Estatísticas locais de bordas fornecem informações sobre bordas de oclusão e de não oclusão em cenas naturais

Bordas em cenas naturais podem resultar de diversas causas diferentes. Neste estudo, investigamos as diferenças estatísticas entre bordas decorrentes de oclusões e de não oclusões (diferenças de refletância, alteração de superfície e sombras projetadas). No primeiro experimento, as bordas em cenas naturais foram identificadas utilizando o algoritmo de detecção de bordas de Canny. Em seguida, observadores classificaram essas bordas como uma borda de oclusão (uma região de uma imagem ocluindo outra) ou uma borda de não oclusão. As bordas de não oclusão foram posteriormente subclassificadas como decorrentes de uma diferença de refletância, uma alteração de superfície ou uma sombra projetada. Descobrimos que as bordas tinham probabilidade igual de serem classificadas como bordas de oclusão ou de não oclusão. Das bordas de não oclusão, aproximadamente 33% foram classificadas como alterações de refletância, 9% como sombras projetadas e 58% como alterações de superfície. Também analisamos propriedades estatísticas locais, como contraste, perfil médio da borda e inclinação das bordas. Encontramos diferenças significativas entre os valores de contraste para cada categoria. Com base nas estatísticas locais de contraste, desenvolvemos um classificador de máxima verossimilhança para rotular bordas de oclusão e de não oclusão. Uma validação cruzada de 80%-20% demonstrou que a classificação humana pôde ser prevista com 83% de acurácia. No geral, nossos resultados sugerem que, para muitas bordas em cenas naturais, existem informações estatísticas locais sobre a causa da borda. Acreditamos que essa informação possa ser potencialmente usada pelo sistema visual inicial para começar o processo de segregação de objetos de seus fundos.