Vas Zoltán Témavezető: Dr. Schanda János Konzulens: Dr. Bodrogi Péter

Mezopos spektrális érzékenységi modell megalkotása vizuális megfigyelések alapján, a mezopos fénysűrűségi tartomány összegezhetőségének kérdése Doktori (PhD) értekezés

Vas Zoltán Témavezető: Dr. Schanda János Konzulens: Dr. Bodrogi Péter

Pannon Egyetem Műszaki Informatikai Kar Informatikai Tudományok Doktori Iskola 2011

Mezopos spektrális érzékenységi modell megalkotása vizuális megfigyelések alapján, a mezopos fénysűrűségi tartomány összegezhetőségének kérdése Értekezés doktori (PhD) fokozat elnyerése érdekében Írta: Vas Zoltán Készült a Pannon Egyetem Informatikai Tudományok Doktori Iskolája keretében Témavezető: Dr. Schanda János Elfogadásra javaslom (igen / nem) (aláírás) A jelölt a doktori szigorlaton…......... % -ot ért el,

Az értekezést bírálóként elfogadásra javaslom:

Bíráló neve: …........................ …................. igen /nem ………………………. (aláírás) Bíráló neve: …........................ …................. igen /nem ………………………. (aláírás) A jelölt az értekezés nyilvános vitáján …..........% - ot ért el Veszprém, …………………………. a Bíráló Bizottság elnöke A doktori (PhD) oklevél minősítése…................................. ………………………… az EDT elnöke

2

Tartalomjegyzék 1

ÖSSZEFOGLALÓ ...................................................................................... 5

1.1

Summary ........................................................................................................................................... 6

1.2

Zusammenfassung meiner Arbeit ................................................................................................... 7

2

BEVEZETÉS............................................................................................... 8

3

ÁTTEKINTÉS ........................................................................................... 10

3.1

Az ember szem felépítése és működése ......................................................................................... 10

3.2

A fénysűrűség, a kontraszt és a láthatósági szint ......................................................................... 20

3.3 Fénysűrűségi tartományok, érzékenységi görbék, CIE 2°-os és 10°-os megfigyelőjének definíciója ................................................................................................................................................. 23 3.4

A három fénysűrűségi tartományhoz tartozó fénysűrűségi érték számításának módja .......... 26

3.5

Korábbi modellek az irodalomból ................................................................................................ 27

3.6

A 3. fejezet összefoglalása .............................................................................................................. 34

4

MEZOPOS FÉNYSŰRŰSÉGI KÍSÉRLETEK ........................................... 36

4.1

A kísérlet során felhasznált eszközök ........................................................................................... 36

4.2

A kísérletben résztvevő megfigyelők ............................................................................................. 39

4.3

Az alkalmazott eljárások, egy megfigyelés menete ...................................................................... 40

5

A KÍSÉRLET EREDMÉNYEINEK FELDOLGOZÁSA, KIÉRTÉKELÉSE. 44

5.1

Modell kialakítása .......................................................................................................................... 49

5.2 Az eredmények kiértékelése .......................................................................................................... 52 5.2.1 A paraméterek analízise .......................................................................................................... 52 5.2.2

Detektálási kontrasztküszöb előrejelzése a CHC2 modellel ................................................... 55

5.2.3

Előre

jelzett

detektálási

kontrasztküszöb

összehasonlítása

irodalombeli

modellek

előrejelzéseivel ...................................................................................................................................... 57

6 TOVÁBBI MODELLEZÉS VIRTUÁLIS STIMULUSOKKAL, HIPOTETIKUS MEGFIGYELŐ ÉS HOMOGÉN HÁTTÉR MEGVILÁGÍTÁS ALKALMAZÁSA MELLETT......................................................................................................... 62 6.1.1

Előre jelzett detektálási kontrasztküszöb értékek a szimulált vizuális céltárgyakhoz............. 64

6.1.2

Láthatóság, láthatósági szintek ............................................................................................... 66

3

7 KÍSÉRLETEK DINAMIKUSAN VÁLTOZÓ HÁTTÉR SPEKTRÁLIS TELJESÍTMÉNY ELOSZLÁS ÉS ÉJSZAKAI VEZETÉSI HELYZETET SZIMULÁLÓ PROGRAM HASZNÁLATÁVAL ................................................ 72 7.1

Eredmények kiértékelése ............................................................................................................... 74

8 TOVÁBBI MODELLEZÉS VIRTUÁLIS STIMULUSOKKAL, HIPOTETIKUS MEGFIGYELŐ ÉS DINAMIKUSAN VÁLTOZÓ HÁTTÉR MEGVILÁGÍTÁS ALKALMAZÁSA MELLETT ............................................................................ 77 8.1

Előre jelzett detektálási kontrasztküszöb értékek a szimulált vizuális céltárgyakhoz ............. 77

9

KONKLÚZIÓ ............................................................................................. 80

10

ÖSSZEFOGLALÓ ................................................................................. 82

11

TÉZISEK ............................................................................................... 83

12

KÖSZÖNETNYILVÁNÍTÁS ................................................................... 85

13

MELLÉKLET ......................................................................................... 86

13.1

A fényt emittáló dióda ............................................................................................................... 86

13.2

A HPS és LED-es fényforrások rövid összehasonlítása .......................................................... 89

14

JELÖLÉSJEGYZÉK ............................................................................. 92

15

IRODALOMJEGYZÉK .......................................................................... 93

4

1 Összefoglaló Kutatásom során a mezopos fénysűrűségi tartományban fellépő nem-additivitás jelenségét vizsgáltam, és megalkottam egy olyan modellt, amely a nem-additivitás okozta számítási eltéréseket minimalizálja. Az MSZ 9620-3 845-03-19 bejegyzése alapján Abney összegezhetőségről szóló törvénye a következőképpen hangzik: „Az a tapasztalati törvény, amely szerint, ha az A és B színinger egyforma világosságú, valamint a C és a D színinger is egyforma világosságú, akkor az A és a C valamint a B és a D additív színingerkeveréke is egyforma világosságú.” [1]. Abney additivitásról szóló törvényénél szorosabb megkötés – és a fénysűrűség meghatározásának alapja – az a tapasztalat, hogy a fénysűrűség kiszámítható spektrális integrálás segítségével. Ez a két állítás azonos színingerek esetén a fotopos és a szkotopos fénysűrűségi tartományban érvényes, de mezopos körülmények között nem teljesül, amit a csapok és a pálcikák kölcsönhatása okoz. A detektálási kontrasztküszöbnek a mezopos tartományban való előrejelzésénél fontos figyelembe venni Abney összegezhetőségről szóló törvényének sérülését, illetve a spektrális integrálás nem alkalmazhatóságát, hiszen minden spektrálisan összetett fényforrás esetén fellép a mezopos tartományban a nem-összegezhetőség problémája. Ez olyan szituációkhoz vezethet, amelyekben bizonyos vizuális céltárgyak nem kerülnek detektálásra. Ez akár veszélyes helyzetekhez is vezethet, gondoljunk csak az éjszakai vezetésre és egy akadályra, amelyet a vezető nem észlel. Kutatásom során számos kísérletet végeztem 10°-os és 20°-os periferiális megfigyelés mellett, illetve további modellezéssel támasztottam alá a megalkotott ún. CHC2 mezopos detektálási modell által szolgáltatott eredményeket. Három, az irodalomból származó modellel – az X, a MOVE és a CIE TC1-58 modellel – is összehasonlítottam a felállított CHC2 kontraszt metrika előrejelzési teljesítményét, amely eredményéül azt kaptam, hogy a fent említett három akromatikus modell előrejelzése némi óvatossággal elfogadható, ennek ellenére a pontos eredmények érdekében a CHC2 modell alkalmazása ajánlott, hiszen ez megoldja a mezopos tartományban a nem-összegezhetőség problémáját, az opponens színi csatornák figyelembevételével.

5

1.1 Summary The aim of my research was to establish an appropriate detection contrast metric in the mesopic luminance range which solves the problem of non-additivity by taking the influence of the chromatic channels into account. The International Lighting Vocabulary 845-03-19 describes Abney’s law about additivity as follows: “An empirical law stating that if two colour stimuli, A and B, are perceived to be of equal brightness and two other colour stimuli, C and D, are perceived to be of equal brightness, then the additive mixtures of A with C and B with D will also be perceived to be of equal brightness” [2]. A tighter restriction than Abney’s law about additivity – the definition of luminance – is that luminance can be calculated by the aid of a spectral integration. These statements hold for photopic and scotopic luminance but in the mesopic range spectral non-additivity occurs, caused by the rod intrusion into the luminance like signal produced by the L- and M-cone receptors. In every mesopic lighting situation, where spectrally composite light sources are used, non-additivity occurs, which can lead to unsafe situations, as some visual targets might remain undetected. For example imagine a night-time driving scenario where the driver is unable to detect a dangerous obstacle. Based on several experiments at 10° and 20° eccentricity, and further theoretical modeling the CHC2 contrast metric was constructed. I compared the prediction performance of the CHC2 contrast metric with models from the literature – the X, the MOVE and the CIE TC1-58 models –. My conclusion is that the predictions of the achromatic models can be accepted for most object chromaticities. If an accurate detection threshold contrast value is needed, the CHC2 contrast metric shall be used because this contrast metric takes not only retinal eccentricity dependence but also the contribution of the chromatic channels to detection into account.

6

1.2 Zusammenfassung meiner Arbeit Der Zweck meiner Forschung war ein adäquates Modell für den mesopischen Bereich zu entwickeln, das die Erscheinung der sogenannten spektralen Nichtadditivität durch Berücksichtigung der chromatischen Kanäle des Sehsystems beschreibt. Das Internationale Lichttechnische Wörterbuch bietet unter 845-03-09 für das Abneysche Gesetz die folgende Definition: „Einem empirischen Gesetz nach, wenn zwei Farb-stimulus, A und B, dieselbe Helligkeit haben, und zwei andere Farb-stimulus, C und D, die auch die gleiche Helligkeit haben, werden auch die additive Farbmischungen von A und C, sowie die von B und D auch äquale Helligkeiten haben“ [2]. Es gibt noch ein engeres Gesetz, als das Abneysche Gesetz: die Leuchtdichte kann mit Hilfe einer spektralen Integration berechnet werden. Diese Gesetze sind unter photopischen und

skotopischen Sehverhältnissen gültig, aber es kann nicht im

Dämmerungssehen verwendet werden, verursacht von der parallelen Aktivität der vier Photoreceptoren: den L-, M-, S-Zapfen und den Stäbchen. Wenn eine spektral komplexe Strahlungsquelle (z.B. eine weiße LeuchtstoffLED) für die Beleuchtung im Dämmerungssehen benutzt wird, wird eine Nichtadditivität auftreten, was dazu führen kann, dass z.B. der Autofahrer einige visuelle Objekte nicht erkennen kann, und so eine unsichere Situation entstehen könnte. Basierend auf dem neuen chromatischen Modell – CHC2 genannt –, habe ich die Resultate von etwa 1500 Experimente – ausgeführt unter 10° und 20° Sehwinkel –, und die von weiteren theoretischen Überlegungen ausgewertet. Heutzutage benutzt man achromatische Modelle – wie X, MOVE und CIE TC158 – um die Vorhersage der Detektion der Kontrastgrenze berechnen zu können. Diese Modelle wenden eine einfache Methode an, um die Kontrastschwellenwerte zu ermitteln. Aus diesem Grund können sie in Messgeräten relativ einfach implementiert werden. Diese Modelle berücksichtigen allerdings weder den chromatischen

Kanäle,

noch

die

Einfluss der

Sehwinkelabhängigkeit

der

Detektionswahrscheinlichkeit. Deshalb habe ich diese Modelle mit dem neu entwickelten CHC2 Modell verglichen, und ich bin zum Ergebnis gekommen, dass die Vorhersage der achromatischen Modelle nur mit Vorsicht akzeptiert werden sollten – und eher nur für foveale Beobachtungen –, aber wenn eine präzise Hervorsage benötigt wird, sollte man das CHC2 Modell verwenden.

7

2 Bevezetés Külvilágunkat érzékszerveinken keresztül vagyunk képesek megismerni. Ezen érzékszervek közül talán az egyik legbonyolultabb – mind működésben, mind felépítésben – a szem, és általa a látás mechanizmusa. A szem pontos működése még mindig rejtély, habár a felépítését már ismerjük. A szem speciális fényérzékelő receptorokkal rendelkezik, melyek segítségével mind éjszaka (pálcikák) mind nappal (csapok) tökéletesen látunk. Ezen érzékelők különbözősége miatt eltérő spektrális érzékenységi görbéket kell használnunk az éjszakai és a nappali viszonyokhoz. Nappali viszonyok között a V(λ) spektrális érzékenységi függvényt használjuk, mely modellezi a csapok működését. A görbének egyetlen maximuma van λ=555 nm hullámhosszúságnál, amely arra enged következtetni, hogy az emberi szem érzékenységének maximuma nappali körülmények között a zöldes színekre a legnagyobb. Éjszakai körülmények között viszont a V’(λ) görbe írja le a receptorok érzékenységét, melynek némileg eltolva alacsonyabb hullámhossztartomány felé, λ =507 nm-nél van a maximuma. Ezen két tartomány között található a mezopos fénysűrűségi tartomány, mely megfelel például a szürkületi-, hajnali- vagy éjszakai járművezetés fényviszonyainak. Ebben a fénysűrűségi tartományban mind a két típusú fotoreceptor aktív, emiatt egy jóval komplexebb jel- és jelfeldolgozó mechanizmusra van szükség a szem működésének megértéséhez. Mind a nappali, mind az éjszakai fénysűrűségi tartományokban érvényes a spektrális integrálás tapasztalati törvénye, amely szerint a fénysűrűség kiszámítható a spektrális integrálás segítségével. Ez a törvény a mezopos fénysűrűségi viszonyok között sajnos nem érvényes, így a nappali- és éjszakai tartományban alkalmazott modellek és variánsaik nem használhatók. Viszont égetően nagy szükség lenne egy precíz modellre, amely az összegezhetőség törvényének figyelembe vételével ezt a fénysűrűségi tartományt leírja, gondoljunk csak a közvilágításban, gépjárműveknél és egyéb területeken használt fehér színű optikai sugárzásra, amely sok monokromatikus hullámhossz keveréke, melynél fellép az összegezhetőség problémája. Az eddig használt modellek figyelmen kívül hagyták az összegezhetőség nem meglétét, ezáltal nem megfelelő a szem e fénysűrűségi tartománybeli érzékenységének megállapítása sem. Az előbb említett tények miatt balesetveszélyes helyzetek állhatnak elő.

8

Disszertációmban leírt munkám célja egy olyan modell megalkotása volt, amely feloldja az összegezhetőség problémáját a mezopos fénysűrűségi tartományban, ezzel elősegítve a nagyobb biztonságot a közutakon, és az energiatakarékosabb fényforrások megalkotását spektrális optimalizáció segítségével.

9

3 Áttekintés 3.1 Az ember szem felépítése és működése Az ember érzékszervei közül talán a szem (oculus) a legfontosabb, felépítése nagyon komplex. Működését rengeteg változó befolyásolja, mint például a tárgyak színe, vetületük mérete a retinán, a környezet fénysűrűsége, az adaptáció ideje, a céltárgy/háttér

kontrasztaránya…

Emiatt

fontosnak

tartom

eme

szervünk

tulajdonságainak ismertetését, a pontosabb érthetőség céljából [3].

1. ábra: Az emberi szem sematikus vázlata [4].

Már az ókorban is ismeretes volt, hogy a látásért a szem a felelős, de működésének és felépítésének megismerése a XX. században vált teljesebbé. Ebben a folyamatban nagy szerepet játszottak Leonardo da Vinci skiccei és feltevései, majd a XVII. században Galileo Galilei és Johannes Kepler lencserendszerrel kapcsolatos kutatásai segítettek a szem működésének teljesebb megértéséhez. A látásért felelős szervünket alkotó szöveteket a következő nagyobb csoportokba oszthatjuk: •

a szemgolyó (bulbus oculi), a fényérzékelő receptor szerv;

•

a látóideg, a látóközpont és a látókéreg. A fény ingerületét a látóideg (nervus opticus), a látókötegen (tractus opticus) át a szubkortikális látóközpontba, majd a látókisugárzás (radiatio optica) útján az agykéreg látómezőjébe juttatja; 10

•

a szem járulékos szervei (organa oculi accessoria): a szemgödör (orbita), a szem pólyái, és izmai (fasciae et mm. bulbi oculi), a szemhéjak (palpebrae), a kötőhártyával (tunica conjunctiva), és a könnykészülék (apparatus lacrimalis).

Az emberi szem nagyon rugalmas szövetből épül fel, a test többi szervéhez képest nagy a fajlagos folyadéktartalma, átlagosan 24 mm átmérőjű, tömege körülbelül 7,5 gramm, a szemüregben helyezkedik el, amelyet 7 kis csont alkot. Mint az 1. ábrán jól látható, a felépítése a következő: •

külső hártya (tunica fibrosa bulbi) főképpen kollagén rostokból álló, merev falú, rugalmatlan védőburok, amely a szemgolyó vázát alkotja. A külső hártya további két részre osztható: •

hátulsó 4/5-ét képező ínhártya (sclera), amely fehér színű, ínszerű szövet

•

elülső 1/5-ét alkotó domború, hasonló szerkezetű, de átlátszó szaruhártya (cornea);

•

középső hártya (tunica vasculosa bulbi), amelynek kötőszövetes szerkezete vékony és laza, erekben valamint pigmentekben meglehetősen gazdag, idegrostok és rugalmas rostok szövik be, valamint némi simaizom sejtet is tartalmaz. Színe feketés-zöld, a fényt elnyeli. Elsődleges feladata a szemgolyó tápanyaggal és oxigénnel való ellátása. Részei:

•

•

az érhártya (chorioidea)

•

a sugártest (corpus ciliare)

•

a szivárványhártya (iris);

belső hártya (tunica interna bulbi), amely a fényingert veszi fel. A pupillán keresztül bejutó fény a középső hártya látóidegfőtől (papilla optica) egészen az ora serrata-ig terjedő részét éri. Ezen a területen találhatók a fényinger felvételére, átalakítására és tovajuttatására szolgáló idegsejteket. Ezt a területet pars optica retinae-nak nevezzük. A sugártestet borító pars ciliaris retinae és a szivárványhártya hátulsó felületén elhelyezkedő pars iridica retinae-hoz nem jut el az optikai sugárzás. Ez a kettő együtt a pars caeca retinae [5].

