인간 시각 시스템 모델: 인식 및 처리 이해

By Fouad Sabry

인간 시각 시스템 모델이란?

이미지 처리, 비디오 처리, 컴퓨터 비전 분야의 전문가들은 아직 완전히 이해되지 않은 생물학적, 심리적 과정을 다루기 위해 인간의 시각 시스템 모델을 활용합니다. 이러한 모델의 예는 매우 복잡한 시스템의 동작을 단순화하기 위해 활용됩니다. 실제 시각 시스템에 대한 이해가 향상될 때마다 모델이 업데이트됩니다.

당신이 얻을 수 있는 혜택

(I) 다음 주제에 대한 통찰력 및 검증:

1장: 인간 시각 시스템 모델

2장: 데이터 압축

3장: 이미지 압축

4장: 변환 코딩

5장: 착시 현상

6장: 크로마 서브샘플링

7장: 압축 아티팩트

8장: 그레이스케일

9장: 톤 매핑

10장: 색상 외관 모델

(II) 인간 시각 시스템 모델에 관한 대중의 주요 질문에 답합니다.

(III) 다양한 분야에서 인간 시각 시스템 모델을 사용한 실제 사례.

이 책은 누구를 위한 책인가

전문가, 학부 및 대학원생, 매니아, 취미생활자 및 모든 종류의 인간 시각 시스템 모델에 대한 기본 지식이나 정보를 넘어서고 싶은 사람들.

• Language: 한국어
• Publisher: 10 억 지식이 걸립니다 [Korean]
• Release date: May 6, 2024

Book preview

1장: 인간의 시각 시스템 모델

이미지 처리, 비디오 처리 및 컴퓨터 비전 분야의 전문가들은 아직 잘 이해되지 않는 생물학적, 심리적 과정을 설명하기 위해 인간 시각 시스템 모델(HVS 모델)을 사용합니다. 이러한 종류의 모델은 시스템 동작의 복잡성을 줄이기 위해 사용됩니다. 이 모델은 실제 시각 시스템에 대한 이해가 증가함에 따라 수정됩니다.

시지각 분석은 심리 시각적 연구로 알려져 있습니다.을 클릭합니다.

인간의 시각 시스템 모델을 사용하여 지각과 시각을 조작할 수 있습니다. 컬러 텔레비전, 손실 압축 및 CRT(음극선관) 텔레비전은 모두 HVS 패러다임의 응용 분야입니다.

한때 컬러 TV의 대역폭 요구 사항이 기존 기술에 비해 너무 크다고 믿었습니다. HVS의 색상 해상도는 밝기 해상도보다 훨씬 낮은 것으로 나타났으며, 이는 크로마 서브샘플링을 사용하여 신호에 더 많은 색상을 압축할 수 있음을 의미합니다.

JPEG와 같은 손실 사진 압축 형식은 또 다른 예입니다. HVS 모델에 따르면 고주파 세부 사항을 알 수 없습니다. 결과적으로 JPEG를 사용하면 눈에 띄는 품질 저하 없이 이러한 부분을 양자화할 수 있습니다. 대역저지 필터링은 사람이 들을 수 없는 주파수를 제거하기 위해 오디오 압축에 사용됩니다.

인간이 스스로를 보호하거나 먹이를 찾아야 했던 진화의 과거에, 우리는 HVS의 여러 측면을 적용했습니다. HVS 속성은 착시 현상에 자주 표시됩니다.

간상체가 부족하기 때문에 인간의 눈은 저역 통과 필터와 같은 기능을 합니다. 마하 밴드를 보려면

허용되지 않는 색상 해상도(간상체보다 사람의 눈에 더 적은 원뿔 수)

모션 감도

주변 환경에 대한 더 큰 민감성

위장한 동물을 보는 것은 단순히 질감을 감지하는 것보다 훨씬 더 심오한 효과가 있습니다.

3D의 차이보다 질감에 더 중점을 둘 수 있습니다.

얼굴 인식 내장(아기가 얼굴에 미소를 짓는다)

정상적으로 보이는 반전된 얼굴 깊이(얼굴 특징이 깊이 정보보다 우선함)

입과 눈을 뒤집어도 거꾸로 된 얼굴은 정상으로 보입니다.

영화와 텔레비전은 고주파에서 깜박임을 사용하여 시청자가 시각의 지속성을 이용하여 연속 이미지를 인식하도록 속입니다.

더 높은 깜박임 주파수의 환상을 만들기 위해 인터레이스 텔레비전은 절반의 이미지를 그립니다.

