形 - 背景线索为例，很多其他图形 - 背景线索也会影响度量深度感知。
- 较低区域线索 ：在由中性轮廓分隔的两个区域的图像中，较低区域往往被视为图形。因为在大多数自然场景中都存在地面平面，所以视野中较低的位置可能比视野中较高的位置更靠近观察者。对自然场景统计数据的分析表明，基于海拔的深度概率分布的不对称性大于基于凸性的分布的不对称性。心理物理实验证实，较低区域和凸性分别在约 70%和 60%的时间里决定图形分配，并且较低区域是自然场景图像中深度排序判断的更好预测指标。
- 其他图形 - 背景线索 ：大小、对称性、熟悉度、对比度和亮度等图形 - 背景线索也适合进行类似的分析。

图形 -