A szaruhártya átlátszó képződmény, mely az ínhártyában folytatódik. A sclera színe fehér, ez abból adódik, hogy a kötőszöveti rostok szabálytalanul szövik be, tömött

11

szerkezetet létrehozván, illetve ez a régió kevés eret tartalmaz. Ez a szöveti rész nagyon fontos, hiszen ez határolja el a szem többi részét a szemüregtől, illetve a külvilágtól. Az emberi szem a körülbelül λ=380 nm és a λ=780 nm közötti hullámhossz tartományban képes érzékelni a beérkező optikai sugárzást. Ez a sugárzás fénytörést szenved a szaruhártyán majd a szemlencsén, amelynek törésmutatója csak minimálisan tér el a csarnokvíz (humor aquosus) és az üvegtest törésmutatójától. A csarnokvíz állandó cirkulációja tölti be a vér szerepét ebben az átlátszó közegben: tápanyaggal látja el a szemlencsét. Antioxidánsokat, C- és E vitamint, és luteint (C40H56O2) is tartalmaz, ezáltal nagyban hozzájárul a szemlencse védelméhez, amely nagyon érzékeny mind a nagy intenzitásra, mind az UV sugárzásra. Minél nagyobb a beeső optikai sugárzás intenzitása, annál nagyobb a veszélye annak, hogy sérül a szemlencse és/vagy a retina. Erre egy példa, hogy a szem átmeneti/maradandó károsodást szenvedhet el, amikor védelem nélkül nézzük például a napfogyatkozást, vagy bármilyen nagy intenzitású fényforrást, de hasonló a „hóvakságot” okozó effektus is [6]. Hasonlóan mesterséges fényforrások által kibocsátott UV-A és UV-B sugárzás is károsíthatja a szemet [7]. A szemkárosodás nemcsak a nagy intenzitás hatására jöhet létre, hanem a kor előrehaladtával meggyengült védelem – csökken a csarnokvízben oldott, a szemlencse védelméért felelős anyagok mennyisége – miatt akár a hosszabb távú besugárzás által is [8,9,10]. A szemlencse egy természetes változása a sárgulás. Az UV-A és UV-B sugárzás hatására kémiai reakciók mennek végbe a szemlencsében, xanthuren-sav képződik, amely hozzájárul a lencse korai szakaszban való (körülbelül 40 éves kortól) homályosodásához, majd későbbiekben (körülbelül 60 éves kortól) a sárgulásához [11]. Idősebb korban a szemlencse sárgulása miatt a rövidebb hullámhosszú optikai sugárzás kevésbé jut el a retináig. A szemlencse domborúságát a sugárizmok változtatják. Ezen izmok segítségével vagyunk képesek fókuszálni a különböző távolságban levő tárgyakra, és így élesen leképezni azokat a retinára. Szivárványhártyának hívjuk a sugárizmok külső felületét borító szövetet, amely nemcsak a szemünk domináns színét határozza meg, hanem a pupilla átmérőjét is szabályozza a beeső optikai sugárzás erősségének függvényében. A szemünkbe a pupillán keresztül lép be az optikai sugárzás. A beeső fény nagyon jó hatásfokkal nyelődik el, ezért pupillánk egy feketének látszó felületnek tűnik. A pupilla átmérője reflexszerűen alkalmazkodik a szemet érő fénymennyiség változásához, ennek 12

megfelelően az átmérője 2 mm és 8 mm között változhat (2. ábra). Minél nagyobb a megvilágítás, a pupilla átmérője annál jobban csökken, ezt a mechanizmust pupilla kontrakciónak nevezzük. A megvilágítás csökkenése pedig a pupilla átmérőjének növekedéséhez vezet, amit a pupilla dilatációjának nevezünk. Ez a két funkció (kontrakció, dilatáció) a szem megvilágításhoz való adaptációjához járul hozzá. Az adaptáció kontrakció esetén csak pár másodperc, ezzel szemben a dilatációnál ez akár 1 órát is igénybe vehet.

2. ábra: Fényviszonyok és az ehhez tartozó szem-reakciók, érzékenységi tartományok.

A retina a szem legbelső rétege. Itt kezdődik meg a jelfeldolgozás. Ezen réteg egyik kitüntetett része a körülbelül 4° méretű sárgafolt (macula lutea), amely a szem optikai tengelyének irányában található, és a látógödör (vagy más néven a fovea) helye. A sárgás színű pigment hám miatt a csapok jele némileg torzított. A retinán helyezkednek el az optikai sugárzást ideg-ingerületté alakító érzékelők, a csapok és pálcikák. Ezekhez kapcsolódnak az ingerületet primer módon feldolgozó, a lokális gerjesztések között kapcsolatot teremtő sejtcsoportok. Ehhez a szövethez csatlakozik az ingerületet az agy felé elvezető látóidegpályákból álló idegköteg, amely a ganglionsejtek nyúlványaiból áll. A látóideg a vakfoltnál található látóidegfőn keresztül hagyja el a szemet. A vakfoltnál nincsenek fotoreceptorok: a szem folyamatos mozgása és post-retinális jelfeldolgozás segítségével az agyban kitöltődik a tárgytér ezen területéről érkező információ, így nem jelenik meg a látásunkban egy sötét terület.

13

Optikai szempontból a szem lencserendszerrel ellátott, körülbelül 1,25 MPixel-es (a szemből kivezető idegrostok száma miatt) kamerának felel meg, amely a tárgyak kicsinyített és fordított állású képét állítja elő. A cornea és a szemlencse képezi le a retinára a külvilágot. Az optikai sugárzás idegi jelekké történő átalakítását a szemben található fényérzékelő sejtek, a csapok és a pálcikák végzik. Az emberi szem körülbelül 128 millió fényérzékelő sejtet tartalmaz, ebből nagyjából 7 millió csap és 120 millió pálcika. A fennmaradó kb. 1 millió sejt a szem alsó részén található, és kutatások szerint a bioritmus szabályozásában vesznek részt [12]. A nappali fényben – azaz fotopos fénysűrűségi tartományban – az érzékelést a csapok végzik, amelyek ebben a tartományban kitűnően működnek. Három csap fajtát különböztetünk meg: S-, M- és az L- típusút, melyek neveiket a Short-, Middle-, és Long-Wavelenght Sensitive Cones rövidítésekről kapták, és spektrális érzékenységükre utalnak. A fő különbség ezek között, hogy másfajta festékanyag (fotopigment) nyeli el bennük az optikai sugárzást, ezáltal a hullámhossz érzékenységük is eltérő. Az S-típusú csapok a rövid hullámhosszúságú fényre érzékeny színezőanyagot tartalmaznak, ezért ezekkel érzékeljük a kékes színeket. Az M-típusú csapok a közepes, míg az L-típusúak a hosszú hullámhosszúságú optikai sugárzásra érzékenyek. Az előbbi inkább a zöldes, míg az utóbbi a pirosas színű gerjesztésre aktiválódik (3. ábra). Eredetileg az L- és az Mcsapok azonos hullámhossz érzékenységgel rendelkeztek, de a törzsfejlődés során a fotopigmentben

bekövetkező

mutáció

miatt

mostanra

már

különböző

spektrumtartományokra érzékenyek. A csapok által alkotott kép térben is gazdagabb, részletesebb, mint a pálcikák segítségével kapott kép [12,13,14].

Csapok spektrális érzékenysége Relatív spektrális érzékenység

1

L-csap

0,9 M-csap

0,8 S-csap

0,7

Pálcika

0,6 0,5 0,4 0,3 0,2 0,1 0 350

450

550 Hullámhossz (nm)

650

750

14

3. ábra: Az optikai receptorok – L-,M-,S- csapok és a pálcikák – spektrális érzékenysége és topológiája [15]. A pálcikák kis fénysűrűség mellett működnek tökéletesen. Nagy érzékenységgel rendelkeznek, nappali megvilágításnál működésképtelenné válnának, túlterhelődnének, emiatt adaptívan de- illetve reaktiválódnak. Egyetlen típusú fotopigmentet, rhodopsint tartalmaznak, emiatt éjszaka nem vagyunk képesek a pálcikák segítségével színeket látni. A két receptor típus, a csapok és pálcikák, nemcsak a tartalmazott fotopigmentben térnek el, hanem topológiájuk is némileg különböző (3. ábra). A retinán a csapok és a pálcikák eloszlása nem egyenletes, a pálcikák legfőképp a foveán kívül, a csapok pedig a foveában helyezkednek el. A foveától a periféria felé haladva a csapok száma rohamosan csökken, ezáltal ebben a tartományban a pálcikák veszik át az optikai érzékelés mechanizmusát (4. ábra). A csapok eloszlása a foveában sem egyenletes: a centrális részében (foveola) csak L- és M-típusú csap van, míg a foveolán kívül megjelennek az S csapok is. Ezek aránya a retinán 38:20:1 (L:M:S) körüli.

4. ábra: Csapok és pálcikák eloszlása a retinán, illetve az L-, M-, és S- csapok térbeli eloszlása a foveolában, azaz a fovea centrális részében [16].

A csapok és pálcikák a retina külső szegmensében helyezkednek el, ezek nyelik el az optikai sugárzást és bonyolult biokémiai folyamatok eredményeképpen elektromos jeleket állítanak elő belőle. A jelek átalakítását és továbbítását a pálcikákban és csapokban az e feladatra specializálódott sejtszervek látják el. A jelek a sejtszervek másik pólusán, a szinaptikus végződéseken át haladnak a retina egyéb idegsejtjei (a bipoláris és horizontális sejtek) felé. A jeltovábbítást kémiai transzmitterek teszik lehetővé.

15

A szemből kivezető látóidegek száma hozzávetőlegesen 1,25 millió, ami arra enged következtetni, hogy nem minden pálcika és csap ingerületét továbbítja egymástól függetlenül a látóidegköteg az agy felé. Ezért a retinán a primer ingerületeket a bipoláris-, amakrin- és ganglion sejtek feldolgozzák. Nagyon valószínű, hogy a foveolában elhelyezkedő minden egyes csapból érkező jelet független idegszál továbbítja az agyba. Ugyanakkor a periférián elhelyezkedő pálcikák jele összegződik, mielőtt az agyba továbbítanák az idegpályák a jelet. A retinán így egy bonyolult jelfeldolgozási folyamat megy végbe. Ezt a folyamatot további post-retinális – a retina utáni – jelfeldolgozás követi, mely a kereszteződésben, az ikertestben és a cortexben megy végbe [16,17]. A retinára érkező fény a csapokon és a pálcikákon elektromos jelekké alakul, de mielőtt az agy látóközpontjába érkezne, további feldolgozáson megy keresztül. Ebben a szakaszban kerül értelmezésre a színi információ, valamint a kép az idegsejtek által élekre, vonalakra, formákra, tónusokra, foltokra való felbontása. Ez a feldolgozás részben a retina szintjén jön létre, részben a kereszteződésben (chiasma opticum) és az ikertestekben (corpus geniculatum laterale). A kereszteződésben történik az észlelt tárgyak térbeli elhelyezése (stereopsis). A kereszteződött idegrostok ebből a szövetből haladnak tovább az ikertestek felé, melyekben további jelfeldolgozás megy végbe. A csapok jeleinek egy lehetséges feldolgozásmódját Young és Helmholtz kutatómunkásságához köthetjük, ami kimondja, hogy a három receptor típus neurális jeladásának gyakorisága az optikai sugárzás spektrális eloszlásától függ. Sajnos ez az elmélet a működés egészét hiányosan és részben hibásan írja le, viszont a receptorok működését helyesen [18]. Ezen elgondolást a leginkább Hering ellenezte. Szerinte a látási folyamatot nem a csapjelek segítségével írhatjuk le helyesen, hanem az őáltala „négy ősszín”-nek nevezett színek segítségével, melyek a piros, a zöld, a kék, és a sárga illetve az akromatikus jel (fehér vagy fekete). Az ősszínek és az akromatikus színpár összességében három, úgynevezett antagonisztikus színpárt alkot. Ezen elmélet azt feltételezi, hogy az antagonisztikus színpárok színei nem jelennek meg egyidejűleg, tehát nem létezik sárgás kék, pirosas zöld (s persze fordítva) (5.a ábra).

16

Relatív spektrális érzékenység

Az opponens színcsatornák jeleinek abszolút értéke 1

L+M

0,9

L-M

0,8

L+MS

0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 350

400

450

500 550 600 Hullámhossz (nm)

650

700

750

5.a ábra: Hering antagonisztikus színpárjai, 5.b ábra: Opponens színi csatornák, 5.c ábra: A kromatikus- illetve akromatikus csatornajelek értéke [20].

A színes látásért felelős csapok – L, M és S – jelei Young-Helmholtz és Hering opponens elmélet alapján különbségi jelekként indulnak az agy felé [19]. Kettő, a színi információkat továbbító, azaz kromatikus csatornapár, és egy akromatikus csatornapár létezik (5. b és 5. c ábra). Az egyik színi csatornapáron az L- és az M-csapok jeleinek különbsége (L-M) illetve (M-L), a másikon az L-, M-csapok összegének és az S-csapok jeleinek különbsége ((L+M)-S) (pontosabban: (S-L) és (M-S)) halad tovább az ikertestek felé. Az (L-M)/(M-L) jelkülönbség az egyik (kromatikus) antagonisztikus színpárnak megfelelően megmutatja, hogy a jelben mekkora a piros illetve a zöld színek aránya, míg a másik (kromatikus) antagonisztikus színpár a sárga és kék színek arányát mutatja az 5. b és 5. c ábra. Az opponens színeket egymás terhére észleljük. Ezek a kromatikus különbségi jelek megakadályozzák, hogy redundáns spektrális információ kerüljön az agyba az átlapolódó spektrális érzékenységű csapokból. Ez az átlapolódás jól megfigyelhető a 3.a ábrán. Az L- és az M-csapjelek (bizonyos elméletek szerint az

17

S-csapok jele is szerepet játszik az összegzésben) összege halad a harmadik, akromatikus

csatornapáron,

szomszédos

retinális

tartományokból

képezve

antagonisztikus jellegű információt. Az emlősöknél a ganglionsejtek túlnyomó része úgynevezett receptív mezővel rendelkezik, amelyek körülbelül 90%-a az L- és M-csapok által szolgáltatott neurális jeleket fogadja. A receptív mezők koncentrikusan helyezkednek el. Az a tény, hogy körülbelül 130 millió fotoreceptor hozzávetőlegesen 1,25 millió ganglionsejthez kapcsolódik (a látóideg a ganglionsejtek nyúlványaiból áll), jelentős konvergenciát feltételez, azaz számos fotoreceptor kapcsolódik egy adott ganglionsejthez. A konvergencia pálcikák esetén jelentősebb, mint a csapoknál: nagyobb területről szolgáltatnak a hozzájuk tartozó ganglionsejtnek információt, így kisebb mennyiségű fényre is jól reagálnak (a jelek összegződése miatt). A konvergencia térbeli összegződéshez vezet: több fotoreceptor által érzékelt optikai sugárzás keltette ingerület összegződik a ganglionsejtben. A pálcikákhoz kapcsolódó ganglionsejtekben nagyobb a térbeli összegződés, emiatt kisebb inger is nagyobb reakciót válthat ki. Ellenben a csapokhoz kapcsolódó ganglionsejtekben viszont kisebb a térbeli összegződés, emiatt pontosabb információt szolgáltat sötét és világos változásairól, élekről: vagyis az éleslátásért lesz felelős. Ezek a receptív mezők átlapolódóak is lehetnek, illetve mindig egy központi foltból, valamint egy azt körülvevő sávból, körgyűrűből állnak. A mezőket L- és M- vagy L-, M- és S-típusú csapok alkotnak. Egy (L-M)/(M-L) receptív mező középpontja L/(M) csapokból áll, a körgyűrű pedig M/(L) csapokból. A nyugalmi állapotban levő receptív mező közepes frekvenciájú jelet ad. Ha a receptív mező középpontját – L-csapok esetén – hosszú hullámhosszú optikai sugárzással ingereljük, az nagy jelfrekvenciával, a körgyűrű – M-csapok esetén – ugyanilyen ingerekre kis frekvenciás jellel reagál. Ebből következik, hogy ha a receptív mező középpontját egy pontszerű, hosszú hullámhosszú inger éri, akkor a mező nagy frekvenciájú jellel reagál, ezzel szemben, ha ugyanez az inger a körgyűrűt is lefedi, akkor a receptív mező válasza csak kicsivel lesz a nyugalmi állapot felett, hiszen a körgyűrű az ingerre alacsony jelfrekvenciával reagál. Ezt a jelenséget laterális gátlásnak nevezzük. A legnagyobb frekvenciájú jelet akkor kapjuk, ha a receptív mező középpontját hosszú-, a körgyűrűt rövid hullámhosszú optikai sugárzással ingereljük. Ez a folyamat alapozza meg retinális szinten a homogén felületek és azok éles színi kontúrjainak detektálását. A receptív mezők jellegzetességeivel magyarázható több vizuális illúzió, így például a Hermannrács – sötét rácsháló találkozási pontjaiban világos foltok illúziója, amit a sarkoknál a 18

gátló körgyűrű nagyobb ingerlése okoz – a Mach-sávokat – egyre sötétedő sávok találkozásánál, az adott sáv sötétebb felé eső széle világosabbnak tűnik –. A receptív mező mérete változik a retina területén: a foveában vannak a legkisebb receptív mezőjű sejtek, a periféria felé haladva növekszik az egyes ganglionsejtek receptív mezője. A receptív mezők tovább bonthatók Be és Ki jellegű csoportokra. A két csoport között az alapvető eltérés az, hogy eltérően reagálnak az ingerlés növelésére és csökkenésére, és a nem ingerelt állapotukban – sötétben – eltérő a tüzelési frekvenciájuk. Sötétben a Be típusú csoportok gyengén gátoltak, a Ki típusú csoportok jelfrekvenciája nagyobb sötétben, mint a Be csoportoké. Ezek alapján megkülönböztetünk (L-M; M-L; L, M és S kombinációjából álló) Be-, illetve Ki típusú csoportokat. Ezek alapján feltételezhetjük, hogy a vizuális céltárgyak észlelt színét befolyásolja a háttér színe is. [21, 22, 23]. Hering elmélete meglehetősen jól írja le a színlátást, bár ez az elképzelés sem teljes. Az ikertestek reléként működnek a szem és a látókéreg között. Az ikertestekben tükröződik a jel kiindulási helye. Három jól megkülönböztethető sejtstruktúrát találunk itt: a magnocelluláris (MC)-, a parvocelluláris (PC)- és a koniocelluláris (KC) réteget. A MC réteg sejtjei nagyobbak, mint a PC vagy a KC réteg sejtjei, emiatt a jelterjedés sebessége is nagyobb, körülbelül 15 m/s (míg a PC/KC rétegnél ez ennek közel fele, 6 m/s figyelhető meg). A magnocelluláris rétegben történik az akromatikus (L+M) jelek továbbítása, részleges helyi feldolgozása. Az MC sejtjei felelnek a fénysűrűségnek megfelelő észleletért. A PC réteg sejtjei felelősek a kromatikus (L-M)/(M-L) információk továbbításáért. A KC réteg sejtjeinek felépítése nagyban hasonlít a PC réteg sejtjeire, ezáltal jelterjedési sebessége szintén 6 m/s körül alakul. A KC réteg feladata az (S-L) és az (M-S) jelek továbbítása. Mind a PC-, mind a MC réteg jelei a lateral geniculate nucleus-ba (LGN) jutnak, további feldolgozásra, míg a KC jelei az LGN rétegei közötti részbe juttatja az információt. A retinán elhelyezkedő ganglionsejtek hozzávetőlegesen 10%-a a MC réteget, körülbelül 80%-a a PC és a KC rétegeket alkotja, a fennmaradó 10% feltehetően a pupillareflexekért lehet felelős (más elméletek szerint a fényérzékeny ganglionsejtek szabályozzák a pupilla méretet).

