Cybernetics And Systems Analysis logo
Інформація редакції Аннотації статей Автори Архів
Кібернетика та Системний Аналіз
Міжнародний Науково-Теоретичний Журнал
-->

DOI 10.34229/KCA2522-9664.24.6.1
УДК 004.89; 004.93; 159.93

В.П. БОЮН
Інститут кібернетики ім. В.М. Глушкова НАН України, Київ, Україна,
vboyun@gmail.com


ДЕЯКІ АСПЕКТИ ОРГАНІЗАЦІЇ ЗОРОВОГО
АНАЛІЗАТОРА ЛЮДИНИ: КІБЕРНЕТИЧНИЙ ПІДХІД

Анотація. У статті стисло наведено результати попередніх досліджень проблемних аспектів організації та функціонування сітківки ока людини з погляду кібернетики, деякі з них підтверджені моделюванням. Більш детально розглянуто організацію окремих складових зорового аналізатора людини, а саме латерального колінчастого тіла та декількох ділянок зорової кори. Обґрунтовано, зокрема, передавання інформації з різних ділянок сітківки в латеральне колінчасте тіло (ЛКТ), розміщення її в шарах ЛКТ та визначення високодинамічних зон у зображенні для керування саккадами. Показано, що в перепадах яскравості та колірності зберігається інформація про їхню величину, а в мозку є точна прив’язка точок перепаду до типів і місцеположення біполярів з їхніми колбочками на сітківці. Запропоновано функціональну лінійчату організацію архітектури зорової кори мозку для визначення орієнтації ліній у зображенні, що дає змогу провести стиковку ліній однієї орієнтації, виявити різні види руху та оцінити швидкість змін у просторі сцени. Відповідно до ідеї-гіпотези колонкової організації нейронів запропоновано орієнтаційно-колонкову організацію нейронів, що дає змогу визначити в одній точці простору всі можливі орієнтації ліній. Інакше кажучи, це уможливлює визначення кутів, точок дотику і перетину ліній, їхньої орієнтації, координат та розмірів, що є надзвичайно інформативними ознаками для пошуку і розпізнавання об’єктів, побудови каркасу об’єкта, а також його тривимірної моделі (за умови використання інформації з обох очей). Запропоновано ідею щодо відновлення реального зображення сцени за допомогою розфарбовування просторових ділянок зображення з використанням інформації не тільки їхніх контурів, але й реальних значень яскравості із зон foveola та fovea центральної ямки.

Ключові слова: нейрони периферичної сітківки та центральної ямки, on- і off-центри, рецептивні поля, концентрична організація, інформативні ознаки, латеральне колінчасте тіло, стріарна (первинна) зорова кора, орієнтаційно-лінійна та орієнтаційно-колонкова організації нейронів.


повний текст

СПИСОК ЛІТЕРАТУРИ

  • 1. Хьюбел Д. Глаз, мозг, зрение. Москва: Мир, 1990. 239 с.

  • 2. Шиффман Х.Р. Ощущение и восприятие. СПб: Питер, 2003. 928 с.

  • 3. Lauinger N. The human eye: An intelligent optical sensor. Toronto: IFSA, 2014. 410 p. URL: http://www.sensorsportal.com/HTML/BOOKSTORE/Human_Eye.htm .

  • 4. Kolb H. How the retina works. American Scientist. 2003. Vol. 91, N 1. Р. 28–35. URL: https://webvision.med.utah.edu/wp-content/uploads/2011/01/ .

  • 5. Супин А.Я. Нейронные механизмы зрительного анализа. Mосква: Наука, 1974. 180 с.

  • 6. Шевелев И.А. Нейроны зрительной коры. Адаптивность и динамика рецептивных полей. Mосква: Наука, 1984. 220 с.

  • 7. Подвигин Н.Ф., Макаров Ф.Н., Шелепин Ю.Е. Элементы структурно-функциональной организации зрительно-глазодвигательной системы. Ленинград: Наука, 1986. 230 с.

