A computational approach to estimation of crowding in natural images

Simple item page
dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorNäsänen, Risto 
dc.contributor.authorAhonen, Lauri
dc.contributor.departmentElektroniikan, tietoliikenteen ja automaation tiedekuntafi
dc.contributor.schoolTeknillinen korkeakoulufi
dc.contributor.schoolHelsinki University of Technologyen
dc.contributor.supervisorSams, Mikko 
dc.date.accessioned2020-12-05T14:15:38Z
dc.date.available2020-12-05T14:15:38Z
dc.date.issued2008 
dc.description.abstractÄrsyketungos on ilmiö, jonka vuoksi ääreisnäössä olevien kohteiden tunnistus heikkenee, mikäli kohteen läheisyydessä on häiriöärsykkeitä. Ärsyketungos on siis havaintokentän, eli yhdellä fiksaatiolla havaittavan kohdemäärän, kokoa rajoittava tekijä. Tämä johtuu näköjärjestelmän korkeammilla tasoilla tapahtuvasta laajasta piirreintegraatiosta kohteen ympäristössä. Kriittisestä roolistaan huolimatta ärsyketungos-ilmiötä ei ole tutkittu monimutkaisilla luonnollisilla kuvilla (mikä tahansa valokuva). Tässä tutkimuksessa tutkittiin, kuinka ärsyketungos vaikuttaa kohteen havaitsemiseen monimutkaisissa luonnollisissa kuvissa. Lisäksi haluttiin selvittää voidaanko ilmiön voimakkuutta ennustaa näköjärjestelmä malleja ja kuvien tilastollisia ominaisuuksia käyttäen. Ärsyketungos-ilmiön voimakkuus määritettiin kokeellisesti, mittaamalla kontrasti kynnyksiä erikokoisille kirjainkohteille, jotka sijaitsivat luonnollisen kuvan päällä. Kokeellisen osan tuloksilla validoitiin kehitettyjä metodeja. Metodit perustuivat kuvan tilastollisiin ominaisuuksiin ja `clutter-malleihin' Tilastolliset ominaisuudet ja 'clutter-mallit' yhdistettiin sekä tutkimustietoon ärsyketungoksen ominaisuuksista, että näköjärjestelmän tunnettuihin ominaisuuksiin. Näköjärjestelmä huomioimalla pyrittiin arvioimaan spatiaalisesta näöntarkkuuden vaihtelusta aiheutuvia muutoksia kuvan tilastollisiin ominaisuuksiin. Kehitetyt metodit ennustivat mielivaltaisen kuvan aiheuttaman ärsyketungos-ilmiön voimakkuuden. Myös näköjärjestelmän malli vaikutti tuloksiin. Erot eri laskentamallien välillä olivat kuitenkin merkityksettömiä. Täten yksinkertaisinta metodia, jossa laskettiin kontrastienergiaa, voidaan pitää tehokkaimpana. Luonnolliset kuvat voivat aiheuttaa voimakkaan ärsyketungos-ilmiön. Pääteltiin, että ilmiö voidaan ennustaa kohtuullisella tarkkuudella jo nykyisellä tietämyksellä, mutta lisätuntemus ilmiön syistä ja mekanismeista mahdollistaisi tarkempien mallien kehittämisen. Tällaisilla malleilla on sovellutuskohteita esimerkiksi käyttöliittymien suunnitellussa, informaation visualisoinnin arvioinnissa ja lisätyn todellisuuden sovellusten kehityksessä.fi
dc.format.extent(12+) 71 
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/96210
dc.identifier.urnURN:NBN:fi:aalto-2020120555044
dc.language.isoenen
dc.programmeTietoliikennetekniikan tutkinto-ohjelmafi
dc.programme.majorLaskennallinen tekniikkafi
dc.programme.mcodeS-114fi
dc.rights.accesslevelclosedAccess
dc.subject.keywordcrowdingen
dc.subject.keywordärsyketungosfi
dc.subject.keywordvisual systemen
dc.subject.keywordnäköjärjestelmäfi
dc.subject.keywordimage statisticsen
dc.subject.keywordkuvan tilastolliset ominaisuudetfi
dc.subject.keywordclutteren
dc.subject.keywordluonnolliset kuvatfi
dc.subject.keywordnatural imagesen
dc.subject.keywordmallintaminenfi
dc.subject.keywordmodellingen
dc.titleA computational approach to estimation of crowding in natural imagesen
dc.titleLaskennallinen malli ärsyketungoksen arvioimiseen luonnollisissa kuvissafi
dc.type.okmG2 Pro gradu, diplomityö 
dc.type.ontasotMaster's thesisen
dc.type.ontasotPro gradu -tutkielmafi
dc.type.publicationmasterThesis 
local.aalto.digiauthask
local.aalto.digifolderAalto_34502
local.aalto.idinssi36834
local.aalto.openaccessno

Files

Collections

[dipl] Teknillinen korkeakoulu / TKK