19

6. ábra: Az ingerület útja az agy felé [20].

Az ikertestekbe befutó idegköteg (tractus opticus) rostjainak nagy része átkapcsolódik a látókisugárzás (radiatio optica) rostjaira, melyek a látókéreghez továbbítják a beérkezett ingereket (6. ábra). A cortex-ben fejeződik be az észlelet feldolgozása. Az agyban tárolt információk alapján itt alakul ki a végleges kép, mivel a cortex kapcsolatban van az agy többi részével is. Az agyi leképezés folyamata által alakul ki a látott alakzat mentális képe, a már eltárolt forma-, mozgás-, szín-információ alapján. Ezután asszociációk alakulnak ki a már ismert jelenségek vagy tárgyak képével.

3.2 A fénysűrűség, a kontraszt és a láthatósági szint A fénysűrűség (angolul luminance, németül Leuchtdichte, jele L) fotometriai mennyiség, amelynek definíciója: adott irányban, a fényforrás vagy a megvilágított felület vagy a fénynyaláb adott pontjában:

Lv =

∂I e . ∂A cos ε

(1)

Tehát a felület egy adott pontjából kiinduló fényerősségnek és a felület erre merőleges vetületének hányadosa, SI mértékegysége: [L]=cd/m2 (régebben ennek az egységnek külön nevet is használtak, a „nit” megnevezést). A világítástechnikai tervezés alapvető mennyisége, mivel szemünk ezt érzékeli. Néhány sugárzó fénysűrűsége •

Nap felülete: L=1,5*109 cd/m2 ;

•

gyertyaláng: L=8*102 cd/m2 ;

20

•

átlátszó burájú izzólámpa : L=1,5*107 cd/m2 ;

•

fénycső (d=38 mm): L=104 cd/m2.

A fénysűrűség értékét kiszámíthatjuk akár a CIE (Commission Internationale de l’Eclairage – Nemzetközi Világítástechnikai Bizottság), Y tristimulusos értéke segítségével is, mivel a nemzetközi bizottság úgy határozta meg a három szabványos színinger-megfeleltető

függvényt,

hogy

önvilágítók

esetében

a

fénysűrűség

megegyezzék az Y értékével. Tárgyak láthatóságát a háttértől eltérő fénysűrűség (esetleg szín + fénysűrűség) teszi lehetővé. A kettő közötti különbség – azaz a céltárgy és a háttér fénysűrűségének különbsége – a kontraszt. Létezik szubjektív és objektív kontraszt. Szubjektív kontraszt, a látómező két vagy több, egyidejűleg vagy egymás után látott része közötti megjelenésbeli különbség értékelése (így megkülönböztetünk világosság-, relatív világosság-, szín-, szimultán- és szukcesszív kontrasztot stb.). Objektív a fénysűrűségkontraszt, mely a világosságkontraszt megfelelője, amit például a C = ∆L/L formában számíthatunk ki. Így, ha a tárgy fénysűrűsége L1, a háttéré L2

∆L = L1 – L2 ,

(2)

ahol ∆L a fénysűrűség különbséget jelöli. Továbbá még használatos a Michelson kontraszt is, ahol

C=

∆L 2( L1 − L2 ) , = Látlag L1 + L2

(3)

Dolgoztomban a világítástechnikai irodalomban szokásos

C=

Lcéltárgy − Lháttér Lháttér

,

(4)

21

leírást használtam, ahol C jelöli a számolt kontraszt értékét, Lcéltárgy a vizuális céltárgy, Lháttér a háttér spektrális teljesítmény eloszlásához (továbbiakban SPD – Spectral Power Distribution) tartozó fénysűrűségeket jelöli, amelyek a tradicionális módon, spektrális integrálással – V(λ) fotopos spektrális érzékenységi görbét használva (11). egyenlet – határozhatók meg. A későbbiekben pontos bemutatásra kerülő saját modellben – a CHC2 modellben – felhasznált kontrasztokhoz minden fotoreceptorhoz külön meg kell határoznunk ezeket az értékeket a következő módszerrel:

CL =

∆L ∆M ∆S ∆R , CM = , CS = , CR = , Lb Mb Sb Rb

(5)

ahol L-, M-, S- a csapok, R- pedig a pálcikák spektrális érzékenységét leíró függvényeket jelölik. A receptorok alsóindexében szereplő b jelzi a háttér (b: background) spektrumával, a ∆ pedig az inkrementummal1 súlyozott értékeket, amelyeket a következőképpen számíthatjuk ki:

780

780

∫ L(λ )χ (λ )d(λ ) , ∆L = ∫ L(λ )∆χ (λ )d(λ ) ,

Lb =

b

380 780

Mb =

∫

M (λ )χ b (λ )d(λ ) , ∆M =

380 780

Sb =

∫

S (λ )χ b (λ )d(λ ) , ∆S =

380 780

Rb =

∫

380

(6)

380 780

∫ M (λ )∆χ (λ )d(λ ) ,

(7)

380 780

∫ S (λ )∆χ (λ )d(λ ) ,

(8)

380

R(λ )χ b (λ )d(λ ) , ∆R =

780

∫ R(λ )∆χ (λ )d(λ ) .

(9)

380

Ezen eljárással a fotoreceptorok háttér SPD ingeréhez való egyenkénti adaptációja valósítható meg, ezáltal egyik receptor-adaptáció sem függ a többi receptor adaptációjától. A modell számításának további lépéseit később mutatom be. A láthatósági szintet (visibility level) az határozza meg, hogy egy adott vizuális céltárgy kontrasztja mennyivel van a detektálási kontrasztküszöb felett:

22

VL =

∆Lcéltárgy ∆Lküszöb

(10)

ahol a ∆Lcéltárgy jelöli a vizuális céltárgy és a háttér fénysűrűség különbségét, ∆Lküszöb pedig azt a minimális fénysűrűség különbséget jelöli, amely a vizuális céltárgy detektálásához szükséges.

3.3 Fénysűrűségi tartományok, érzékenységi görbék, CIE 2°-os és 10°-os megfigyel őjének definíciója Egy nap fénysűrűség szerint három részre osztható fel: nappali (fotopos), éjszakai (szkotopos), és az e kettő között elhelyezkedő szürkületi (mezopos) tartományra. A világosban látás, azaz fotopos fénysűrűségi tartomány alsó határa L=10 cd/m2, felső határa pedig L=105 cd/m2 (ezen érték felett már közvetlen káprázási hatás lép fel). Ilyen viszonyok között a retinán a csapok aktívak, amelyek segítségével színekben és részletekben gazdag képet tudunk észlelni. Az ehhez a tartományhoz tartozó, villogásos fotometria segítségével meghatározott spektrális érzékenységi görbét V(λ)-val jelöljük – MSZ 9620-01 845-01-22 által definiálva – (7.a ábra), melyet a CIE 1924-ben fogadott el [24]. Mint ahogy az a 7. ábrán is jól látható, a haranggörbére (Gauss-görbére) hasonlító függvény egyetlen maximummal rendelkezik, λ=555 nm hullámhossznál. Az évek során több kutatócsoport is vizsgálta a V(λ)-t, és több korrekciót is javasoltak (magát a V(λ)-t nem változtatták meg). Az egyik ilyen módosítást 1951-ben Judd és munkatársai javasolták, melyet a CIE 1990-ben el is fogadott, és VM(λ)-ként jelölték meg (7.a ábra) [25]. Ez a görbe a rövidebb hullámhosszú régiókban sokkal precízebben írja le a fotopos villogásos fotometriai spektrális érzékenységet, mint az eredeti V(λ) görbe. Majd 2002-ben Sharpe és Stockman újabb módosításokat javasoltak, és az így megalkotott függvényt V*(λ)-val jelölik (7.a ábra) [26]. 2009-ben, a CIE Budapesten rendezett konferenciáján, újabb módosítást mutattak be, amely minimálisan tér el a 1

Inkrementum alatt azt értem, hogy a kísérlet során egyenletes háttérvilágítást hoztam létre, melyre eltérő színképű kis járulékos fényfoltot vetítettem; ezen járulékos fényfolt színképét jelöli az inkrementális SPD.

23

korábbi, 2002-es görbétől, a hosszabb hullámhossztartományban [27]. A V*(λ) spektrális érzékenységi görbe talán a legpontosabb ezen függvények közül.

A V(λ) és a VM(λ)

1

0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1

0,7 0,6 0,5 0,4 0,3 0,2

0 350

400

450

500 550 600 Hullámhossz (nm)

650

700

750

350

A V(λ) és a V*(λ) 2008-as változata

1

Relatív spektrális érzékenység

0,7 0,6 0,5 0,4 0,3 0,2

550 Hullámhossz (nm)

650

750

A V(λ) és a V*(λ) 2002-es változata 1924 V(λ)

0,9

2008 V*(λ)

0,8

450

1

1924 V(λ)

0,9 Relatív spektrális érzékenység

1951 V'(λ)

0,8

0,1

0

0,1

2002 V*(λ)

0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1

0

0 350

450

550 Hullámhossz (nm)

650

750

350

A V(λ) és a V10(λ)

1

450

550 Hullámhossz (nm)

650

750

A V*(λ) 2002-es és 2008-as változata

1,0

1924 V(λ)

0,9

2002 V*(λ)

0,9 1964 V10(λ)

0,8 0,7 0,6 0,5 0,4 0,3 0,2

Relatív spektrális érzékenység

Relatív spektrális érzékenység

1924 V(λ)

0,9

Relatív spektrális érzékenység

Relatív spektrális érzékenység

1951 VM(λ)

A V(λ) és a V'λ)

1

1924 V(λ)

0,9

2008 V*(λ)

0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1

0,1

0,0

0 350

2,50

450

550 Hullámhossz (nm)

650

750

350

400

450

500 550 600 Hullámhossz (nm)

650

700

750

Relatív spektrális érzékenység

CIE 2°-os és CIE 10°-os megfigyelő színinger-megfeleltető függvényei x(λ) 2° y(λ) 2°

2,00

z(λ) 2° x(λ) 10°

1,50

y(λ) 10° z(λ) 10°

1,00

0,50

0,00 350

400

450

500 550 600 Hullámhossz (nm)

650

700

750

7.a ábra: A VM(λ), a V’(λ), a 2002-es V*(λ), a 2008-as V*(λ) és a V10(λ) spektrális érzékenységi görbék a V(λ) spektrális érzékenységi görbéhez viszonyítva illetve a Sharpe és Stockman féle V*(λ) függvény 2002-es és 2008-as változatának összehasonlítása, 7.b ábra: CIE 2°-os és CIE 10°-os megfigyelő színinger-megfeleltető függvények-, a megfigyelési szögek összehasonlítása

24

Itt szeretném megjegyezni, hogy a V(λ) görbe 1924-es változata egy hibrid függvény, melyet több kutató – eltérő kísérleti körülményeiből származó – adataiból állítottak össze, mesterségesen simították és szimmetrikussá tették. Ezen 1924-es V(λ) görbe zömmel Gibson és Tyndall 1923-as kutatásaira vezethető vissza, és annak ellenére, hogy az eredményeik nem voltak teljesen reprezentatívak mégis ez lett a V(λ) függvény alapja [28]. A CIE 1951-ben fogadta el az éjszakai – azaz szkotopos – fénysűrűségi viszonyokra érvényes spektrális érzékenységi görbét, a V’(λ)-t (7.a ábra) [29]. Szkotopos tartományról beszélünk, ha a fénysűrűség L=10-3 cd/m2 érték alatt marad. Ilyen viszonyok között a szemben a pálcikák az aktív fotoreceptorok, melyek egyfajta fotopigmentjük miatt csak színtelen képet tudnak szolgáltatni. A V(λ) függvény alakjához hasonlóan, a V’(λ) görbe alakja is Gauss-görbéhez hasonlít, amelynek maximuma λ=507 nm hullámhossznál van. A fent említett spektrális érzékenységi görbék a CIE által definiált 2°-os megfigyelő eljárás alkalmazásával készültek el. A CIE 2°-os megfigyelő jelentése a következő: az optikai sugárzás a szem foveális részének közepére esik, mégpedig úgy, hogy a látótengellyel maximálisan 1°-os szöget zár be [25]. Ez a 2°-os körlap tehát a szem azon részére esik, ahol a legnagyobb a fovea felbontóképessége (sárgafolt- macula lutea). A CIE felismerte, hogy vizuális megfigyelések esetén gyakran a 2°-osnál nagyobb szögre van szükség, emiatt definiálták a CIE 10°-os megfigyelőt is, amely a szög nagyságát kivéve megegyezik a CIE 2°-os megfigyelő definíciójával (7.b ábra). Emiatt a CIE 1964-ben megalkotta a V(λ) görbe 10°-os változatát, a V10(λ)-t, amely egy ajánlás a 2°-nál szélesebb látószögű megfigyelések, vagy periferiális látás végzésére (7.a ábra) [30]. A szem érzékenységének átmenetét a fotopos fénysűrűségi tartományból a szkotopos fénysűrűségi tartományba (vagy fordítva), Purkinje effektusnak, vagy Purkinje eltolódásnak hívják. Ezt a jelenséget Jan E. Purkyně fedezte fel 1819-ben. Megfigyelte, ahogy csökken a fénysűrűség, a retina érzékenysége egyre jobban eltolódik a spektrum kékes tartománya felé. A jelenség oka a következő: a csapok kevésbé érzékenyek, mint a pálcikák, emiatt fotopos fénysűrűségi viszonyok között a pálcikák nem továbbítanak jelet, mert nagy érzékenységük miatt túlterhelődnének. De

25

amint csökken a fénysűrűség, a pálcikák érzékelésre való befolyása egyre nő, a csapoké egyre elhanyagolhatóbbá válik [31,32]. A Purkinje effektus valahol a két fénysűrűségi tartomány között megy végbe, és ezt az intervallumot hívjuk mezoposnak. Alsó határa körülbelül L=10-3 cd/m2 értéknél van, felső határa függ az optikai sugárzás retinális pozíciójától: L=3 cd/m2 és L=10 cd/m2 között van. A mezopos tartományban mind a csapok mind a pálcikák aktívak, ami egy jóval bonyolultabb jelhalmazt eredményez, mint ami a szkotopos vagy akár a fotopos tartományban észlelhető. Több kutatócsoport vizsgálta és vizsgálja napjainkban is a szem érzékenységét ilyen viszonyok között.

3.4

A három fénysűrűségi tartományhoz tartozó fénysűrűségi

érték számításának módja A 3.2-es fejezetben leírtak szerint, a fénysűrűség értéke önvilágítók esetén egyenlő a CIE tristimulusos értékek közül az Y értékével. Tehát ezek szerint a fénysűrűség a következő módon is számítható: 780

Y=L=k

∫380 S ( λ)V ( λ)dλ ,

(11)

ahol S(λ) jelöli a fényforrás spektrális teljesítmény eloszlását, V(λ) pedig a világosban, azaz a fotopos látáshoz tartozó spektrális fényhatásfok görbe, k egy súlyozó tényező (az elérhető maximális fényhasznosítást jelenti), amely k=683 lm/W. A spektrális integrálást az optikai sugárzás látható tartományában végezzük el. Az itt leírt egyenletben V(λ) láthatósági görbe szerepel, ami miatt ezt a fénysűrűségi értéket csak fotopos körülmények között lenne szabad használni. Emiatt ezt az értéket Lp-val jelölöm a továbbiakban. Ha a V(λ)-t az egyenletben V’(λ)-ra cseréljük, akkor a szkotopos fénysűrűségi tartományhoz tartozó fénysűrűséget tudjuk meghatározni: 780

Ls=k

∫ S ( λ)V' ( λ)dλ ,

(12)

380

26

ahol a jelölésben az s index jelöli, hogy a szkotopos látásra vonatkozik, Ls. Ebben az egyenletben k értéke nem 683 lm/W, mint ahogy az Lp egyenletében szerepelt, hanem k=1699 lm/W. A mezopos látási viszonyoknál ez az egyenlet nem használható, mert nem áll rendelkezésre a mezopos tartományban érvényes láthatósági görbe. Emiatt több módszert is kidolgoztak a mezopos fénysűrűségi tartományban használható Lmes számítására. A továbbiakban az irodalomban található jelentősebb kutatásokat tárgyalom, melyek mérföldkőnek tekinthetők a szürkületi látás vizsgálatában, illetve egy megfelelő fénysűrűség számítási módszer kialakításában [33].

