Modèle du système visuel humain: Comprendre la perception et le traitement

Par Fouad Sabry

Qu'est-ce que le modèle du système visuel humain

Les experts en traitement d'images, en traitement vidéo et en vision par ordinateur utilisent un modèle de système visuel humain pour traiter les problèmes biologiques et psychologiques. des processus qui ne sont pas encore complètement compris. Un exemple d'un tel modèle est utilisé afin de simplifier les comportements d'un système extrêmement complexe. Chaque fois que notre compréhension du système visuel réel s'améliore, le modèle est mis à jour.

Comment vous en bénéficierez

(I) Insights, et validations sur les sujets suivants :

Chapitre 1 : Modèle du système visuel humain

Chapitre 2 : Compression des données

Chapitre 3 : Compression d'images

Chapitre 4 : Codage par transformation

Chapitre 5 : Illusion d'optique

Chapitre 6 : Sous-échantillonnage de chrominance

Chapitre 7 : Artefact de compression

Chapitre 8 : Niveaux de gris

Chapitre 9 : Cartographie des tons

Chapitre 10 : Modèle d'apparence des couleurs

(II) Répondre aux principales questions du public sur le modèle du système visuel humain.

(III) Exemples concrets d'utilisation du modèle du système visuel humain dans de nombreux domaines.

À qui s'adresse ce livre

Professionnels, étudiants de premier cycle et des cycles supérieurs, passionnés, amateurs et ceux qui souhaitent aller au-delà des connaissances ou des informations de base pour tout type de modèle du système visuel humain.

 

 

• Langue: Français
• Éditeur: Un Milliard De Personnes Informées [French]
• Date de sortie: 6 mai 2024

Aperçu du livre

Modèle du système visuel humain

Comprendre la perception et le traitement

Fouad Sabry est l'ancien responsable régional du développement commercial pour les applications chez Hewlett Packard pour l'Europe du Sud, le Moyen-Orient et l'Afrique. Fouad est titulaire d'un baccalauréat ès sciences des systèmes informatiques et du contrôle automatique, d'une double maîtrise, d'une maîtrise en administration des affaires et d'une maîtrise en gestion des technologies de l'information, de l'Université de Melbourne en Australie. Fouad a plus de 25 ans d'expérience dans les technologies de l'information et de la communication, travaillant dans des entreprises locales, régionales et internationales, telles que Vodafone et des machines professionnelles internationales. Actuellement, Fouad est un entrepreneur, auteur, futuriste, axé sur les technologies émergentes et les solutions industrielles, et fondateur de l'initiative One Billion Knowledge.

Un milliard de connaissances

Modèle du système visuel humain

Comprendre la perception et le traitement

Fouad Sabry

Copyright

Modèle © du système visuel humain 2024 par Fouad Sabry. Tous droits réservés.

Aucune partie de ce livre ne peut être reproduite sous quelque forme que ce soit ou par quelque moyen électronique ou mécanique que ce soit, y compris les systèmes de stockage et de récupération d'informations, sans l'autorisation écrite de l'auteur. La seule exception est celle d'un critique, qui peut citer de courts extraits dans une critique.

Couverture dessinée par Fouad Sabry.

Bien que toutes les précautions aient été prises dans la préparation de ce livre, les auteurs et les éditeurs n'assument aucune responsabilité pour les erreurs ou omissions, ou pour les dommages résultant de l'utilisation des informations contenues dans le présent document.

Table des matières

Chapitre 1 : Modèle du système visuel humain

Chapitre 2 : Compression des données

Chapitre 5 : Compression d'image

Chapitre 6 : Codage de transformation

Chapitre 7 : Illusion d'optique

Chapitre 8 : Sous-échantillonnage de la chrominance

Chapitre 9 : Artefact de compression

Chapitre 11 : Niveaux de gris

Chapitre 14 : Cartographie des tons

Chapitre 20 : Modèle d'apparence des couleurs

Appendice

À propos de l'auteur

Chapitre 1 : Modèle du système visuel humain

Les experts dans les domaines du traitement d'images, du traitement vidéo et de la vision par ordinateur utilisent un modèle du système visuel humain (modèle HVS) pour rendre compte de processus biologiques et psychologiques encore mal compris. Un modèle de ce type est utilisé pour réduire la complexité du comportement du système. Le modèle est révisé au fur et à mesure que notre compréhension du système visuel réel augmente.

L'analyse de la perception visuelle est connue sous le nom de « recherche psychovisuelle »..

