轮廓整合模型

摘要： 自然界图像的一个普遍特征是具有很广的轮廓。大部分先前的研究认为轮廓整合是一个二维的过程,即沿方向轴把有方向的片段联系起来的过程。然而,轮廓线在三维世界中也是存在的,如果轮廓和噪声背景在不等深的层面,那么具有正常立体视觉的观察者将共线轮廓与噪声背景分离的能力将会更强(?图像分类技术)。轮廓的片段分布在不等深的层面时,他们也可以将其整合。那么可能有人会问,轮廓整合和双眼视觉有什么关系呢?Anthony M.Norcia et al.(2005)利用一种与条件相关的测量轮廓整合的方法,发现斜视弱视病人的优势眼(都有正常的敏锐度)对具有Gabor定义的轮廓却基本没有灵敏度。这种缺陷在没有斜视的屈光参差的弱视病人的优势眼中是没有的,但是在斜视或屈光参差的病人的缺陷眼中都出现了。同样,在两眼都有正常视觉敏锐度但立体视觉很差的斜视病人的双眼中也发现了这种缺陷。Anthony M.Norcia et al.(2005)的结果告诉我们轮廓察觉机制的成熟至少部分依赖于在发育关键时期中正常双眼的交互作用的存在。以此,我们提出了动态的轮廓整合模型,阐述不同类型弱视患者轮廓整合缺损的机制,并针对不同的缺损机制探讨通过感知觉学习治疗弱视患者的可行性。 ... （共3页）