3.5 Korábbi modellek az irodalomból A mezopos fénysűrűségi tartományt modellező függvények alapvetően három fő kísérlettípus köré épültek. Az egyik ilyen módszer a heterokromatikus világosságegyeztetés (heterochromatic brightness matching), ami azt jelenti, hogy egy körlap egyik felén egy teszt stimulus jelenik meg (valamilyen hullámhosszon), melynek fénysűrűségét a kísérleti személy addig állíthatja, míg az meg nem egyezik a körlap másik felében megjelenített összehasonlító, referens ingerrel (amely általában a vizsgált fénysűrűségi szintnek megfelelő szürke). A második a heterokromatikus villogtatásos fotometria (heterochromatic flicker photometry). Ebben a kísérlettípusban egy adott helyre vetül a két stimulus, amely általában kör alakú. Az egyik jel a sztenderd (általában –hasonlóan a heterokromatikus világosságegyeztetéshez- ez közepesen világos szürkét jelent), a másik pedig egy monokromatikus, amely a teszt stimulus. A két jel felváltva jelenik meg. A megfigyelő feladata először olyan villogtatási frekvencia (minimal flicker frequency) beállítása, melynél a két stimulus színét már nem tudja megkülönböztetni, csak pulzálást képes érzékelni. Ezen a frekvencián a teszt stimulus értékét addig állítja a megfigyelő, amíg villogási minimumot nem érez. A monokromatikus teszt stimulus ezen esetben mért sugársűrűségéből számítható a szürke referens stimulussal megegyező fénysűrűség. A

27

monokromatikus teszt stimulusokra vonatkozó színképi érzékenységet ezen értékek reciprokaként kapjuk, a maximális érzékenységnél mért értékhez viszonyítva. A harmadik – egyben talán a mezopos fénysűrűségi tartományban a legfontosabb – módszer csoport a vizuális teljesítmény alapú megfigyeléseken alapul (visual performance based observations). Ilyen típusú kísérletek által meghatározott vizuális érzékenységi görbék alakja eltér a heterokromatikus világosságegyeztetéses vagy a villogtatásos fotometria segítségével meghatározott görbék alakjától. A különbség oka az eltérő megfigyelési feladatokban keresendő. A vizuális teljesítmény alapú megfigyelésekben a háttér előtt éppen észlelhető (a háttértől megkülönböztethető) jel, észlelési küszöbének meghatározása a feladat. Három altípusa a következő: •

észlelés (detection): a megfigyelő feladata a céltárgy legkorábbi észlelése (tipikus ilyen helyzet: vezetés közben az úttest szélén mozgó céltárgyak észrevétele);

•

felismerés (recognition): a kísérleti személy feladata nem csak a céltárgy detektálása, hanem annak felismerése (tipikus ilyen feladat: vezetés közben az úttest szélén elhelyezett útjelző táblák tartalmának felismerése);

•

reakcióidő (reaction time): a céltárgy megjelenése és a megfigyelő reakciója között eltelt idő meghatározása (tipikus ilyen feladat: vezetés közben valamilyen akadály észlelése és a kiváltott reakció közötti idő) [34,35].

A három kísérlettípust használó legjelentősebb kutatások a következők. David Allan Palmer volt az első, aki 1967-ben [36] kísérleteiben heterokromatikus világosságegyeztetést használt, 15°-os céltárgyakkal és 21°-os környezettel. TCCT=2042 K korrelált színhőmérsékletű fehér színű fényt egyeztetett monokromatikus sugárzásokkal. Miután sikerült egyeztetni a két stimulus világosságát, Palmer kiszámította mind a fotopos (az ő jelölése szerint P) mind a szkotopos (S) fénysűrűséget, és ezek arányát diagramon ábrázolta. Ő ezt S/P-vel jelölte, s úgy gondolta, hogy az S/P aránnyal leírható a mezopos fénysűrűség. Későbbi kutatásai alapján az alábbi egyenlet segítségével írta le a mezopos fénysűrűséget:

L( S , P) =

( MS + P 2 ) , (M + P)

(13)

28

ahol S a szkotopos, P a fotopos fénysűrűséget jelöli, M pedig súlyozó paraméter (dimenziója megegyezik a fénysűrűség dimenziójával). Palmer mérései alapján további két fontos megállapítást tett. Az egyik, hogy a pálcikák nagyban hozzájárulnak az optikai sugárzás világosságának érzékeléséhez, a másik pedig a Purkinje hatás létezésének bizonyítása volt. Néhány évvel később Sagawa és Takeitchi hasonlóan Ikeda-hoz és Shizmozonohoz heterokromatikus világosságegyeztetés módszerének használatával a következő egyenletet határozta meg, melynek segítségével leírható az elméleti mezopos fénysűrűség:

log ST (λ) = a log SR(λ ) + (1 − a)log SC(λ) ,

(14)

ahol ST (λ ) a mezopos fénysűrűségi tartományhoz tartozó spektrális érzékenységi görbe, SR(λ) pedig a 0,01 trolandhoz tartozó pálcikaérzékenység,

SC(λ ) a

csapérzékenységi görbe, a pedig súlyozó paraméter, amely az adaptációtól függ [37]. Kokoschka és Trezona szintén a világosságegyeztetés módszerét alkalmazta. Az általuk ajánlott modellben a mezopos fénysűrűséget nem a V (λ) és a V '(λ ) függvények lineáris kombinációjából számolták, hanem a négy receptor jeleinek súlyozott összegével közelítették az ekvivalens fénysűrűséget: ' Leq = Lp Fp + Ld Fd + Lt Ft + LF s ,

(15)

ahol Lp , Ld , Lt a csapok, L’ a pálcikák ekvivalens fénysűrűséghez való hozzájárulását jelölik. Azért, hogy az ekvienergetikus pont fénysűrűségét kapjuk, Fp , Fd , Fs az Leq -től függő változók (p, d és t jelölik a csapok-, míg s a pálcika elnyelési együtthatóját) [34]. Az 1990-es évek derekán, He és munkatársai reakcióidő alapú kísérleteket folytattak, amelyekben fém-halogén (metal halide, MH) és nagynyomású nátrium (highpressure sodium lamp, HPS) fényforrásokat használtak [39]. Ezek fénysűrűségét több lépcsőben változtatták. Céltárgy gyanánt 2°-os villogó körlapot használtak, 15°-os parafoveális megjelenítés mellett. A kísérleti személyek monokuláris megfigyeléseket végeztek. A kísérletek kimutatták, hogy Lp=1 cd/m2 fénysűrűség alatt a HPS

29

fényforrásoknál a reakcióidők nagyobb mértékben nőttek, mint az MH típusú fényforrások esetében. . He és munkatársai egy másik, nagy jelentőségű kísérletsorozat eredményeként megállapították, hogy a reakcióidő jellegű kísérleteknél a mezopos fénysűrűség leírható a V(λ) és a V’(λ) lineáris kombinációjával. Ezekben a kísérletekben He céltárgynak 2°os körlapot használt, 12°-os para-foveális megjelenítést alkalmazva. A megfigyelők binokulárisan 5 különböző monokromatikus optikai sugárzást vizsgáltak λ=589 nm hullámhosszúságú referenciaforráshoz viszonyítva [40]. Rea és kutatótársai szerint a szem mezopos tartományban tanúsított bonyolult viselkedése reakcióidő jellegű feladatoknál egyszerű, additív folyamatnak tekinthető. Kísérleteik kimutatták, hogy foveális megfigyelések esetén – még a mezopos tartományban is – mindig a V(λ) spektrális érzékenységi görbének megfelelően fog viselkedni a szem, hiszen ott nem találhatók pálcikák [41]. Boyce és Rea arra a következtetésre jutottak, hogy foveális megfigyelések esetén nem jelenik meg a Purkinje-hatás, mert a foveális színképi érzékenység nem függ az adaptációs szinttől, az érzékenységi görbe mindig a V(λ) lesz [42]. Rea saját, és He eredményei alapján kialakította a manapság X-modellként ismert formulát: Vm (λ ) = x ( Lm )V (λ ) + [1 − x ( Lm ) ]V ' (λ ) ,

(16)

ahol x(Lm) paraméter értéke 0 és 1 között van. Az x(Lm) értéke határozza meg a megfigyelés típusát: ha foveális megfigyelésről van szó, akkor az x(Lm)=1, minden egyéb esetben az x(Lm) értékét iteratív módszerrel számíthatjuk ki:

x ( Lm ) = 6, 01L3m − 5, 2 L2m + 2, 63 Lm , ha 0, 001 ≤ Lm < 0, 6

ahol x ( Lm ) = 1 ha Lm ≥ 0, 6

cd m2

(17)

cd . m2

Ez a modell nem tartalmaz információkat a kromatikus csatornák jeleiről, csak a MC réteg jeleit veszi figyelembe, így a Rea által létrehozott X-modell – véleményem szerint – csak a reakcióidő jellegű kísérletekben használható, nem általánosítható minden megfigyeléstípusra.

30

Bizonyos látási feladatoknál elengedhetetlen a PC- és a KC rétegek neurális jeleinek figyelembe

vétele

a

mezopos

fénysűrűségi

tartomány spektrális

görbéjének

meghatározásához. Ilyen esetekben időt kell hagynunk PC- és KC jeleinek feldolgozására, a cortex irányába történő továbbítására, lévén a MC réteg jelfeldolgozása sokkal gyorsabb, mint a PC illetve a KC rétegek jelfeldolgozása. Padmos és munkatársai kiderítették, hogy t=300 ms esetén már a színi csatornák jelei is befolyásolják az észlelet kialakulását [43]. Egy ilyen módszer az általam is alkalmazott detektálási kontrasztküszöb meghatározásának módszere. A PC és KC jelek felhasználásának eredményeként több (kettő vagy több) lokális maximummal rendelkező spektrális érzékenységi görbét kapunk, szemben a reakcióidő jellegű kísérletek Gauss-görbe formájú függvényével. Sperling és Hawerth három lokális maximummal rendelkező spektrális érzékenységi görbét kapott a kontrasztküszöb detektálás módszerének alkalmazása során. Ezek alapján feltételezték továbbá, hogy a kékes színek továbbításáért külön csatorna felel [44]. Hamm és munkatársai kísérleteik során megpróbálták felderíteni az MC-, PCilletve a KC rétegek között fennálló kapcsolatokat. Ezen kísérletek során foveálisan megjelenített céltárgyakat használtak, melyek átmérőjét 6’ és 1° között változtatták. A körlap megjelenítésére 18 különböző hullámhosszat választottak a λ=380 nm és λ=700 nm közötti intervallumból, és 6 különböző fénysűrűséget, az Lp=10-3 cd/m2 és Lp=103 cd/m2 közötti fénysűrűség tartományból. A körlapokat t=2,4 ms és t=5,2 s között változó ideig jelenítették meg (egy kísérletben természetesen a megjelenítés ideje mindig ugyanaz volt) homogén hátteret használva, amelynek korrelált színhőmérséklete TCCT=3800 K vagy TCCT =4560 K volt. A kísérletek eredményeiből Hamm és munkatársai kimutatták, hogy főleg nagyobb fénysűrűség és hosszabb ideig megjelenített céltárgyak mellett jelentkezik a több lokális maximummal rendelkező spektrális érzékenységi görbe. A t=5,2 s megjelenítési időt használva ezek a maximumok λ=440 nm, λ=530 nm illetve λ=620 nm-nél voltak. Nagy fénysűrűség mellett lokális minimum jelent meg λ=570 nm hullámhossz környékén. Rövid megjelenítési idők mellett a szem érzékenységi görbéje megegyezett a V (λ) függvénnyel. Ezt a hatást, melyben a szem spektrális érzékenységi görbéje egy maximummal rendelkező függvényből egy három lokális maximummal és egy

31

erőteljesebb lokális minimummal rendelkező görbébe megy át, a retinán párhuzamosan működő, továbbá komplex post-retinális mechanizmusoknak tulajdonították [45,46]. 1999-ben Kurtenbach és munkatársai dikromát és trikromát2 selyemmajmokon végzett kontrasztküszöb detektálási vizsgálataik eredményeit hasonlították össze emberi megfigyelőcsoporttól származó eredményhalmazzal, s a következő összefüggéshez jutottak: Vm = f AV ' (λ ) + f B S + ( f C M + 2 f C L ) + f D L − f E M ,

(18)

ahol az S-, M- és L- a csapok érzékenységi görbéje, fA - fE pedig az ezekhez tartozó súlyfüggvények. Az L-M tag az egyenletben az egyik kromatikus színi csatorna, amely az optikai gerjesztés piros-zöld szín arányát adja meg – amely általánosítható a parafoveára is –, és mivel a fotoreceptorok spektrális érzékenysége nem függ a retinális elhelyezkedésétől, ezért a – spektrálisan stacionárius – céltárgy (által létrehozott ingerület) spektrális összetételének változása a parafovea felé haladva a post-retinális feldolgozó mechanizmus változására utal. Az L- és az M-csapjelek és bizonyos elméletek szerint az S-csapok jele is szerepet játszik az akromatikus csatornapáron továbbított ingerület kialakításában, a szomszédos retinális tartományokból képezve antagonisztikus jellegű információt. A V’(λ) tag a (18). egyenletben a pálcikák jeléért felelős. Kurtenbach és munkatársai kimutatták, hogy a trikromát kísérleti alanyok spektrális érzékenységi görbéje egynél több lokális maximumot tartalmaz. Ezt az eredményt a kromatikus csatornák befolyásoló hatásának tulajdonították. Továbbá megállapították, hogy a mezopos tartományban a látást a pálcikák mellett az L-M opponens csatorna is befolyásolja [47]. Évekkel később, 2002-ben vette kezdetét a talán legjelentősebb kutatássorozat, amelyet az Európai Unió indított útjára, MOVE (Mesopic Optimization of Visual Efficiency) néven [48]. A konzorcium által végzett kísérletekben hat egyetem és kutatócsoport vett részt: Helsinki Műszaki Egyetem (HUT), City University (CU), Darmstadti Műszaki Egyetem (TUD), Alkalmazott Tudományok Kutatóintézet Hollandiából (TNO), Nemzeti Fizikai Kutatóintézet (Egyesült Királyság - NPL) és a 2

Az emlősök nagy hányada dikromát, csak az ember és még néhány emlős trikromát. Dikromát színlátásról akkor beszélünk, ha a szemben csupán két típusú csap fotoreceptor van. Ez lehet normális – például a kutya esetében – vagy kóros elváltozás eredménye – ebben az esetben a három csaptípus közül egy hiányzik –. Trikromát esetben mind a három csaptípus részt vesz a színi ingerület kiváltásában.

32

Pannon Egyetem – akkor még Veszprémi Egyetem néven –. Céljuk a mezopos fénysűrűségi tartományt egységesen leíró modell megalkotása volt. Vizuális teljesítmény alapú kísérleteket folytattak, vizsgálták a reakcióidőhöz, a detektáláshoz és a felismeréshez szükséges kontrasztarányt. A kísérletekben közös volt, hogy 2°-os céltárgyat használtak, viszont különböző háttér fénysűrűség (Lp=10-2 cd/m2, Lp=10-1 cd/m2, Lp=1 cd/m2, Lp=10 cd/m2) és excentricitás (0° illetve 10°) mellett jelenítették meg azt. Ezen kísérletek eredményeként a MOVE konzorcium két modellt ajánlott a mezopos fénysűrűségi tartomány leírására. Az egyik egy egyszerűbb, amely meglehetősen hasonlít a Rea által leírt X-modellre: M ( x )Vmes ( λ ) = xV ( λ ) + (1 − x )V ' ( λ ) , 0 ≤ x ≤ 1,

(19)

ahol M ( x) olyan súlytényező, amely a görbe maximumát 1-re normálja, Vmes (λ ) jelöli a számított modellfüggvényt, amely leírja a mezopos fénysűrűségi tartományt, x – csak úgy, mint az X-modellben – paraméter, mely meghatározza a V (λ) és a V '(λ ) görbék arányát, ami a következő iterációs módszerrel számítható ki:  1  Lp L xn +1 = a + b log10  + (1 − xn ) s  xn Ks  M ( xn )  K p

   , 0 ≤ x ≤ 1,  

(20)

ahol Lp és Ls jelöli a fotopos és a szkotopos fénysűrűséget, Kp=683 lm/W , Ks =1699 lm/W, a=1,49 és b=0,282, továbbá M ( x n ) ≅ 1 − 0, 65 x n + 0, 65 x n2 .

(21)

Ajánlásuk második modellje egy bonyolultabb változat, amely nem a V (λ) és a V '(λ ) görbék lineáris kombinációját alkalmazza, hanem a Kurtenbach és munkatársai által ajánlott modellre épít, amely a csapjelek kromatikus információját is figyelembe veszi: Vmes (λ ) = a1V (λ ) + a2V ' (λ ) + a3 L(λ ) − a4 M (λ ) + a5 S (λ ) ,

(22)

33

ahol a Vmes (λ ) a számított mezopos érzékenységi görbe, a1 − a5 paraméterek súlytényezők, L(λ), M (λ), S (λ) függvények pedig a csapok spektrális érzékenységét jelölik. A CIE, Nemzetközi Világítástechnikai Bizottság 1-58-as Technikai Bizottsága (TC1-58) 2010-ben szavazásra bocsátott – és a közelmúltban publikált – egy modellt, amelynek segítségével a mezopos fénysűrűségi tartományt kívánják leírni [48]. Ez a modell ötvözi a MOVE konzorcium és Rea által ajánlott akromatikus modellek előnyeit. Az egyenlet formája a következő: M ( m )Vmes (λ ) = mV (λ ) + (1 − m )V '(λ ) , 0 ≤ m ≤ 1 ,

(23)

ahol M(m) súlyozó tényező, amely a Vmes(λ) függvény maximumát 1-re normálja, m a paraméter, amely iterációs módszer segítségével számítható ki, a következő módon:

Lmes,n =

m( n -1) Lp + (1 − m( n -1) ) LsV '(λ0 ) m( n -1) + (1 − m( n -1) )V '(λ0 )

, n ≥1

(24)

m n = a + b log 10 ( Lmes,n ), 0 ≤ m ≤ 1 ,

ahol Lmes,n az n. iterációs lépésben számított mezopos fénysűrűség, Ls és Lp a szkotopos illetve a fotopos fénysűrűség, m(n-1) az (n-1). lépésben kiszámított m paraméter érték, V’(λ0)=683/1699, λ0=555 nm, a=0,7670 és b=0,3334. Általában az n=7 iterációs lépés után már eljutunk az m végleges értékéhez.

3.6 A 3. fejezet összefoglalása Amint a 3. fejezet egyes részeiből látható, nem egyszerű feladat a mezopos fénysűrűségi tartomány modellezése, hiszen még nem tisztázott a látórendszer pontos működése sem, emiatt úgy is tekinthetünk a vizuális feldolgozó rendszerre, mint „fekete dobozra”, melynek ismerjük a bemenetét (optikai sugárzás), és ismerjük a kimenetét (az agyban keletkező mentális kép), de a köztes állapotokat nem teljesen. Egy másik probléma a fénysűrűség kérdése ebben a tartományban, hiszen még nincsen általánosan elfogadott spektrális érzékenységi görbe, emiatt manapság az Lmes

34

értéke csak durva közelítésben írja le a valós mezopos vizuális teljesítményt és nem ismerjük a közelítés helyességét. Pedig nagy szükség volna helyes és pontos mezopos mérőszámra, többek között a közvilágítás tervező programokban, mérőeszközökben, mert ezek segítségével kiküszöbölhetőek lennének a balesetet okozó, nem kielégítő világítások. Korábbi kutatások kimutatták, hogy a mezopos fénysűrűségi tartományban elvégzett kísérletekhez a legmegfelelőbb a vizuális teljesítmény alapú – reakcióidő, detektálás és felismerés – eljárások alkalmazása. Emiatt az egyik legfontosabb mérföldköve a mezopos tartományban elvégzett kutatásoknak a MOVE konzorcium kísérletsorozata volt. Eredményeikre alapozva egy egyszerű modellt ajánlottak, amely megpróbálja leírni a szem működését a mezopos fénysűrűségi viszonyok között. Ezen disszertációban leírt kísérletek célja olyan mezopos kontraszt metrika megalkotása volt, amely Abney összegezhetőségről szóló törvényét és az opponens csatornák jeleit figyelembe véve képes leírni és előre jelezni a biztonságos detektáláshoz szükséges kontrasztot a háttér és a vizuális céltárgy között a spektrális teljesítmény eloszlása függvényében.