  • 8. Кубарко А.И., Кубарко Н.П. Зрение (нейрофизиологические и нейроофтальмологические аспекты): в 2-х т. Т. 1. Сенсорные функции зрения и их нарушения при заболевании ЦНС. Минск: БГМУ, 2007. 210 с.

  • 9. Кратин Ю.Г., Зубкова Н.А., Лавров В.В., Сотниченко Т.С., Федорова К.П. Зрительные пути и система активации мозга. Ленинград: Наука, 1982. 156 с.

  • 10. Андерсон Д. Когнитивная психология. СПб: Питер, 2002. 496 c.

  • 11. Huang C.-H., Koeppl H., Lin C.-T. A bio-inspired computer fovea model based on hexagonal-type cellular neural networks. Proc. 2006 International Joint Conference on Neural Networks (IJCNN) (16_21 July 2006, Vancouver, BC, Canada). Vancouver, 2006. P. 5189–5195. URL: https://doi.org/10.1109/IJCNN.2006.247271 .

  • 12. Burt P.J. Smart sensing within a pyramid vision machine. Proceedings of the IEEE. 1988. Vol. 76, Iss. 8. Р. 1006–1015. URL: https://doi.org/10.1109/5.5971 .

  • 13. Yamasaki H., Shibata T. A real-time image-feature-extraction and vector-generation VLSI employing arrayed-shift-register architecture. IEEE Journal of Solid-State Circuits. 2007. Vol. 42, N. 9. P. 2046–2053. URL: https://doi.org/10.1109/JSSC.2007.903099 .

  • 14. Шелепин Ю.Е., Бондарко В.М., Данилова М.В. Конструкция фовеолы и модель пирамидальной организации зрительной системы. Сенсорные системы. 1995. № 1. С. 87–97.

  • 15. Priebe N.J. Mechanisms of orientation selectivity in the primary visual cortex. Annual Review of Vision Science. 2016. Vol. 2. P. 85–107. URL: https://doi.org/10.1146/annurev-vision-111815-114456 .

  • 16. Werblin F., Roska B. The movies in our eyes. Scientific American Magazine. 2007. Vol. 296, N 4. P. 72–79. URL: https://doi.org/10.1038/scientificamerican0407-72 .

  • 17. Marr D.A. Vision: Computational investigation into human representation and processing of visual information. San Francisco: W.H. Freeman, 1982. 41 p.

  • 18. Shah S., Levine M.D. Visual information processing in primate cone pathways. I. A model. IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics). 1996. Vol. 26, Iss. 2. P. 259–274. URL: https://doi.org/10.1109/3477.485837 .

  • 19. Benoit A., Caplier A., Durette B., Herault J. Using Human Visual System modeling for bio-inspired low level image processing. Computer Vision and Image Understanding. 2010. Vol. 114, Iss. 7. P. 758–773. URL: https://doi.org/10.1016/j.cviu.2010.01.011 .

  • 20. Боюн В.П. Інтелектуальне вибіркове сприйняття візуальної інформації. Інформаційні аспекти. Штучний інтелект. 2011. № 3. С. 16–24. URL: http://dspace.nbuv.gov.ua/handle/ .

  • 21. Boyun V. Intelligent selective perception of visual information in vision systems. Proc. 6th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Application. (IDAACS”2011) (15–17 September 2011, Prague, Czech Republic). Prague, 2011. Vol. 1. P. 412–416. URL: https://doi.org/10.1109/IDAACS.2011.6072786 .

  • 22. Кирпичников А.П. Глаз как интеллектуальный сенсор. Датчики и системы. 2009. № 12. С. 63–69.

  • 23. Boyun V. Bioinspired approaches to the selection and processing of video information. Proc. 2018 IEEE Second International Conference on Data Stream Mining & Processing (DSMP) (21–25 August 2018, Lviv, Ukraine). Lviv, 2018. P. 498–502. URL: https://doi.org/10.1109/ DSMP.2018.8478541 .