Il est possible de manipuler sa perception et sa vision à l'aide d'un modèle du système visuel humain. La télévision couleur, la compression avec perte et la télévision à tube cathodique (CRT) sont toutes des applications du paradigme HVS.

On croyait autrefois que les besoins en bande passante de la télévision couleur étaient trop importants pour la technologie existante. La résolution des couleurs du HVS s'est avérée bien inférieure à sa résolution de luminosité, ce qui signifie que le sous-échantillonnage de la chrominance pouvait être utilisé pour presser plus de couleur dans le signal.

Les formats de compression d'image avec perte tels que JPEG en sont une autre illustration. Selon notre modèle HVS, nous ne sommes pas en mesure de distinguer les détails à haute fréquence ; par conséquent, le format JPEG nous permet de quantifier ces pièces sans baisse notable de qualité. Le filtrage d'arrêt de bande est utilisé dans la compression audio pour supprimer les fréquences que les humains ne peuvent pas entendre.

Au cours de notre évolution, lorsque les humains devaient se protéger ou chercher de la nourriture, nous avons adapté plusieurs aspects du HVS. Les propriétés HVS sont fréquemment affichées dans les illusions d'optique.

En raison d'une pénurie de bâtonnets, l'œil humain fonctionne comme un filtre passe-bas. pour afficher les bandes de Mach

Résolution des couleurs inacceptable (moins de cônes dans l'œil humain que de bâtonnets)

Sensibilité au mouvement

une plus grande sensibilité à l'environnement

Voir un animal camouflé a un effet beaucoup plus profond que la simple perception de sa texture.

L'accent peut être mis davantage sur la texture que sur la disparité en 3D.

Reconnaissance faciale intégrée (les bébés sourient aux visages)

Une profondeur de visage inversée d'apparence normale (les traits du visage l'emportent sur les informations de profondeur)

Même avec la bouche et les yeux retournés à l'envers, le visage inversé semble normal.

Le cinéma et la télévision utilisent le scintillement à haute fréquence pour tromper le spectateur en lui faisant percevoir une image continue en exploitant la persistance de la vision.

Afin de créer l'illusion d'une fréquence de scintillement plus élevée, les téléviseurs entrelacés peignent des demi-images.

Diffusion des couleurs (chrominance à la demi-résolution de la luminance correspondant aux proportions des bâtonnets et des cônes dans l'œil)

Compression d'une image (difficile de voir les hautes fréquences, plus durement quantifié)

Estimation du mouvement (utiliser la luminance et ignorer la couleur)

Filigrane et stéganographie

{Fin du chapitre 1}

Chapitre 2 : Compression des données

Dans la théorie de l'information, la compression de données, le codage source et d'autres domaines connexes : Dans le langage courant, un dispositif qui s'engage dans le processus de compression des données est connu sous le nom d'encodeur, tandis qu'un appareil qui s'engage dans l'inverse du processus, c'est-à-dire la décompression, est connu sous le nom de décodeur.

La compression de données est le processus de réduction de la taille d'un fichier de données, et c'est un terme qui est assez souvent utilisé. Le codage source est un processus d'encodage qui a lieu à la source de données d'origine, avant que les données ne soient stockées ou transférées. Ce processus est mentionné dans le cadre de la transmission de données. Il est important de ne pas confondre le codage source avec d'autres types de codage, tels que le codage de canal, qui est utilisé pour la détection et la correction des erreurs, ou le codage de ligne, qui est une méthode pour mapper des données sur un signal.

La compression des données est bénéfique car elle réduit la quantité d'espace et de bande passante nécessaire pour stocker et transférer les informations. Les procédures de compression et de décompression nécessitent toutes deux une quantité importante de ressources de calcul. Le compromis de complexité spatio-temporelle est un élément qui doit être pris en compte lors de la compression des données. Par exemple, une méthode de compression vidéo peut nécessiter un matériel coûteux afin que la vidéo soit décompressée suffisamment rapidement pour être regardée pendant qu'elle est décompressée. De plus, l'option de décompresser complètement la vidéo avant de la regarder peut être gênante ou nécessiter un espace de stockage supplémentaire. Lors de la conception de schémas de compression de données, les concepteurs doivent faire des compromis entre un certain nombre de facteurs différents. Ces facteurs incluent le niveau de compression atteint, la quantité de distorsion introduite (lors de l'utilisation de la compression de données avec perte) et la quantité de ressources de calcul nécessaires