35

4 Mezopos fénysűrűségi kísérletek Értekezésem fő témája a mezopos fénysűrűségi viszonyok között a spektrális additivitás, avagy más néven, összegezhetőség meglétének, vagy hiányának vizsgálata. Ez a kérdés nagyon fontos, mert ha nem vesszük figyelembe a megfigyeléseknél a kromatikus jelek befolyásoló hatását, akkor akár több tíz százalékkal alá-, vagy túlbecsülhetjük a retinális érzékenységet az adott megfigyelési viszonyok mellett, ami balesethelyzetekhez vezethet. Vegyük például a zöldes színű fényvisszaverő mellényt. Ha egy kerékpáros az út szélén közlekedik ilyen mellényben, nem elhanyagolható az akár 10-15 méterrel korábban történő észlelés lehetősége. De tekinthetjük a kötelező vészvilágítást is, amely ha spektrálisan ideális eloszlással rendelkezne, valóban könnyebben lehetne észlelni az akadályokat. Ezeken kívül még számtalan valóéletbeli eset van, amikor fontos lehet a fényforrás SPD-jének, a retina mezopos tartománybeli érzékenysége alapján történő optimalizálása. A spektrum beállítása mellett még felmerül a mezopos tartomány fénysűrűségének, az Lmes(λ)-nak helyes számítási módja is. A 3.4-es fejezetben szerepelő módszerrel számítható a mezopos tartományhoz tartozó fénysűrűség is, csak hiányzik a megfelelő függvény, amely leírja a spektrális érzékenységet ilyen körülmények között. Az elvégzett kísérletek, számítások, és modellezés segítségével ennek megoldása lehetségessé válik. Néhány ellenőrző kísérletet is végeztem, dinamikus változó háttér alkalmazásával. Ezekben a kísérletekben a homogén háttér segítségével megalkotott modell használhatóságát vizsgáltam dinamikusan változó háttér esetében. Laboratóriumi körülmények között nagyon nehéz teljesen valós helyzetet teremteni, de ezekben az ellenőrző kísérletekben erre törekedtem. Erről a 7. fejezetben írok.

4.1 A kísérlet során felhasznált eszközök A megfigyelésekhez fehér LED-ekből (kék LED-ek, melyeket sárga fényporral konvertálnak) álló fényforrást építettem, amelynek a korrelált színhőmérséklete TCCT =6100 K, színességi koordinátái pedig x=0,311; y=0,330 voltak. – A LED-ek működését a Mellékletben ismertetem behatóbban. – Ismert, hogy az ilyen típusú fényforrások térbeli fényeloszlása nem egyenletes, emiatt üvegből, homokfúvással

36

készített diffúzor lapok alkalmazásával sikerült ezt több lépésben homogénné tennem. Bár ennek hatására nagyban csökkent a lámpatestet elhagyó optikai sugárzás, ez a kísérlet szempontjából lényegtelennek bizonyult: az Lp=0,5 cd/m2 fénysűrűségi szintet így is képes volt létrehozni. Az összes kísérlet alatt ez a LED-háttérfényforrás biztosította a szem mezopos fénysűrűségi szinthez, illetve a LED-ek spektrális teljesítmény-eloszlásához való adaptációját. A kísérletben két, gyártmányában identikus, számítógép által vezérelt DLP projektor jelenített meg a 80°*60°-os vetítővásznon egy-egy – ugyanarra a helyre leképezett – 2°-os körlapot, amely a céltárgyként szolgált, illetve a fixáció ellenőrzésére szolgáló másodlagos céltárgyat. A céltárgyak mindig ugyanazon a helyen jelentek meg. Az elsődleges céltárgy esetében erre a rendelkezésre álló spektro-radiométer miatt volt szükség: a mérőműszer fix pozíciójával elkerülhető volt az esetleges mérési hiba. Az ellenőrző céltárgy mindig a vászon közepén – a megfigyelővel szemben – jelent meg, így a centrális fixáció ellenőrizhetővé volt.

A projektorok által megjelenített – elsődleges – céltárgyak

címzése (0,0,0) DAC3-tól (255,255,255) DAC-ig terjedt, ahol a csatornákon (RGB) mindig ugyanaz a DAC-érték jelent meg. Tehát a – elsődleges – céltárgy szürkeskálán mozgott, a feketétől a fehér irányában. Továbbiakban csak egy csatorna DAC értékét jelölöm, hiszen mindhárom csatornán ugyanaz az érték szerepelt az adott időpillanatban. A céltárgyak színezetét a projektorok elé helyezett fém-interferenciás színszűrők adták. Másodlagos céltárgyként piros színű, 2°-os piktogramot vagy számot használtam, amelynek a fénysűrűsége Lp= 2,5 cd/m2 volt – amely szintén a mezopos látási tartományba esik –. A kísérleti személyek a binokuláris megfigyeléseket parafovealisan végezték, azaz a céltárgyat 10°-os (hasonlóan a MOVE modellhez), illetve 20°-os megfigyelési szög alatt látták. A kísérleti elrendezés a 8.a és 8.b ábrán látható.

3

A DAC mozaikszó a Digital Analog Conversion-ből ered. A DAC-értékek beállításával szabályoztam a projektorok által kivetített fény intenzitását, mégpedig a grafikus vezérlő digitális jeleihez analóg – feszültség – értékeket rendelve, a 0 - 255 (teljesen fekete- teljesen fehér) tartományban).

37

LED háttérfényforrás

Projektorok: céltárgy +ellenőrző céltárgy

PR-705 spektroradiométer

Megfigyelő pozíciója

Céltárgy (10°)

Fixációt ellenőrző céltárgy

Kísérletvezető munkaállomása

Vetítővászon

LED háttérfényforrás

Projektorok: céltárgy +ellenőrző céltárgy

PR-705 spektroradiométer

Megfigyelő pozíciója

Céltárgy (20°)

Fixációt ellenőrző céltárgy

Kísérletvezető munkaállomása

Vetítővászon

8.a ábra: Kísérleti elrendezés 10°-os megfigyelésekhez, 8.b ábra: Kísérleti elrendezés 20°-os megfigyelésekhez

A kísérletek során a céltárgyak megjelenítéséhez az Andover Corporation által gyártott fém-interferenciás színszűrőket használtam, melyek a spektrum csak keskeny, λ= 20 nm-es tartományát eresztik át, így a céltárgyak kvázi-monokromatikusak voltak. A szűrők kiválasztásánál figyelembe vettem a csapok illetve a pálcikák spektrális érzékenységének maximumát, így kerültek kiválasztásra a λ=440 nm, 540 nm, 620 nm középhullámhosszú interferenciás szűrők. A λ=490 nm, 600 nm szűrők kiválasztásakor a cél az volt, hogy a két fém-interferenciás szűrő additív keverékeként előállított

38

vizuális céltárgy színezete közel a szürkeskálán mozogjon (két kromatikus interferenciás szűrőt használva úgymond akromatikus spektrálisan összetett céltárgyat létrehozva). A λ=570 nm középhullámhosszú fém-interferenciás szűrő esetében a λ=440 nm és λ=620 nm szűrők additív keverékéhez (a keverék x,y színességi koordinátáihoz) közel eső kvázi-monokromatikus színszűrő választása volt a cél. A kísérletek során tehát a λ=440 nm, 490 nm, 540 nm, 570 nm, 600 nm, 620 nm középhullámhosszú interferenciás szűrők és az ezekből kijövő fény keverékét használtam, melyeket a két projektor által kibocsátott fénysugár útjába, arra merőlegesen helyeztem el. Nagyon fontos volt a fénysugárra való merőlegesség, mert méréseim alapján körülbelül 10°-os eltérés akár 15 nm középhullámhossz eltolódást is eredményezhetett volna. A megfelelő detektálási szint eléréséhez úgynevezett ND (Neutral Density) szűrőfóliákat használtam, amelyek a spektrális eloszlás megváltoztatása, vagy eltolása nélkül képesek több rekeszértékkel lesötétíteni a projektorok által vetített képet. Ismert, hogy a kivetítők csak egy bizonyos DAC tartományban közelítenek a lineárishoz (40 – 150 DAC függően a megjelenítő típusától), így az ND szűrőfóliák segítségével a detektálási tartományt ebbe, a közelítőleg lineáris tartományba toltam el. Minden fizikai mérést egy kalibrált Photo Research PR-705 spektro-radiométerrel végeztem, amelyhez a parancssoros mérőprogramot magam írtam. A műszer RS-232 porton keresztül képes kommunikálni a számítógéppel. Ez a berendezés a látható tartományban érzékelt spektrális teljesítmény eloszlásból számítja a további mennyiségeket (L; x,y; TCCT …) [50].

4.2 A kísérletben résztvevő megfigyelők Az általam elvégzett kísérletekben 5 női és 2 férfi megfigyelő vett rész, koruk 20 és 33 év között mozgott. Színlátásukat a Farnsworth Munsell F.M. 100 Hue teszt segítségével ellenőriztem. Nagyon fontos volt, hogy a megfigyelők jó színlátással rendelkezzenek – a Farnsworth Munsell F.M. 100 Hue teszt értékelése alapján „átlag feletti” színlátással rendelkeztek –, mert a kísérleteket épszínlátok vizsgálatára alapoztuk [51]. Ideális esetben legalább 25 kísérleti személyre lett volna szükség, több korosztályból (20 – 70 év között), földrészről (genetikai eltérések miatt), de sajnos nem volt lehetőség további kísérleti személyek bevonására. A megfigyelők számát ellensúlyozandó a kísérletek többszöri ismétlésének segítségével emelhettem az adatmennyiséget – sajnos 39

jellemzően kis számú megfigyelő vesz részt a hasonló kísérletekben, amiről szinte bármely tudományos cikkből megbizonyosodhatunk –. A kísérletben résztvevő megfigyelők számát a kísérletsorozatot követő virtuális céltárgyakkal végzett modellezés segítségével sikerült megfelelően alátámasztani.

4.3 Az alkalmazott eljárások, egy megfigyelés menete Mivel az MC pálya jelsebessége nagyobb, mint a PC és a KC jelsebessége, emiatt a villogásos fotometria és a reakcióidő alapú módszerek használata nem jöhetett szóba, mivel ezek az MC sejtcsoportok működéséről – vizuális fénysűrűségről – adnak információt. A világosság észleletében az MC sejtcsoportok mellett a PC, KC sejtcsoportok és a pálcikák is közreműködnek. Emiatt kísérleteim során a kontrasztküszöb detektálásának módszerét használtam. Az additivitás vizsgálata során kvázi-stacionárius stimulusokat használtam, ami azt jelenti, hogy 2 másodperc erejéig Ez elegendő idő volt arra, hogy

látható volt a körlap, 2 másodpercig nem.

felépülhessenek a PC és a KC sejtcsoportok jelei, és eljuthassanak a cortex-be [43]. A stimulus inkrementumként jelent meg a vetített háttéren. A tesztek során a detektáláshoz szükséges növekményeket mértem a háttér fénysűrűségéhez képest a PR-705 spektroradiométer segítségével. Ez a növekmény, „rászuperponálódott” a háttérfényforrás spektrumára, így minden tesztben 2 alkalommal használtam a PR-705 készüléket: 1. a háttér spektrumának mérésére (9.a ábra) 2. a háttér- és a rávetített inkrementum spektrumának mérésére (9.a ábra) A háttér és az inkrementum spektruma

Inkrementum és a háttér SPD-jének különbsége zajszűrés nélkül

1,2E-06

1,4E-05

Inkrementum SPD-je

1,2E-05

Háttér SPD-je

1,0E-06 Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

1,6E-05

1,0E-05 8,0E-06 6,0E-06 4,0E-06

Inkrementum és a háttér SPDjének különbsége

8,0E-07

6,0E-07

4,0E-07

2,0E-07

2,0E-06 0,0E+00

0,0E+00 350

400

450

500

550 Hullámhossz (nm)

600

650

700

750

350

400

450

500 550 600 Hullámhossz (nm)

650

700

750

9.a ábra: Az első ábra a háttér és az inkrementum spektrális teljesítmény eloszlását, azaz SPD-jét ábrázolja, 9.b ábra: A háttér és az inkrementum különbségét mutatja.

40

A háttérfényforrás az összes kísérlet során ugyanaz volt, így spektruma is végig egyezett, mégis szükség volt minden alkalommal e spektrum mérésére is, hiszen minimális fluktuáció mindig jelen volt, amely betudható a hálózati feszültség ingadozásának,

illetve

a

tápegység

által

szolgáltatott

feszültség

korlátozott

stabilitásának. Egy általam fejlesztett több szálon futó C++ API program segítségével képes voltam a projektorokkal két darab 2° átmérőjű körlapot egy helyre vetíteni, és ott t=4 s-os periódusidővel villogtatni. Mindkét projektor elé egy-egy Andover Corporation által gyártott interferenciás szűrőt helyeztem el. Így a céltárgyakat nevezhetjük kvázimonokromatikusnak is. Több szűrőkombinációt is vizsgáltam. Ezek a (540+620) nm, a (440+620) nm, és a (490+600) nm szűrő együttesek voltak. Egy ilyen vizsgálathalmaz három fázisból állt: 1. elsőként az egyik interferenciás szűrő segítségével vizsgáltam az adott hullámhossztartományhoz tartozó növekmény mértékét; 2. második lépésben a szett másik szűrőjét használva újból vizsgáltam az aktuális szűrő hullámhossztartományához tartozó növekményt; 3. majd utolsó lépésként a két projektor és a két interferenciás szűrő segítségével egyszerre vetítettem ki a két céltárgyként szolgáló körlapot ugyanarra a pontra a vetítővásznon, aminek segítségével vizsgálhattam a két kvázi-monokromatikus szűrő keverékéből származó heterokromatikus növekmény mértékét.

A kísérlet a következőképpen zajlott. Minden eszközt a kísérlet előtt egy órával bekapcsoltam, hogy azok elérhessék a stabil, üzemi hőmérsékletüket, állandósult állapotukat. Miután a megfigyelő helyet foglalt, még legalább 15-30 percig nem láthatott neki a feladatának, így időt hagyva a mezopos fénysűrűségi viszonyokhoz való adaptációra. Az adaptáció után kezdődhetett el a kísérlet. Három módszert használtam, melyekben az első szakasz mindig egyezett. Ebben a közös szakaszban a megfigyelő egy 0 DAC-tól világosodó, azaz 255 DAC felé haladó, t=100 ms-onként villogó körlapot látott, s jelezte, amikor észlelte ezt az inkrementumot a háttéren. Ezt a módszert használva rövid idő alatt meghatározhatóvá vált a detektálási kontraszt küszöböt közelítő érték, amelyet az alábbiakban kifejtett három, egymástól különböző módszer segítségével finomítottam tovább. Az első módszer (továbbiakban „A” módszer) egymás után 300 darab, különböző DAC értékű körlapot jelenített meg a kijelzőn, véletlenszerű sorrendben a 41

korábban meghatározott durva kontrasztküszöb ±30 DAC-os környezetében. A 300 darab körlap közül 52 darab céltárgy 0 DAC értékkel rendelkezett. Ezeket az úgynevezett „percent correction point”, azaz a találati biztonság kiszámításánál használtam. A találati biztonság értéke meghatározta, hogy a kísérletben résztvevő személy milyen biztonsággal válaszol a megjelenített céltárgyakra, amikor ez a találati arány 75 % alá esett, a kísérletet megismételtük. A második módszer, a „B” módszer, az előzetesen meghatározott körülbelüli DAC értéktől indult el csökkenő DAC irányban. Ilyenkor a megfigyelőnek minden lépést meg kellett erősítenie interakciójával. Minden lépés egy DAC értékes csökkentést vagy növelést jelentett [52]. Egy megfigyelés tehát a következőképp zajlott: elsőként a kísérleti személy meghatározta a detektáláshoz szükséges, körülbelüli kontrasztküszöb értéket. Ettől a ponttól csökkenő irányban haladt a kísérleti személy, egészen addig, míg elérte azt a pontot, ahol már nem volt képes detektálni a körlapot. Innen az irány megfordult, és növekedett a DAC érték, egészen addig, amíg a kísérleti személy újra észlelte a céltárgyat. Majd ismét csökkenő fénysűrűségű mintákat mutattam. Így ez aszimptotikus konvergenciának tekinthető eljárás, segítségével a kísérleti személy tovább finomította az első lépésben meghatározott detektáláshoz szükséges kontraszt értékét. A harmadik típusú megfigyelések („C” módszer) során a „B” eljárás módosított formáját alkalmaztam. Ezek a tesztek is az előzetes kontrasztküszöb érték meghatározásával kezdődtek, akárcsak a „B”. Viszont itt nem lépésenként haladt a kísérleti személy a valós detektálási küszöb felé, hanem dinamikus lépésközöket alkalmazva akár több DAC értékes ugrásokkal. Ezen dinamikus lépésközök kiszámítására kitaláltam a csoportok megjelenítésének módszerét. Egy csoport több, ugyanakkora DAC értékkel rendelkező céltárgyat tartalmazott, és mivel a kísérleti személyek naiv megfigyelőkként vettek részt a kísérletben (azt hitték, hogy minden interakciójukkal folyamatosan változtatják a DAC értéket), ezért a csoporton belüli, azonos DAC értékű céltárgyakra is különböző válaszokat adhattak (1. táblázat). A módszer újdonsága főleg a valódi kontrasztküszöb környezetében volt hasznos, a csoportos megjelenítés, és a változó lépésköz segítségével biztosabban sikerült meghatározni az észlelési kontrasztküszöb értékét. Miután a megfigyelő 5 egymást követő alkalommal 50%-os arányban adott helyes választ a csoport tagjaira, akkor ezt a DAC értéket tekintettem a detektáláshoz szükséges kontrasztküszöbnek.

42

1. táblázat: A „C” módszerben használt lépésközök, és a hozzájuk tartozó találati arányok, amelyeket a program számított ki minden csoport kiértékelése után Találati arány

Lépésköz

100%

-3 DAC (csökkenő)

75%

-1 DAC (csökkenő)

50%

Meg kell ismételni ugyanazzal a DAC értékkel

25%

1 DAC (növekvő)

0%

3 DAC (növekvő)

Mindhárom – „A”, „B” és „C” – módszer alkalmazása során a vizuális céltárgy ugyanott helyezkedett el a vetítővásznon – ez méréstechnikai okokból –, az alkalmazott módszerek egyedisége és a kísérletek körültekintő felügyelete miatt ez mégsem befolyásolta a megfigyelő naiv voltál: •

az „A” módszer alkalmazása során 300 darab véletlenszerű – az előzetesen meghatározott durva kontrasztküszöb ±30 DAC-os környezetében – körlapot jelenített meg a program;

•

„B” módszer esetén a kísérletek többszöri megismétlésével kiszűrhető volt az ilyen típusú hiba;

•

„C” módszer esetén a csoportos megjelenítés, illetve a csoporton belül randomizált körlapok alkalmazásával elkerülhető volt a hibás észlelés.