  • 24. Гонсалес Р., Вудс Р. Цифровая обработка изображений. Москва: Техносфера, 2005. 1072 c.

  • 25. Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход. Москва; Санкт-Петербург; Киев: Вильямс, 2004. 928 с. URL: https://z-lib.io/book/14789525 .

  • 26. Boyun V. The principles of organizing the search for an object in an image, tracking an object and the selection of informative features based on the visual perception of a person. In: Data Stream Mining & Processing. DSMP 2020. Babichev S., Peleshko D., Vynokurova O. (Eds.). Communications in Computer and Information Science. Vol 1158. P. 22–24. URL: https://doi.org/ 10.1007/ .

  • 27. Boyun V. Directions of development of intelligent real time video systems. Proc. 2016 International Conference Radio Electronics & Info Communications (UkrMiCo) (11–16 September 2016, Kyiv, Ukraine). Kyiv, 2016. P. 1–7. URL: https://doi.org/10.1109/UkrMiCo.2016.7739640 .

  • 28. Boyun V.P., Voznenko L.O., Malkush I.F. Principles of organization of the human eye retina and their use in computer vision systems. Cybernetics and Systems Analysis. 2019. Vol. 55, N 5. P. 701–713. URL: https://doi.org/10.1007/s10559-019-00181-0 .

  • 29. Боюн В.П. Відеосистеми реального часу з елементами штучного інтелекту. Вісник НАН України. 2021. № 12. С. 77–84. URL: https://doi.org/10.15407/visn2021.12.077 .

  • 30. Боюн В.П. Зоровий аналізатор людини як прототип для побудови сімейства проблемно-орієнтованих систем технічного зору. Материалы Международной научно-технической конференции «Искусственный интеллект. Интеллектуальные системы ИИ-2010» (20–24 вересня 2010, Кацивелі, Україна). Кацивелі, 2010. Т. 1. С. 21–26.

  • 31. Lindsey J., Ocko S.A., Ganguli S., Deny S. A unified theory of early visual representations from retina to cortex through anatomically constrained deep CNNs. arXiv:1901.00945v1 [q-bio.NC] 3 Jan 2019. URL: https://doi.org/10.48550/arXiv.1901.00945 .

  • 32. Baldassano C. Visual scene perception in the human brain: connections to memory, categorization, and social cognition. Thesis (Ph.D.). Stanford University, 2015. URL: http://purl.stanford.edu/hn881py5906 .

  • 33. Rov-Ikpah B. Neural network modeling for brain visual cortex. Thesis (Master of Science). San Francisco State University, California. 2016. URL: https://scholarworks.calstate.edu/ downloads .

  • 34. Robinson A.K., Quek G.L., Carlson T.A. Visual representations: Insights from neural decoding. Annual Review of Vision Science. 2023. Vol. 9. P. 313–335. URL: https://doi.org/10.1146/ annurev-vision-100120-025301 .

  • 35. DiCarlo J.J., Zoccolan D., Rust N.C. How does the brain solve visual object recognition? Perspective. 2012. Vol. 73, Iss. 3. P. 415–434. URL: https://doi.org/10.1016/j.neuron.2012.01.010 .

  • 36. Wohrer A. The vertebrate retina: A functional review. Research Report RR-6532, INRIA. 2008. 186 p. URL: https://inria.hal.science/inria-00280693/PDF .

  • 37. Boyun V.P. The issues regarding the organization of the human retina: A cybernetic approach. Cybernetics and Systems Analysis. 2023. Vol. 59, N 1. P. 1–15. URL: https://doi.org/10.1007/ s10559-023-00537-7.

  • 38. Боюн В.П. Динамическая теория информации. Основы и приложения. Киев: Ин-т кибернетики им. В.М. Глушкова НАН Украины, 2001. 326 с.




© 2024 Kibernetika.org. All rights reserved.