컬러 방송(눈의 간상체와 원추세포의 비율에 해당하는 휘도의 절반 해상도에서의 색차)

이미지 압축(더 높은 주파수를 보기 어렵고 더 거칠게 양자화됨)

움직임 추정(휘도 사용 및 색상 무시)

워터마킹 및 스테가노그래피

{챕터 1 종료}

제 2 장: 데이터 압축

정보 이론, 데이터 압축, 소스 코딩 및 기타 관련 분야: 일반적으로 데이터 압축 프로세스에 참여하는 장치를 인코더라고 하는 반면, 프로세스의 역(즉, 압축 해제)에 참여하는 장치를 디코더라고 합니다.

데이터 압축은 데이터 파일의 크기를 줄이는 프로세스이며 자주 사용되는 용어입니다. 소스 코딩은 데이터가 저장되거나 전송되기 전에 원래 데이터 소스에서 수행되는 인코딩 프로세스입니다. 이 프로세스를 데이터 전송의 맥락에서 참조합니다. 소스 코딩을 오류 감지 및 수정에 사용되는 채널 코딩 또는 데이터를 신호에 매핑하는 방법인 라인 코딩과 같은 다른 유형의 코딩과 혼동하지 않는 것이 중요합니다.

데이터 압축은 정보를 저장하고 전송하는 데 필요한 공간과 대역폭의 양을 줄이기 때문에 유용합니다. 압축 및 압축 해제 절차에는 모두 상당한 양의 계산 리소스가 필요합니다. 시공간 복잡성 트레이드 오프는 데이터를 압축하는 동안 고려해야 할 사항입니다. 예를 들어, 비디오 압축 방법은 비디오가 압축 해제되는 동안 볼 수 있을 만큼 빠르게 압축을 풀기 위해 고가의 하드웨어가 필요할 수 있습니다. 또한 비디오를 시청하기 전에 완전히 압축을 푸는 옵션은 불편하거나 추가 저장 공간이 필요할 수 있습니다. 데이터 압축 체계를 설계할 때 설계자는 여러 가지 요인 간에 균형을 맞춰야 합니다. 이러한 요소에는 달성된 압축 수준, 발생하는 왜곡의 양(손실 데이터 압축을 사용할 때) 및 데이터를 압축 및 압축 해제하는 데 필요한 계산 리소스의 양이 포함됩니다.

프로세스에서 정보를 잃지 않고 데이터를 표현하기 위해 무손실 데이터 압축 방법은 종종 통계적 중복성을 사용합니다. 이렇게 하면 프로세스가 역전될 수 있습니다. 실제 세계의 대다수 데이터에는 통계적 중복성이 있기 때문에 무손실 압축이 가능합니다. 예를 들어, 사진에는 여러 픽셀이 진행되는 동안 변하지 않는 색상 패치가 포함될 수 있습니다. 이 경우, 데이터는 적색 화소, 적색 화소라는 종래의 표기법이 아닌 279 적색 화소로 기록될 수 있다,..." 이것은 실행 길이 인코딩의 기본 그림입니다. 중복 정보를 제거하여 파일 크기를 줄이는 더 많은 방법이 있습니다.

LZ(Lempel-Ziv)와 같은 압축 기술은 현재 무손실 데이터 저장에 가장 널리 사용되는 알고리즘 중 하나입니다. 테이블 항목은 테이블 기반 압축 모델인 LZ 압축 기술에서 반복되는 데이터 문자열로 대체됩니다. 이 테이블은 입력의 이전 단계에서 얻은 데이터를 사용하여 대부분의 LZ 알고리즘에 대해 동적으로 작성됩니다. 대부분의 경우 테이블 자체는 Huffman으로 인코딩됩니다. 이와 같은 문법 기반 코드는 동일하거나 거의 관련된 종의 생물학적 데이터 수집, 버전이 지정된 대규모 문서 모음, 인터넷 아카이브 등과 같이 실질적으로 반복적인 입력을 성공적으로 압축할 수 있습니다. 단일 문자열을 파생하는 문맥 없는 문법을 구성하는 것은 문법 기반 코딩 시스템의 기본 작업입니다. Sequitur와 Re-Pair는 실제 적용이 가능한 문법을 압축하는 두 가지 추가 기술입니다.

부분 매칭에 의한 예측과 같은 확률적 모델은 최근에 개발된 가장 강력한 무손실 압축기에 사용됩니다. 간접 통계 모델링은 Burrows-Wheeler 변환에 대해 생각할 수 있는 또 다른 방법이며, 이 방법도 고려할 수 있습니다.

1980년대 후반 디지털 사진이 널리 보급되면서 무손실 이미지 압축에 대한 최초의 표준이 개발되었습니다. 1990년대 초, 손실 압축 기술이 보편화되기 시작했습니다. 이러한 지각적 구분은 소리, 사진 및 비디오의 압축을 위해 각각 심리 음향학 및 심리 시각과 같은