Az „A”, „B” és „C” módszerek során közös volt még a vizuális mezőben centrálisan megjelenített, foveális fixációt ellenőrző céltárgy, amelyet 1 másodpercenként változtattam. Így az elsődleges vizuális céltárgy periódusideje alatt 4 különböző számot/ piktogramot jelenítettem meg másodlagos céltárgyként. Minden esetben, mikor a megfigyelő eltévesztette ezt a másodlagos céltárgyat – melyet a billentyűzeten jelzett, akárcsak a körlap észlelését –, az aktuális megfigyelési értéket hibásnak tekintettem, mert a centrális fixáció nem állt fenn. A billentyűzet kezelése úgymond „vakon” történt, a billentyűkön jól tapintható jelölés volt.

43

5 A kísérlet eredményeinek feldolgozása, kiértékelése Miután minden fizikai mérést elvégeztem, következhetett az adatok feldolgozása, amit a Microsoft Excel® programok segítségével végeztem el. Minden feldolgozott inkrementumadathoz két nyers, a kalibrált Photo Research PR-705 spektroradiométerrel készített adathalmazt használtam fel. Az egyik adatsor csak a háttérfényforrás spektrális teljesítmény eloszlását, a másik pedig a háttérfényforrás és az inkrementum együttes spektrális eloszlását tartalmazta. A kísérletek során a háttér és a detektáláshoz szükséges növekmény kontrasztkülönbsége volt a kérdés, emiatt el kellett választanom

a

háttér

spektrumától

az

inkrementumot,

ezt

a

színképek

különbségképzésével értem el (9. b ábra). ∆χ(λ)=χ inc + b (λ) - χ b (λ) ,

(25)

ahol Δχ(λ) jelöli az inkrementum, χb(λ) a háttérfényforrás illetve χinc+b(λ) a háttérfényforrás és az inkrementum együttes színképi eloszlását. A különbségképzés eredménye

látható

a

9.b

ábrán.

A

háttérfényforrás

spektruma

és

az

inkrementum+háttérfényforrás spektrumának különbsége tartalmaz némi zajt, főként rövidebb illetve hosszabb hullámhossz tartományokban. Emiatt alkalmaznom kellett egy eljárást, ami csak az inkrementumok jelét eredményezi. Egy ilyen zajszűrő eljárás után

már

csak

a

„tiszta”

jel

maradt.

Egy „tiszta

jel”

az

inkrementum

középhullámhosszhoz képest ±λ=10 nm spektrumszeletet jelentett. Emiatt a teljes λ=380 nm-től λ=780 nm-ig terjedő spektrum integrálása helyett csak az adott, λ=20 nm-es tartományokban végeztem el ezt a műveletet:

Tinc =

λ = ( λcentral +10)

∫

∆χ (λ )dλ ,

(26)

λ =( λcentral −10)

amit a következő egyenlettel közelítettem:

Tinc =

(λcentral +10)

∑

∆χ (λ )∆(λ ) ,

(27)

(λcentral −10)

44

ahol Δχ (λ) az inkrementum spektrális teljesítmény eloszlása, λcentral a fém-interferenciás színszűrő transzmissziójának maximuma, Tinc pedig a már zavaroktól mentes, teljes növekmény mértékét jelöli. Ezek az inkrementumok az interferenciás szűrők segítségével a létrehozott optikai sugárzás többletet jelentik a háttér színképi eloszlásához képest, ami a detektáláshoz szükséges. Ez a különbség jól látható a 9. ábrán is. A 10.a, 10.b, 10.c ábrákon a kísérletek alatt a 7 megfigyelő által meghatározott közel 1400 megfigyelésből származó inkrementumok átlagai szerepelnek szórásaikkal együtt. A kísérleti eredményeknél megfigyelhető szórás többnyire a megfigyelők közötti változékonyságnak tudható be (inter-observer variability): a receptorok eloszlása, a fiziológiai állapot – fáradtság – nagyban befolyásolta az eredményeket.

A

függőleges tengelyről leolvasható, hogy a detektáláshoz szükséges inkrementum µWsr1

m-2 nagyságrendű. A kompozit – azaz a két fém-interferenciás szűrő segítségével

létrehozott – inkrementumoknál a két maximum nagyságkülönbsége abból adódott, hogy azokban a kísérletekben, amikor a szűrőpár egyik eleme segítségével történt a mérés, meghatározásra került a megfelelő ND szűrő – amely a projektorok kvázilineáris megjelenítési tartományába skálázta a detekciót –, amit a kompozit inkrementum létrehozásánál is alkalmaztam. Az összetartozó adatcsoportokat mindig 3 diagram alkot (például a „440 nm”, „620 nm” és „440+620 nm” című diagramok tartoznak össze) Minimális különbség mutatkozik a két „620 nm” című diagramok értékei/szórásai között (ezek különböző, egymástól független mérésekből származnak). Ezek

az

adatok

összegyűjtve

megtalálhatók

a

CD

Mellékletben

(Measured_Modelled_Comparison.xlsx).

45

440

4,00E-06

Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

3,50E-06

3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06

3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06

5,00E-07

5,00E-07

0,00E+00

0,00E+00 400

410

420

430 440 Hullámhossz (nm)

450

600

460

440+620

3,50E-06

610

620 Hullámhossz (nm)

630

640

550

560

540

4,50E-06 4,00E-06 Sugársűrűség (W/srm^2)

3,00E-06 Sugársűrűség (W/srm^2)

620

4,00E-06

3,50E-06

2,50E-06 2,00E-06 1,50E-06 1,00E-06

3,50E-06 3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06

5,00E-07

5,00E-07

0,00E+00

0,00E+00 400

450

500 550 Hullámhossz (nm)

600

520

620

3,50E-06

530

540 Hullámhossz (nm)

540+620

3,50E-06 3,00E-06

Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06

2,50E-06 2,00E-06 1,50E-06 1,00E-06

5,00E-07

5,00E-07

0,00E+00

0,00E+00 600

610

620 Hullámhossz (nm)

630

520

640

540

560

490

4,00E-06

580 600 Hullámhossz (nm)

620

640

600

3,00E-06 Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

3,50E-06 3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06

2,50E-06 2,00E-06 1,50E-06 1,00E-06

5,00E-07

5,00E-07

0,00E+00

0,00E+00 460

470

480 490 Hullámhossz (nm)

500

510

490+600

3,50E-06

580

590 600 Hullámhossz (nm)

610

620

570

3,50E-06 3,00E-06 Sugársűrűség (W/srm^2)

3,00E-06 Sugársűrűség (W/srm^2)

570

2,50E-06 2,00E-06 1,50E-06 1,00E-06

2,50E-06 2,00E-06 1,50E-06 1,00E-06

5,00E-07

5,00E-07

0,00E+00

0,00E+00 470

520 Hullámhossz (nm) 570

620

540

550

560

570 580 Hullámhossz (nm)

590

600

10.a ábra: A 10° megfigyelési szög alatt elvégzett kísérletek során meghatározott inkrementumok átlagai a hozzájuk tartozó szórással. Ezen inkrementumok összege adja Tincr-et a (38). egyenletben az ott leírt módon.

46

620 3,00E-06

3,00E-06

2,50E-06

Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

440 3,50E-06

2,50E-06 2,00E-06 1,50E-06 1,00E-06 5,00E-07

0,00E+00

2,00E-06 1,50E-06 1,00E-06 5,00E-07

0,00E+00

410

420

430 440 Hullámhossz (nm)

450

460

600

610

620 Hullámhossz (nm)

440+620

630

640

550

560

540

4,00E-06

3,00E-06

Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

3,50E-06 3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06 5,00E-07

2,50E-06 2,00E-06 1,50E-06 1,00E-06 5,00E-07

0,00E+00

0,00E+00 410

460

510 560 Hullámhossz (nm)

520

610

530

540+620

4,50E-06

1,80E-06

4,00E-06

1,60E-06

Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

620 3,50E-06 3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06

1,40E-06 1,20E-06 1,00E-06 8,00E-07 6,00E-07 4,00E-07

5,00E-07

2,00E-07

0,00E+00

0,00E+00 600

610

620 Hullámhossz (nm)

540 Hullámhossz (nm)

630

640

510

530

550

490

570 590 Hullámhossz (nm)

610

630

600 1,80E-06

2,50E-06 Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

1,60E-06

2,00E-06 1,50E-06 1,00E-06 5,00E-07

1,40E-06 1,20E-06 1,00E-06 8,00E-07 6,00E-07 4,00E-07 2,00E-07

0,00E+00

0,00E+00 460

470

480

490 500 Hullámhossz (nm)

510

580

520

590

600 Hullámhossz (nm)

610

620

580

590

570

490+600 1,60E-06

2,50E-06

Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

1,40E-06 1,20E-06 1,00E-06 8,00E-07 6,00E-07 4,00E-07

2,00E-06 1,50E-06 1,00E-06 5,00E-07

2,00E-07 0,00E+00

0,00E+00 450

500

550 Hullámhossz (nm)

600

550

560

570 Hullámhossz (nm)

10.b ábra: A 20° megfigyelési szög alatt elvégzett kísérletek során meghatározott inkrementumok átlagai a hozzájuk tartozó szórással. Ezen inkrementumok összege adja Tincr-et a (38). egyenletben az ott leírt módon.

47

440

620

5,00E-06

3,50E-06

Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

4,50E-06 4,00E-06 3,50E-06 3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06 5,00E-07 0,00E+00

3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06 5,00E-07

0,00E+00 410

420

430 440 Hullámhossz (nm)

450

460

600

610

620 Hullámhossz (nm)

440+620

630

640

550

560

540

4,50E-06

2,50E-06

Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

4,00E-06 3,50E-06 3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06

2,00E-06 1,50E-06 1,00E-06 5,00E-07

5,00E-07 0,00E+00

0,00E+00 410

460

510 560 Hullámhossz (nm)

610

520

530

620

540+620

2,50E-06

2,50E-06 Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

540 Hullámhossz (nm)

2,00E-06 1,50E-06 1,00E-06 5,00E-07

0,00E+00

2,00E-06 1,50E-06 1,00E-06 5,00E-07

0,00E+00

600

610

620 Hullámhossz (nm)

630

640

520

540

560

580 600 Hullámhossz (nm)

3,50E-06

3,00E-06

Sugársűrűség (W/srm^2)

Sugársűrűség (W/srm^2)

3,50E-06

3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06

605

610

2,50E-06 2,00E-06 1,50E-06 1,00E-06

5,00E-07

5,00E-07

0,00E+00

0,00E+00 480

640

600

490 4,00E-06

470

620

490 Hullámhossz (nm)

500

510

580

585

590

595 600 Hullámhossz (nm)

490+600 Sugársűrűség (W/srm^2)

3,50E-06 3,00E-06 2,50E-06 2,00E-06 1,50E-06 1,00E-06 5,00E-07

0,00E+00 460

510

560

610

Hullámhossz (nm)

10.c ábra: A 10° megfigyelési szög alatt elvégzett, dinamikusan változó hátteret használó kísérletek során meghatározott inkrementumok átlagai a hozzájuk tartozó szórással. Ezen inkrementumok összege adja Tincr-et a (38). egyenletben az ott leírt módon.

48

A CD Mellékletben szereplő állományok tartalmazzák az összes mért inkrementum és háttér spektrumot is. Megjegyzésképpen: a világítástechnikában egy fényforrás spektrumát S(λ)-val szokás jelölni, viszont a modellben felhasználásra kerül az S-csap érzékenysége is, emiatt a spektrumot χ(λ)-vel jelölöm.

5.1 Modell kialakítása Miután minden nyers mérési adatból sikerült kinyerni az inkrementumokat, következhetett a modell formájának kialakítása, illetve a súlyozó paraméterek meghatározása. A kísérletek során a második fázisban t=4 s volt a periódusidő (amíg látszott – 2 s –, illetve amíg nem látszott – további 2 s – a 2°-os, céltárgyként szolgáló körlap), így a kromatikus csatornák jelei is fel tudtak épülni, illetve eljutottak a cortex-be, ezáltal aktívan

befolyásolták

az

észlelési

mechanizmust.

Így

a

modellezés

során

felhasználhattam a csapok, pálcikák, és az azok kapcsolatából létrejött kromatikus jeleket is. A kísérleti eredmények segítségével sikerült eljutni a CHC2 modellhez, amely nevét a CHromatic Conspicuity-ből kapta [53]. A kettes szám a CHC után jelzi, hogy ez már a második változat (korábbi CHC, illetve CHCq változatok [54]), amiből több publikáció született. A modell kialakítása során több típust is vizsgáltunk, nemcsak lineáris, hanem kvadratikus, nemlineáris eljárásokat is, de azt tapasztaltuk, hogy a lineáris és más típusú (kvadratikus) modellek előrejelzései között nincsen szignifikáns különbség [53]. A CHC2 modell a neurális jelfeldolgozáshoz fiziológiailag leginkább közelálló eljárást, a kontraszt számítását használja fel a háttér és a vizuális céltárgy spektrális teljesítmény eloszlása közötti detektálási kontraszt meghatározásához. Minden fotoreceptor típushoz meg kell határoznunk ezeket a kontrasztokat, mégpedig a következő egyenletek szerint:

CL =

∆L , Lb

(28)

CM =

∆M , Mb

(29)

49

CS =

∆S , Sb

(30)

CR =

∆R , Rb

(31)

ahol L-, M-, S- a csapok, R- pedig a pálcikák spektrális érzékenységét leíró függvényeket jelölik – lásd 3.2 fejezet –. A (31). egyenletben R szerepel a pálcikák jelöléseként, ami a rods rövidítésből származik, értékeként pedig a V’(λ) spektrális érzékenységi görbe eredményeit alkalmaztam, mert a szkotopos fénysűrűségi viszonyok között csak a pálcikák aktívak. A receptorok alsóindexében szereplő b jelzi a háttér spektrumával, a ∆ pedig az inkrementummal súlyozott értékeket, amelyeket a következőképpen számolhatjuk ki:

780

780

∫ L(λ )χ (λ )d(λ ) , ∆L = ∫ L(λ )∆χ (λ )d(λ ) ,

Lb =

b

380 780

780

∫ M (λ )χ (λ )d(λ ) , ∆M = ∫ M (λ )∆χ (λ )d(λ ) ,

Mb =

b

380 780

Sb =

∫

780

∫

(33)

380

S (λ )χ b (λ )d(λ ) , ∆S =

380

Rb =

(32)

380

780

∫ S (λ )∆χ (λ )d(λ ) ,

(34)

380

R(λ )χ b (λ )d(λ ) , ∆R =

380

780

∫ R(λ )∆χ (λ )d(λ ) .

(35)

380

Ezen eljárással a fotoreceptorok háttér SPD-hez való egyenkénti adaptációja valósítható meg, ezáltal egyik receptor-adaptáció sem függ a többi receptor adaptációjától. A CHC2 modell egyenletében (37. egyenlet) szerepel YMPb, ami egy „fénysűrűség jellegű” érték, amelyet a következő módon számítok:

780

YMPb =

∫V

MP

(λ ) χ b (λ )d(λ ) ,

(36)

380

„Fénysűrűség jellegű”, mert a tradicionális módon számítjuk, azaz spektrális integrálást alkalmazva az érzékenységi görbén. VMP(λ) a Kurtenbach [47] és munkatársai által definiált görbe egy variánsa (38. egyenlet). A (36.) egyenlet alkalmazható a mezopos

50

fénysűrűség meghatározására, de dolgozat célja azonban megmutatni, hogy a mezopos fénysűrűségi tartomány leírására a fénysűrűséget számító modellek helyett a háttér és a céltárgy közötti kontrasztot meghatározó modellek alkalmasabbak. A CHC2 modell a következőképpen írható fel:

CCHC2=αL (Lb /YMPb )CL +αM (M b /YMPb )CM +αS (Sb /YMPb )CS+αR (Rb /YMPb )CR + |γ L (Lb /YMPb )CL -γ M (M b /YMPb )CM|

,

VMP (λ )=α L L (λ )+α M M (λ )+α S S (λ )+ α RV ' (λ )+|γ L L (λ )-γ M M (λ )| ,

(37)

(38)

ahol az {αL, αM, αS, αR, γL, γM} paraméterhalmaz, amit a VMP(λ) görbe mérési adatokra való illesztésével határoztam meg a Microsoft Excel® program segítségével. Az illesztési folyamat első lépéseként a kísérletek során mért inkrementumok – szűrőnként, személyenként és megfigyelési szögenként – görbe alatti területét a (27). egyenlet segítségével meghatároztam, a megfigyelőnként, szűrőnként és megfigyelési szögenként (például: Vas Zoltán, 490 nm, 20°) eredményül kapott 424 értéket átlagoltam. Ezután a (38). egyenletben szereplő {αL, αM, αS, αR, γL, γM} paraméterhalmaz értéket a Microsoft Excel Solver® segítségével úgy optimalizáltam, hogy: 1. a (38). egyenlet értéke egyezzen meg a kísérletek során mért inkrementumok görbe alatti területének átlagával, az adott centrális hullámhossznál [(440 nm, 620 nm, 440+620 nm), (540 nm, 620 nm, 540+620 nm),(490 nm, 600 nm, 490+600 nm), (570 nm)], ami 95 illesztési pontot jelent görbénként; 2. a hét megfigyelő által a kísérletek során meghatározott inkrementumok görbe alatti területének átlaga alapján kiszámított {αL, αM, αS, αR, γL, γM} paraméterhalmaz egyes elemei között (például: αL,) minimális legyen a szórás.

4

42 érték : 7 kísérleti személy és 6 szűrő (6, mert a 620 nm szűrő két kombinációban is szerepelt, s mivel különböző ND szűrőkkel kellett ellátnom, hogy a detektálási küszöb DAC értéke a DLP projektorok kvázi-lineáris fénysűrűségi tartományába essen. Így a számítások pontossága végett két különböző szűrőként kezeltem. 5 A 10. ábrán szereplő keverék-inkrementumokhoz a kísérletek során lemért spektrumokból a CIE xydiagram segítségével behelyettesítési hullámhosszokat (540+ 620 nm : 572 nm, 490+600 nm : 545nm) számítottam. 440+620 nm keverék inkrementum megfelelő része egy integrál-multiplikátor arányszámmal szorozva 440 nm, illetve 620 nm-nél kerültek behelyettesítésre.

