研究人员如今通过一个单一的模糊影像搞清了大脑如何准确地评估聚焦误差
这是我们一直认为理所当然的事情：看一个或近或远的物体，并在瞬间形成注视焦点的能力。人类和许多动物的眼睛几乎能在很短的时间里、以惊人的准确性完成这一过程。如今研究人员表示，他们向着搞清大脑如何完成这一壮举又迈进了一步。
美国得克萨斯大学奥斯汀分校感知系统中心的心理学家Wilson Geisler和Johannes Burge如今研制出了一种简单的算法，能够快速而准确地评估从一个单一模糊的影像产生的聚焦误差，他们说这是理解生物视觉系统如何避免采用同数码相机类似的重复推测和检查方法的关键所在。研究人员表示，这一发现有望推进我们对于人类如何患上近视眼的理解，或者帮助工程师改进数码相机。
为了清晰地观看事物，对模糊的影像进行准确的评估是至关重要的。Geisler解释说，人类和动物能够本能地提取模糊影像的关键特征，利用这些信息确定它们与物体的距离，随后立即将眼睛精确调节到想要的焦距。
然而科学家并不知道生物视觉系统是如何很好地评估模糊影像的。许多研究人员曾认为，大脑使用了一套推测再检查的系统来找到答案——就像一部照相机的自动对焦系统。Burge说，基本上，照相机会改变焦距，测量影像的对比度，并重复这一过程直至拥有最大的对比度。
Burge表示：“这一探索过程是缓慢的，往往研究一开始便选错了方向，并依赖于最大对比度等于最佳焦距的假设——而这从严格意义上来说是不正确的。”
在这项研究中，Geisler和Burge利用众所周知的数学方程式形成了对人类视觉系统的计算机模拟。他们向计算机提供了类似于人眼看到的自然场景的数字图像，例如面孔、花或风景，并观察到，尽管这些图像的内容千变万化，但是其中的许多特征——锐度和模糊强度，以及细节的相对量——却是保持不变的。
两位科学家随后通过向模型中添加一套滤光片来尝试模拟人类视觉系统如何处理这些影像。研究人员在计算机模拟中通过系统地改变焦距误差来模糊这些影像，并测试滤光片的响应。他们发现，他们能够通过在特征检测器中观察到的响应模式来预测聚焦误差的准确数量。研究人员表示，这为人类和动物的大脑如何能够快速而准确地确定聚焦误差而不用推测和检查提供了一个潜在的解释。研究人员在日前的美国《国家科学院院刊》网络版上报告了这一研究成果。(生物谷 Bioon.com)
doi:10.1073/pnas.1108491108
PMC:
PMID:
Optimal defocus estimation in individual natural images
Johannes Burge1 and Wilson S. Geisler
Defocus blur is nearly always present in natural images: Objects at only one distance can be perfectly focused. Images of objects at other distances are blurred by an amount depending on pupil diameter and lens properties. Despite the fact that defocus is of great behavioral, perceptual, and biological importance, it is unknown how biological systems estimate defocus. Given a set of natural scenes and the properties of the vision system, we show from first principles how to optimally estimate defocus at each location in any individual image. We show for the human visual system that high-precision, unbiased estimates are obtainable under natural viewing conditions for patches with detectable contrast. The high quality of the estimates is surprising given the heterogeneity of natural images. Additionally, we quantify the degree to which the sign ambiguity often attributed to defocus is resolved by monochromatic aberrations (other than defocus) and chromatic aberrations; chromatic aberrations fully resolve the sign ambiguity. Finally, we show that simple spatial and spatio-chromatic receptive fields extract the information optimally. The approach can be tailored to any environment–vision system pairing: natural or man-made, animal or machine. Thus, it provides a principled general framework for analyzing the psychophysics and neurophysiology of defocus estimation in species across the animal kingdom and for developing optimal image-based defocus and depth estimation algorithms for computational vision systems.
