3.4 Autocorrélation statistique du signal global de rétine
3.4.3 Analyse des données expérimentales
A l'aide d'une caméra particulière pour laquelle il est possible de sélectionner
des bandes de longueur d'onde de 15 nm, Ruderman et collaborateurs [85]
repro-duisent l'échantillonnage en longueur d'onde réalisé sur des images naturelles par
les cônes. Ils ont vérié que le codage en opposition de couleur permet de réduire
la redondance du signal de couleur pour des signaux réels. A partir d'une analyse
en composantes principales, ils montrent que les images naturelles sont composées
principalement d'une variation de luminance avec une grande variance, puis d'une
variation de bleu moins jaune avec une variance plus faible, et enn une variation
de rouge moins vert avec une très faible variance.
De plus, à partir de ce procédé expérimental, Paraga et collaborateurs [78] ont
vérié que la luminance était en décroissance de type
1=f avec la fréquence
spa-tiale. Ils ont montré que la chrominance dénie par L-M suivait également cette loi.
Cependant, la décroissance semblerait plus forte pour des longueurs d'onde entre
400 et 500 nm que pour les longueurs d'onde entre 520 et 640 nm. Cette
remar-que expliremar-que sans doute pourquoi les récepteurs L et M sont couplés et fortement
présents dans la rétine, car dans les grandes longueurs d'onde, les images naturelles
comportent plus de hautes fréquences spatiales. Une étude de Osorio et Bossomaier
[75] semble également conrmer cette hypothèse.
A partir des travaux de Paraga et collaborateurs [78], nous avons estimé la
statistique des images naturelles couleur. Dans leur étude, Paraga et collaborateurs
ont mesuré 28 images naturelles de taille 256x256 pixels pour 31 bandes spectrales
de 10 nm de largeur de bande, entre 400 et 700 nm, chaque pixel de l'image étant
quantié sur 8 bits. Les images par bandes spectrales sont disponibles sur le réseau
internet [78]. Nous disposons donc de mesures de I
(x;y;
)pour 256 valeurs de x
et de y et 31 valeurs de .
Nous avons tout d'abord cherché à démontrer la stationnarité du signal de
couleur. Un signal est stationnaire si la matrice de corrélation ou de covariance est
une matrice de Toeplitz. Pour calculer la matrice de covariance nous prenons un
ensemble de vecteurs dont les composantes sont les énergies pour chaque bande
spectrale pour une position spatiale. Le vecteur est une carrotte suivant dans la
des réalisations particulières de la variable aléatoire dans l'image. Il n'est pas
possible de construire l'ensemble des vecteurs des 28 images pour les 256x256 pixels
car la quantité de données est trop importante. Nous choisissons au hasard 100
vecteurs dans chacune des 28 images disponibles.
A(
n;
)=I
(x
(n
);y
(n
);
)(3.34)
x;y: séquence de positions aléatoires
n
=1:100La matrice de covariance de
Aest estimée par la relation suivante:
Cov
(1;
2 )=Ek
h ; A(n;
1 ); A(n;
1 ) ; A(n;
2 ); A(n;
2 )T
i(3.35)
Le résultat du calcul de la matrice de covariance montre que le signal
échan-tillonné sur la variable de longueur d'onde n'est pas stationnaire (g. 3.13), car
la matrice n'est pas une matrice de Toeplitz, c'est-à-dire que les valeurs sur les
diagonales de la matrice ne sont pas toutes identiques.
lambda1
lambda2
5 10 15 20 25 30 5 10 15 20 25 30Figure 3.13: Résultat du calcul de la covariance des vecteurs chromatiques. Les données
expérimentales ne permettent pas de montrer la stationarité sur .
Les résultats sont cependant à prendre avec beaucoup de précautions. D'une
part, le nombre d'images n'est pas susant pour établir un résultat général
-able. D'autre part, la sélection de bandes de longeurs d'onde n'est pas une chose
facile. Les ltres sélectifs interposés devant la caméra modient un peu la
struc-ture spatiale de l'image car ils induisent des distorsions spatiales. La sélectivité
des ltres n'est peut-être pas susante et surement pas assez homogène. De plus
l'acquisition de toutes les bandes spectrales n'est pas immédiate, il faut environ 3
à 5 minutes pour acquérir l'ensemble des images, la composition chromatique peut
changer pendant cette durée.
La stationnarité spatiale est généralement admise pour les images naturelles,
nous l'avons également vériée sur ces données. Par contre, la stationarité
chroma-tique n'est pas facile à évaluer. Intuitivement, si l'on considère que les spectres des
objets naturels sont des fonctions continues et lentement variables en fonction de
la longeur d'onde, ils doivent être stationnaires, au moins dans la plage centrale
des longeurs d'ondes visibles. C'est une hypothèse que nous formulerons, sachant
qu'elle doit être testée expérimentalement.
Ensuite nous avons cherché à montrer la séparation de la corrélation en produit
de corrélation spatiale et chromatique. En supposant le signal stationnaire pour les
variables spatiales et chromatique, nous pouvons calculer la corrélation comme la
transformée de Fourier inverse du carré du module de la transformée de Fourier du
signal. Pour eectuer ce calcul nous avons utilisé la transformée de Fourier rapide
(FFT) tridimensionnelle.
RI
(k;
)=iFFT
(jFFT
(I
(k;
))j 2 )=RI
(k)()(3.36)
avec
k=[x;y
]T
Nous avons vérié sur les 28 images que la corrélation peut se décomposer en
produit de corrélation spatiale et chromatique. Bien évidemment, pour en avoir
la certitude, il faut répéter l'opération sur un grand nombre d'images. La gure
suivante montre les deux corrélations obtenues par le calcul sur l'ensemble de la
base d'images à bandes spectrales.
Comme nous l'avons vu, cette propriété nous permet l'étude théorique de
l'autocorrélation statistique du signal composite de la rétine.
0 5 10 15 20 25 30 35 0 10 20 30 40 0.9 1 1.1 1.2 1.3 1.4 x y R(x,y) 0 5 10 15 20 25 30 35 0.96 0.98 1 1.02 1.04 1.06 1.08 1.1 lambda eta 0 5 10 15 20 25 30 35 0 10 20 30 40 2 3 4 5 6 7 8 9 10 11 x 10−5
x
y
Erreur
Figure 3.14: La corrélation spatio-chromatique est décomposable en produit de la
corrélation spatiale et de la corrélation chromatique. A gauche - Corrélation spatiale
RI
(k). A droite - Corrélation chromatique
(). En bas - Moyenne sur de l'erreur
E
=RI
(k;
);RI
(k)()engendrée par la décomposition en produit. Cette moyenne
est très faible,
103.5 Propriétés de l'échantillonnage chromatique
Dans le document
Le traitement du signal chromatique dans la rétine : Un modèle de base pour la perception humaine des couleurs.
(Page 172-176)