51

Ezzel a módszerrel tehát meghatároztam mind a 7 megfigyelő saját VMP(λ) mezopos spektrális érzékenységi görbéjét. Az így eredményül kapott 7 érzékenységi görbének átlagát képeztem, s feltételnek szabtam, hogy az összes vizsgált hullámhossznál minimális legyen az eltérés az optimált függvény – (38). egyenlet – és a kísérletek során mért – az összes megfigyelést tekintve – inkrementumok görbe alatti területének átlagai közt. Így kaptam meg a végleges {αL, αM, αS, αR, γL, γM} paraméterhalmazt. A paraméterek meghatározásában továbbá az αL=1.89*αM összefüggést használtam, amivel nem csak a változó paraméterek számát csökkentettem, de ez az összefüggés megfelel a Sharpe és Stockman által definiált receptor kontribúciónak is [27]. Az αL, αM, és αS paraméterek értéke a csapok, αR értéke pedig a pálcikák befolyásoló hatását mutatja az érzékelésre. A detektálás során ezek a jelek additívan viselkednek, így a nem-összegezhetőséget az opponens csatornák okozzák, ennek pedig a γL és γM paraméterek értékei felelnek meg (a részletes adatokat az 5.2 fejezetben közlöm). A CD Mellékletben megtalálható a teljes illesztési folyamat Microsoft Excel® file-okba implementálva (a CHC_vegleges_verzio mappa file-jai). A CCHC2 tehát egy deszkriptor, ami adott háttér és inkrementum spektrális teljesítmény eloszláshoz tartozó detektálási kontrasztot írja le, amelynek értékét kiszámíthatjuk, ha a (28) – (37). egyenletekbe behelyettesítjük az inkrementum és a háttér spektrális teljesítmény eloszlását. Így legyen szó akár virtuális akár megfigyelésekből származó spektrumokról, ha ismert a háttér és az inkrementum SPD-je, kiszámítható a detektálási kontraszt értéke. Az egyenletben szereplő γ L (Lb /YMPb )CL − γ M (M b /YMPb )CM felel meg az L- és az M-csapok abszolút különbségének. Ez a tag a felelős a nemösszegezhetőségért, amit a hagyományos módon, spektrális integrálással nem lehet leírni, így a mezopos „fénysűrűség jellegű” számítás nem képes feloldani. Emiatt nem származtathatjuk a kontrasztot a mezopos fénysűrűségből, anélkül, hogy Abney összegezhetőségről szóló törvényét meg ne sértsük.

5.2 Az eredmények kiértékelése

5.2.1 A paraméterek analízise

52

A VMP(λ) függvény és a kísérleti eredmények segítségével meg tudtam határozni a 10°os és 20°-os megfigyelési szögekhez az {αL, αM, αS, αR, γL, γM} paramétereket, amelyek a 2. táblázatban szerepelnek. A feltűntetett szórások a megfigyelők közötti változékonyságnak tudható be (inter-observer variability) [55].

2. táblázat: A függvények kísérleti adatokra való illesztésével kapott modellparaméterek, és a hozzájuk tartozó szórások (95% konfidencia intervallumok) Megfigyelési szög/

10°

20°

αL

0,76

0,68

Szórás

0,21

0,15

αM

0,40

0,36

Szórás

0,09

0,05

αS

0,71

0,46

Szórás

0,23

0,26

αR

0,31

0,69

Szórás

0,19

0,11

γL

0,94

1,02

Szórás

0,22

0,32

γM

0,64

1,32

Szórás

0,21

0,21

paraméterek

Amint azt a 2. táblázatban láthatjuk, a 10°-os és a 20°-os megfigyelési szögekhez különböző {αL, αM, αS, αR, γL, γM} paraméterek tartoznak. Ennek következtében a két eredményezett VMP(λ) spektrális érzékenységi görbe alakja is más (11.ábra), mert különböző súlytényezőkkel szerepelnek az őket alkotó függvények. A 11. ábrán továbbá szerepelnek a csapok-, a pálcikák-, a kromatikus- és akromatikus csatornák színképi érzékenységei is. Ha összevetjük ezek – a csapok, a pálcikák, a kromatikus és akromatikus csatornák – spektrális érzékenységi görbéinek maximumait a VMP(λ) függvényekkel, akkor láthatjuk, hogy a különböző megfigyelési szögek különböző mértékben aktiválják ezeket a receptorokat, ami arra enged következtetni, hogy a

53

megfigyelési szöggel együtt változik a retinán aktivált fotoreceptorok mennyisége, típusa, ezáltal a befolyásoló hatása is.

Spektrális érzékenységi görbék Vmp(λ)-10° Vmp(λ)-20° L(λ) M(λ) S(λ) V'(λ) L(λ)+M(λ) (L(λ)+M(λ))-S(λ) L(λ)-M(λ)

1,1

0,9

0,7

Rel. egység

0,5

0,3

0,1

-0,1 400

450

500

550

600

650

700

-0,3

-0,5

Hullámhossz (nm)

11. ábra: A CHC2 modell által 10° illetve 20° excentricitástásra előre jelzett VMP(λ) spektrális érzékenységi görbe; a csapok-, a pálcikák-, a kromatikus- és az akromatikus csatornák színképi érzékenységi függvényei.

Ahogyan azt a 3.1-es fejezetben taglaltam, a retinán a csapok a fovea-ban vannak nagyobb számban, míg a pálcikák a periférián. Ez a tendencia a legjobban az αR paraméter változásában látszik meg, míg a paraméter értéke 20°-os megfigyelési szög mellett αR =0,69, addig a 10°-os paraméterhalmazban ez csak αR=0,31. Ez azt jelenti, hogy a megfigyelési szög csökkenésével együtt csökken a pálcikák befolyásoló hatása. Továbbá megfigyelhető az αS paraméter szembetűnő változása is, míg a 20°-os eredményeknél αS=0,46, a 10°-nál ez az érték αS=0,71. Ez annak az eredménye, hogy a vizuális céltárgy retinális vetülete egyre közelebb esik a fovea-hoz, ahol a csapok vannak nagy számban, és a pálcikák sűrűsége itt már kisebb, mint a periférián. Továbbá az S csap spektrális érzékenysége közel esik a pálcikák spektrális érzékenységéhez, ezáltal a rövidebb hullámhossztartomány gerjesztéseiért, a kisebb megfigyelési szög mellett az S fotoreceptor válik felelőssé – retinális eloszlás miatt –. A vizuális detektálásra a megfigyelési szög csökkenésével a kromatikus befolyás egyre nagyobb, 54

ami megfigyelhető az αL, αM és az αS paraméterek növekedéséből – amelyek az L-, M- és S- fotoreceptorok spektrális kontribúciójáért felelnek –, illetve az αR – azaz a pálcika együttható – csökkenéséből.

5.2.2 Detektálási kontrasztküszöb előrejelzése a CHC2 modellel

Miután a kísérleti adatokra optimalizált paramétereket meghatároztam – amelyeket a 2. táblázat tartalmaz –, a CHC2 modell segítségével kiszámíthatóvá vált a detektáláshoz szükséges kontraszt a háttér és a vizuális céltárgy között. A modell által számított detektálási kontrasztküszöböket, és a kísérletek során meghatározott fénysűrűségekből – spektrális integrálással, V(λ) fotopos spektrális érzékenységi görbét használva (11). egyenlet – a (4). egyenlet alapján számított kontraszt értékeket a 3. táblázat tartalmazza.

3. táblázat: A táblázatban a 10°-os és 20°-os megfigyelési szög alatt elvégzett kísérleti eredmények átlagaiból a (37). és (4). egyenletek segítségével számított kontrasztértékek szerepelnek, a zárójelben a 95%-os konfidencia intervallum minimum és maximum értékeivel Megfigyelési szög / Hullámhossz

Kontraszt a (4) .

CCHC2 – 10°

620 nm

440 + 620 nm

540 nm

620 nm 540 + 620 nm

segítségével -

CCHC2 – 20°

10°

(nm) 440 nm

egyenlet

Kontraszt a (4) . egyenlet segítségével -

20°

1,35

0,62

0,92

0,24

(1;1,71)

(0,28;0,96)

(0,57;1,29)

(0;0,48)

0,91

2,2

1,01

1,65

(0,56;1,27)

(2,02;2,39)

(0,68;1,33)

(1,36;1,93)

1,76

2,16

1,53

1,25

(1,2;2,32)

(1,92;2,41)

(1,08;2)

(0,8;1,71)

1,27

3,01

1,22

3,17

(0,75;1,79)

(2,39;3,64)

(0,81;1,65)

(2,51;3,84)

0,94

2,15

1,01

2,71

(0,61;1,26)

(1,98;2,32)

(0,68;1,33)

(2,36;3,07)

1,48

3,43

0,67

3,34

55

490 nm

600 nm

490 + 600 nm

570 nm Szórás/átlag

(0,95;2,02)

(3,21;3,66)

(0,29;1,11)

(2,85;3,82)

0,77

1,11

1,36

0,84

(0,32;1,22)

(0,83;1,39)

(0,97;1,75)

(0,51;1,17)

1,04

2,26

0,91

1,54

(0,65;1,43)

(1,61;2,9)

(0,52;1,3)

(0,97;2,11)

1,23

2,12

1,26

1,85

(0,87;1,59)

(1,97;2,26)

(0,57;1,62)

(1,61;2,08)

1,70

3,95

1,22

3,87

(1,34;2,06)

(3,27;4,62)

(0,87;1,59)

(3,04;4,71)

0,24

0,54

0,27

0,7

A 3. táblázatban a CHC2 modell segítségével számított kontrasztértékek szerepelnek a kísérletekben használt interferenciás szűrőkre, a táblázat alján pedig az eredmények normalizált szórása olvasható. A normált szórás számítása a következő: a CHC2 modell által számított értékek átlagával elosztottam a CHC2 modell által eredményezett értékek szórását. A mért adatokból való kontraszt számításhoz meghatároztam a háttér és az inkrementum fénysűrűséget – a (4.) egyenletben ezekre van szükség – a színképi teljesítmény eloszlásból, a V(λ) spektrális érzékenységi görbét használva. A normalizált szórást a CHC2 modell normált szórásának módszerével számítottam. Megjegyzendő, hogy a V(λ) függvény használata miatt a (4). egyenlet által számított értékek némi bizonytalanságot tartalmaznak – a V(λ) spektrális érzékenységi görbe mesterséges kialakítása, illetve az opponens-csatornák figyelembe nem-vétele miatt –. Egy ideális kontrasztmetrika minden vizuális céltárgyra – feltéve, hogy a háttér színképi eloszlása megegyezik minden megfigyelésre –, legyen az spektrálisan összetett, vagy kvázi-monokromatikus, ugyanazt a kontrasztértéket kellene, hogy eredményezze. A CHC2 kontraszt metrika figyelembe veszi a mezopos tartományban a kromatikus befolyásoló tényezőket, így feloldja a nem-összegezhetőség problémáját. Amint a 3. táblázatban szereplő szórásértékekből leolvasható, a megfigyelési szög változtatásával sem növekszik számottevően ez az érték. Emiatt a CHC2 kontraszt metrika 10°-os és 20°-os megfigyelési szög mellett is ugyanolyan biztonsággal használható.

56

5.2.3 Előre jelzett detektálási kontrasztküszöb összehasonlítása irodalombeli modellek előrejelzéseivel

Az eredmények megfelelő bemutatásához szükség van legalább egy, jelenleg használt, és az irodalomban megtalálható modellre, amellyel a CHC2 értékei összehasonlíthatók. Én erre a célra Rea és munkatársai [40] által javasolt, a MOVE konzorcium publikációiból származó akromatikus [48], illetve a CIE, Nemzetközi Világítástechnikai Bizottság 1-58-as Technikai Bizottsága által javasolt [49] három modellt használom. Ezeket a továbbiakban X, MOVE és TC1-58-nak fogom nevezni illetve jelölni.

C=

Lcéltárgy − Lháttér Lháttér

,

(39)

ahol C jelöli a számolt kontraszt értékét, Lcéltárgy a vizuális céltárgy, Lháttér a háttér SPDjéhez tartozó fénysűrűségeket jelöli. Ennek megfelelően a X, a MOVE és a TC1-58 modellekhez tartozó kontrasztokat a következőképpen számítottam ki:

CX =

LX,céltárgy − LX,háttér

CMOVE = CTC1-58 =

LX,háttér

,

(40)

LMOVE,céltárgy − LMOVE,háttér LMOVE,háttér

,

LTC1-58,céltárgy − LTC1-58,háttér LTC1-58,háttér

(41)

,

(42)

ahol a vizuális céltárgyak és a háttér fénysűrűségét a megfelelő modell szerint, a CHC2 modell által meghatározott kontrasztértékeket pedig a (37). egyenlet segítségével számítottam ki.

4. táblázat: A mért és a négy különböző modell segítségével számított kontraszt értékeket (illetve a zárójelben a hozzá tartozó 95% konfidencia intervallum minimum és maximum értékei), és a kontrasztok közötti normalizált szórást tartalmazza a táblázat, 10° megfigyelési szög mellett

57

Kontraszt a

Kontraszt / Hullámhossz

CMOVE

CX

CTC1-58

CCHC2

(nm) 440 nm

620 nm

440 + 620 nm

540 nm

620 nm

540 + 620 nm

490 nm

600 nm

490 + 600 nm

570 nm Szórás/átlag

Homogenitási variancia

(4) . egyenlet segítségével -

10° 0,80

0,59

0,66

1,35

0,62

(0,44;1,15)

(0,23;0,94)

(0,3;1,02)

(1;1,71)

(0,28;0,96)

1,04

1,39

1,25

0,91

2,2

(0,69;1,4)

(1,03;1,74)

(0,9;1,61)

(0,56;1,27)

(2,02;2,39)

1,58

1,71

1,65

1,76

2,16

(1,02;2,14)

(1,15;2,27)

(1,09;2,21)

(1,2;2,32)

(1,92;2,41)

2,43

2,49

2,47

1,27

3,01

(1,91;2,95)

(1,97;3,01)

(1,95;2,99)

(0,75;1,79)

(2,39;3,64)

1,19

1,52

1,39

0,94

2,15

(0,86;1,51)

(1,19;1,84)

(1,06;1,71)

(0,61;1,26)

(1,98;2,32)

2,38

2,70

2,58

1,48

3,43

(1,84;2,91)

(2,17;3,24)

(2,04;3,11)

(0,95;2,02)

(3,21;3,66)

1,71

1,21

1,40

0,77

1,11

(1,26;2,16)

(0,76;1,66)

(0,95;1,85)

(0,32;1,22)

(0,83;1,39)

1,27

1,58

1,46

1,04

2,26

(0,88;1,66)

(1,19;1,97)

(1,07;1,85)

(0,65;1,43)

(1,61;2,9)

2,24

1,97

2,07

1,23

2,12

(1,88;2,6)

(1,61;2,33)

(1,71;2,43)

(0,87;1,59)

(1,97;2,26)

2,65

3,10

2,92

1,70

3,95

(2,29;3,01)

(2,74;3,45)

(2,57;3,28)

(1,34;2,06)

(3,27;4,62)

0,35

0,38

0,39

0,24

0,54

Levene statisztika

Szignifikancia

1,5061

0,2171

A 4. táblázat tartalmazza a 10°-os megfigyelési szöghöz tartozó számított kontraszt értékek átlagát. Az átlagok alatt mindenhol szerepel a 95%-os konfidencia intervallum minimum- és maximum értéke is a zárójelben [55]. A táblázat alján a modellek homogenitási varianciaanalízisének eredménye szerepel.

58

A 4. táblázat legutolsó sorában szerepel az adott modell által számított kontraszt értékek közötti átlagokkal normalizált szórás. Jól megfigyelhető, hogy az X, a MOVE és a TC158 modellek szórása 0,4 körül van, amíg a CHC2 modell által számított kontrasztok közötti szórás csupán 0,24.

5. táblázat: A mért és a négy különböző modell segítségével számított kontraszt értékeket (illetve a zárójelben a hozzá tartozó 95% konfidencia intervallum minimum és maximum értékei), és a kontrasztok közötti normalizált szórást tartalmazza a táblázat, 20° megfigyelési szög mellett Kontraszt a

Kontraszt / Hullámhossz (nm)

CMOVE

CX

CTC1-58

CCHC2

(4) . egyenlet segítségével - 20°

440 nm

620 nm

440 + 620 nm

540 nm

620 nm

540 + 620 nm

490 nm

600 nm

490 + 600 nm

570 nm

0,57

0,32

0,41

0,92

0,24

(0,31;0,94)

(0,2;0,55)

(0,28;0,69)

(0,57;1,29)

(0;0,48)

1,03

1,29

1,19

1,01

1,65

(0,67;1,38)

(0,93;1,64)

(0,83;1,54)

(0,68;1,33)

(1,36;1,93)

1,48

1,39

1,41

1,53

1,25

(0,92;2,04)

(0,83;1,95)

(0,85;1,97)

(1,08;2)

(0,8;1,71)

2,96

3,01

3,00

1,22

3,17

(2,44;3,48)

(2,49;3,54)

(2,48;3,52)

(0,81;1,65)

(2,51;3,84)

1,03

1,29

1,19

1,01

2,71

(0,67;1,38)

(0,93;1,64)

(0,83;1,54)

(0,68;1,33)

(2,36;3,07)

2,93

3,11

3,04

0,67

3,34

(2,39;3,46)

(2,57;3,65)

(2,51;3,58)

(0,29;1,11)

(2,85;3,82)

1,60

1,10

1,29

1,36

0,84

(1,15;2,05)

(0,65;1,55)

(0,84;1,74)

(0,97;1,75)

(0,51;1,17)

0,82

1,04

0,96

0,91

1,54

(0,43;1,21)

(0,66;1,43)

(0,57;1,35)

(0,52;1,3)

(0,97;2,11)

1,82

1,75

1,77

1,26

1,85

(1,46;2,18)

(1,39;2,1)

(1,41;2,13)

(0,57;1,62)

(1,61;2,08)

2,75

3,24

3,05

1,22

3,87

(2,39;3,1)

(2,89;3,6)

(2,7;3,38)

(0,87;1,59)

(3,04;4,71)

59

Szórás/átlag

0,47

Homogenitási variancia

0,57

0,52

0,27

0,7

Levene statisztika

Szignifikancia

4,113

0,006

A 5. táblázat tartalmazza a 20°-os megfigyelési szög alatt elvégzett megfigyelésekhez tartozó, számított kontraszt értékek átlagát. Az átlagok alatt mindenhol szerepel a 95%os konfidencia intervallum minimum- és maximum értéke is a zárójelek között. A táblázat alján a modellek homogenitási varianciaanalízisének eredménye szerepel. A Levene-

