人間の視覚探索における統計的テクスチャおよびGabor特徴量に基づく関心領域の予測

科学分野:

• コンピュータビジョン
• 視覚科学
• 画像解析

背景:

• 人間の視覚探索の理解は、位置不明タスクにおける注意配分にとって重要である。
• Gaborおよびグレイレベル共起行列（GLCM）特徴量は、視覚情報の分析に関連している。

研究 の 目的:

• 初期段階の視覚探索モデリングにおけるGaborおよびGLCM特徴量の関係を調査すること。
• 人間の視線を予測するための特徴量組み合わせパイプラインを開発および評価すること。

主な方法:

• GaborおよびGLCM特徴量を統合した2つのパイプラインを提案した。
• シミュレートされたデジタル乳房トモシンセシス画像を使用してパイプラインを評価した。
• 特徴量の応答を相関させ、予測と人間のアイトラッキングデータを比較した。

主要な成果:

• 特徴量の組み合わせパイプラインは、閾値ベースのモデルオブザーバーと定性的な一致を示した。
• GLCM平均とGabor特徴量の応答との間に強い相関が見られた。
• 予測された視線領域は、初期段階の人間の視線行動と一致した。

結論:

• 構造的（Gabor）およびテクスチャベース（GLCM）の特徴量を組み合わせることで、視覚探索モデリングが強化される。
• 本研究の結果は、注意予測を改善するための知覚的に情報に基づいたオブザーバーモデルの開発を支持する。