és

ANOVA

analízis

megtalálható

a

CD

Mellékletben

(Levene_es_ANOVA_analizis.sav és Levene_es_ANOVA_analizis.spo) Amint az 5. táblázatban megfigyelhetjük, a különböző kontraszt metrikák szórása, a CHC2 modell kivételével, mind növekedett. Ami arra enged következtetni, hogy a CHC2 modell kisebb szórással rendelkezik 20°-os megfigyelési szög mellett is, mint a többi metrika. Így kijelenthető, hogy a mezopos tartományban a CHC2 modell megszorítások nélkül használható mind 10°, mind 20° megfigyelési szögek mellett a detektálási kontrasztküszöb kiszámítására. A 4. és a 5. táblázat adataival kapcsolatban megjegyzendő, hogy az X, a MOVE és a CIE TC1-58 modellek kísérleti eredményei mind foveális és 10°-os megfigyelési szög esetében mért értékekből származnak. A számítás folyamán ezek az irodalomban található modellek nem veszik figyelembe a vizuális tárgy detektálásának retinára való beesési helyétől való erős függését, csak az S/P arányt (amire az alkalmazott függvényekből és paraméterekből lehet következtetni). Tudjuk, hogy a retinán a csapok eloszlása nem egyenletes, és a foveában nincsenek pálcikák, mint ahogy azt az (4. ábrán) láthattuk. Emiatt nem elegendő csupán csak a fotopos és szkotopos fénysűrűség arányát figyelembe venni – ami ugyan meghatározza a csapok illetve pálcikák aktivitását –, de szükség volna még a szögfüggés figyelembe vételére is. Emiatt a 4. táblázat eredményei minden megszorítás nélkül összehasonlíthatóak egymással, amiből egyértelműen kimutatható, hogy a CHC2 kontraszt metrika segítségével kisebb szórással számíthatjuk a detektálási kontrasztküszöb értékeket 10°os megfigyelési szög mellett, mint az irodalomban található, akromatikus metrikákkal. 20°-os megfigyelési szög esetén ilyen kijelentést nem tehetünk egyértelműen. Így az 5. táblázatban található adatok csak megszorításokkal hasonlíthatók össze. Mindennek

60

ellenére az 5. táblázat adataiból leolvashatjuk, hogy a CHC2 modell a 20°-os megfigyelési szög mellett is kisebb szórással számítja a detektáláshoz szükséges kontraszt értékét. Az összehasonlításul használt X, MOVE és TC1-58 modellek szórása a 10°-os eredményekhez képest rendre növekedett, ami részben betudható azok 10°-os megfigyelési szöghöz való kötöttségének. Továbbá megjegyzendő, hogy az irodalomból származó modellek a V(λ) és a V’(λ) spektrális

érzékenységi

görbék

kombinációját

használják

fel

a

fénysűrűség

meghatározására, emiatt rövidebb hullámhosszok mellett alacsonyabb értékeket eredményeznek. A kísérletek során mindvégig Lp=0,5 cd/m2 fénysűrűségű hátteret alkalmaztam, de a (38). egyenletet megfelelő {αM, αS, αR, γL, γM} paraméterhalmazzal súlyozva a CHC2 kontraszt metrika kibővíthető a teljes mezopos fénysűrűségi tartományra6. Bár a CHC2 kontraszt metrika által alkalmazott VMP(λ) görbe (38. egyenlet) részben hasonlít a MOVE által alkalmazott (22). egyenletre – mindkettő a Kurtenbach-féle modellből származtatható –, a számított kontraszt értékek mégis eltérnek. Ennek oka nem csak a (22). és a (38). egyenlet különbségeiben található, hanem a CHC2 modell által alkalmazott egymástól független receptor-adaptációt meghatározó eljárásban – (28). - (35). egyenletek –. 6

Elméletileg ha (38). egyenletet megfelelő {αM, αS, αR, γL, γM} paraméterhalmazzal használjuk, úgy a CHC2 kontraszt metrika kibővíthető a szkotopos, mezopos és fotopos fénysűrűségi tartományra. Természetesen minden tartományhoz különböző {αM, αS, αR, γL, γM} paraméterhalmazt használva – de nagyon valószínű, hogy minden fénysűrűségi tartományt több részre kellene bontani, ami újabb {αM, αS, αR, γL, γM} paraméterhalmazokat jelentene –.

61

6 További

modellezés

hipotetikus

virtuális

megfigyelő

és

stimulusokkal,

homogén

háttér

megvilágítás alkalmazása mellett A

korábbi,

5.2

fejezetben

szereplő

detektálási

kontrasztküszöb

adatok

és

modellparaméterek a PR-705 spektro-radiométer segítségével lemért kísérleti eredményekből származnak. További számításokat végeztem monokromatikus és spektrálisan összetett virtuális vizuális céltárgyakat felhasználva, hogy jobban magyarázhatóvá váljon a nem-additivitás jelensége illetve a modellek közötti különbségek [53]. A céltárgyak a következők voltak: 1. három darab spektrálisan összetett stimulus, amelyek egyenként két darab λ=1 nm sávszélességű csúccsal rendelkeztek, jelölésük: 2P-C (2 Púp Cián, 420 nm + 520 nm), 2P-M (2 Púp Magenta, 420 nm + 640 nm) és 2P-S (2 Púp Sárga, 520 nm+ 640 nm). Ezek az inkrementumok a 12. ábrán láthatók; 2. hat darab monokromatikus stimulus, amelyek egyenként egy darab λ=1 nm sávszélességű csúccsal rendelkeztek, jelölésük: M420, M460, M520, M540, M600 és M640, ahol a számok rendre az λ=1 nm sávszélességű stimulus elhelyezkedésére utalnak. Ezek a 13. ábrán láthatóak; 3. négy darab spektrálisan összetett inkrementum, amelyek színképe megegyezett a Macbeth Color Checker Chart 2-es (jelölése: MCC-B), 16-os (jelölése: MCC-S), 17-es (jelölése: MCC-M) és 18-as (jelölése: MCC-C) chip-jének színképével a korábban már bemutatott TCCT=6100 K korrelált színhőmérsékletű LED-es fényforrás alatt. Ezek az inkrementumok a 14. ábrán láthatóak; 4. egy darab spektrálisan összetett stimulus, amelynek színképe megegyezett a korábban bemutatott kísérletekben háttérfényforrásként használt TCCT=6100 K korrelált színhőmérsékletű fehér LED-ek spektrális teljesítmény eloszlásával. Ennek jelölése SZ (szürke), és a 14. ábrán látható.

62

1

1

2P-C stimulus

2P-S stimulus

0,8 Rel. Egység

Rel. Egység

0,8 0,6 0,4 0,2

0,6 0,4 0,2

0

0 400

450

500 550 600 Hullámhossz (nm)

650

1

700

400

450

500 550 600 Hullámhossz (nm)

650

700

2P-M stimulus

Rel. Egység

0,8 0,6 0,4 0,2 0 400

450

500 550 600 Hullámhossz (nm)

650

700

12. ábra: A két „púppal”, azaz két maximummal rendelkező virtuális stimulusok.

Monokromatikus stimulusok

M420

1 M460

Rel. Egység

0,9 0,8

M520

0,7

M540

0,6

M600

0,5

M640

0,4 0,3 0,2 0,1 0 400

450

500

550 600 Hullámhossz (nm)

650

700

13. ábra: A hat monokromatikus virtuális stimulus szerepel a diagramon, melyek egyre normált értékek.

63

Spektrálisan összetett stimulosok

Rel. Egység

1 0,9

SZ

0,8

MCC-S

0,7

MCC-M

0,6

MCC-C

0,5

MCC-B

0,4 0,3 0,2 0,1 0 400

450

500

550 600 Hullámhossz (nm)

650

700

14. ábra: Öt spektrálisan összetett virtuális stimulus szerepel a diagramon, melyből négy a Macbeth ColourChecker Chart foltjainak, a kísérletben használt TCCT =6100 K korrelált színhőmérsékletű LED-kel való súlyozásából keletkezett, egynek pedig megegyezik a színképe a fent említett LED-ekével.

Az elméleti számítások során a már korábban ismertetett, (9.a ábrán) szereplő LED-es háttérfényforrás színképi eloszlását használtam (TCCT=6100 K).

6.1.1 Előre jelzett detektálási kontrasztküszöb értékek a szimulált vizuális céltárgyakhoz

Az elméleti számításokhoz felhasználtam az 5.2.3-as fejezetben leírtakat. Minden irodalomban szereplő modellhez külön kiszámítottam a kontrasztküszöb értékeket, amiből meghatározhatóvá vált a hipotetikus megfigyelő (p=50% megbízhatósági szinten) által igényelt sugársűrűség, amely a minimális inkrementumot jelöli, ami által a virtuális vizuális céltárgy detektálhatóvá válik. A számítások eredményeit a 6. táblázatban foglaltam össze.

6. táblázat: A virtuális vizuális céltárgyak detektálásához szükséges kontrasztértékek szerepelnek a táblázat soraiban 10°-os megfigyelési szög mellett. Az oszlopok színezése jelöli az összetartozó értékpárokat. Az utolsó oszlopban szerepel a CHC2 modell előrejelzéseinek átlagából számított, detektáláshoz szükséges sugársűrűség Modell / Céltárgy

CMOVE

CCHC2

CX

CCHC2

CTC1-58

CCHC2

CHC2 µW/sr*m2

64

M420

1,96

9,89

3,36

6,05

2,00

12,82

2432,74

M460

1,95

2,94

3,33

1,88

1,99

3,65

109,23

M520

1,95

1,31

3,38

1,15

1,89

1,31

14,19

M540

1,95

1,53

3,33

1,53

1,98

1,53

16,60

M600

1,95

2,94

3,32

3,96

1,93

2,62

76,12

M640

1,95

3,60

3,33

5,02

1,90

3,12

351,00

2P-S

1,95

1,80

3,33

1,70

1,95

1,80

47,11

2P-C

1,95

3,01

3,33

2,41

2,05

3,40

161,14

2P-M

1,95

5,56

3,33

5,56

1,98

5,56

718,48

SZ

1,95

2,10

3,33

2,00

1,95

2,10

43,37

MCC-S

1,97

2,03

3,33

2,15

2,02

1,99

39,28

MCC-M

1,98

2,57

3,39

2,44

1,95

2,53

85,15

MCC-C

1,95

1,98

3,33

1,68

1,90

2,03

39,01

MCC-B

1,94

2,12

3,31

2,12

1,97

2,12

48,91

7. táblázat: A virtuális vizuális céltárgyak detektálásához szükséges kontrasztértékek szerepelnek a táblázat soraiban 20°-os megfigyelési szög mellett. Az oszlopok színezése jelöli az összetartozó értékpárokat. Az utolsó oszlopban szerepel a CHC2 modell előrejelzéseinek átlagából számított, detektáláshoz szükséges sugársűrűség Modell /

CHC2

CMOVE

CCHC2

CX

CCHC2

CTC1-58

CCHC2

M420

1,96

7,39

3,36

4,52

2,00

9,58

2010,28

M460

1,95

3,06

3,33

1,96

1,99

3,81

125,32

M520

1,95

1,91

3,38

1,69

1,89

1,93

18,53

M540

1,95

1,82

3,33

1,82

1,98

1,82

16,60

M600

1,95

2,35

3,32

3,16

1,93

2,10

46,30

M640

1,95

3,28

3,33

4,58

1,90

2,85

241,29

2P-S

1,95

1,49

3,33

1,41

1,95

1,49

33,52

2P-C

1,95

3,00

3,33

2,40

2,05

3,39

150,33

2P-M

1,95

4,43

3,33

4,43

1,98

4,44

481,72

SZ

1,95

1,79

3,33

1,71

1,95

1,79

31,55

MCC-S

1,97

1,48

3,33

1,57

2,02

1,46

23,65

MCC-M

1,98

2,05

3,39

1,95

1,95

2,02

58,31

Céltárgy

µW/sr*m2

65

MCC-C

1,95

2,11

3,33

1,79

1,90

2,15

37,37

MCC-B

1,94

1,62

3,31

1,62

1,97

1,62

31,45

Amint az a 6. és a 7. táblázatban jól látható, az irodalomból származó modellek által előre jelzett detektálási kontrasztküszöb értékek egyeznek 10°-os és 20°-os megfigyelési szög alatt. Ennek oka, hogy a MOVE, X és CIE TC1-58 modellek figyelmen kívül hagyják a megfigyelési szög befolyásoló hatását. A virtuális céltárgyak kontraszt számításában felhasználtam a kísérletek során meghatározott 10°-os és 20°-os megfigyelési szögekhez tartozó {αL, αM, αS, αR, γL, γM} paraméterhalmazokat, ami két különböző VMP(λ) spektrális érzékenységi görbét jelentett. Így a CHC2 kontraszt metrika különböző értékeket eredményezett a virtuális stimulusok 10° és 20° megfigyelési szög alatti számításaiban. Az utolsó oszlopban szereplő sugársűrűség adatok szerint minden esetben a látható spektrum rövidhullámhosszú végén elhelyezkedő, M420 céltárgy észleléséhez kell a legnagyobb inkrementum. Ezt az előrejelzést alátámasztják a tények, miszerint a csapok és pálcikák spektrális érzékenységi görbéi a hullámhossz tartomány ezen részén már megközelítőleg 0-val egyenlők. Ennek befolyásoló hatása megjelenik a 2P-M (a stimulust alkotó két monokromatikus sugárzás a látható tartomány két szélén van) illetve a 2P-C (a stimulust alkotó két monokromatikus sugárzásból az egyik a látható spektrum kék tartományában van) céltárgyaknál is, viszont ez a hatás a 2P-S céltárgynál kevésbé markáns. A spektrálisan összetett (SZ, MCC-S, MCC-M, MCC-C és MCC-B) céltárgyaknál az észleléshez szükséges inkrementális sugársűrűség átlagosan Lr=40 µWsr-1m-2, ami több (körülbelül duplája) mint az M540, referencia céltárgy detektálásához szükséges sugársűrűség. Szintén megfigyelhető, hogy a V(λ) láthatósági függvény maximumához közeli, M520 és M540 céltárgyakhoz kell a legkisebb inkrementális sugársűrűség, ami azzal magyarázható, hogy a csapok maximális spektrális érzékenysége ebben a tartományban van.

6.1.2 Láthatóság, láthatósági szintek

A CHC2 modell segítségével lehetőségünk van a céltárgyak láthatósági szintjeit meghatározni. Miután a detektálási kontrasztküszöböket ismerjük, a vizuális céltárgyak láthatóságának számítási módja a következőképpen történik:

66

VLCHC 2 = C CHC 2 / C CHC 2,th ,

(43)

VLX = C X / C X ,th ,

(44)

VLMOVE = C MOVE / C MOVE ,th ,

(45)

VLTC1− 58 = C TC1− 58 / C TC1− 58,th ,

(46)

ahol VLCHC2, VLX, VLMOVE és VLTC1-58 jelölik a céltárgyak láthatósági szintjét (Visibility Level kezdőbetűiből származik a jelölés), CCHC2,th, CX,th, CMOVE,th és CTC1-58,th az M540 virtuális céltárgy detektálási kontrasztküszöb értéke (mint referencia) az adott modellel számítva, CCHC2, CX, CMOVE és CTC1-58 pedig a kontraszt metrikák segítségével számolt értékeket jelölik [53,55]. Jelölésben a (43). – (46). egyenletek némileg eltérnek a (10). egyenlet jelöléseitől: a ∆Lcéltárgy, ∆Lküszöb helyett már a Ci kontrasztértékek szerepelnek. Számítások igazolták, hogy lineáris összefüggés van a metrikák VL értékei között, ha a sugársűrűség kivételével az összes befolyásoló tényezőt rögzítjük (így a vizuális céltárgy krómáját, annak megfigyelési szögét, illetve a háttér spektrális teljesítmény eloszlását). Így meglehetősen jó közelítéssel (r2>0,95) fel lehet írni a következő összefüggéseket: VLCHC 2 = a xVLX ,

(47)

VLCHC 2 = aMOVEVLMOVE ,

(48)

VLCHC 2 = aTC1− 58VLTC1− 58 ,

(49)

ahol az ai paraméter a vizuális céltárgy színezetétől, megfigyelési szögétől és a felhasznált háttér spektrális teljesítmény eloszlásától függő szorzótényező. Az illesztés után eredményül kapott ai szorzótényezők az 8. és 9. táblázatban láthatók. Az 8. táblázatban a 10°-os megfigyelési szöghöz, a már korábban bemutatott háttér SPD-hez (9.a ábra), és a 14 darab virtuális vizuális céltárgyakhoz tartozó számított a szorzótényezők szerepelnek.

8. táblázat: 10°-os megfigyelés szöghöz és különböző modellekhez tartozó (például VLCHC 2 = a MOVEVLMOVE ), számított „ai” szorzótényezők

Modell /

aMOVE

aX

aTC1-58

67

Céltárgy M420

6,78

3,94

8,89

M460

1,99

1,24

2,58

M520

0,86

0,75

0,91

M540

1,00

1,00

1,00

M600

1,88

2,36

1,72

M640

2,30

2,94

2,08

2P-S

1,18

1,12

1,20

2P-C

2,00

1,59

2,20

2P-M

3,63

3,63

3,63

SZ

1,37

1,31

1,39

MCC-S

1,30

1,38

1,27

MCC-M

1,66

1,57

1,69

MCC-C

1,31

1,11

1,40

MCC-B

1,40

1,39

1,40

Amint az 8. táblázat értékeiből látható, az ai szorzótényező a vizsgált hullámhosszok és hullámhossz-együttesek túlnyomó részénél nagyobb, mint 1, ezeket az értékeket a zöld szín jelöli. De megfigyelhetők 1-nél kisebb értékek is, mégpedig az M520 virtuális vizuális céltárgy esetén. Ezeket pedig a piros színű cellák jelölik. A 9. táblázat a 20°-os megfigyelési szöghöz tartozó adatokból számított a súlyozó tényezőket mutatja.

9. táblázat: 20°-os megfigyelés szöghöz és különböző modellekhez tartozó (például VLCHC 2 = a MOVEVLMOVE ), számított „ai” szorzótényezők

Modell /

aMOVE

aX

aTC1-58

M420

7,44

2,50

6,28

M460

3,04

1,10

2,51

M520

1,20

0,94

1,15

M540

1,00

1,00

1,00

M600

1,10

1,42

1,12

M640

1,52

1,99

1,54

Céltárgy

68

2P-S

0,85

0,79

0,85

2P-C

2,11

1,36

1,93

2P-M

2,43

2,43

2,43

SZ

1,01

0,95

1,01

MCC-S

0,77

0,84

0,77

MCC-M

1,16

1,07

1,14

MCC-C

1,36

1,01

1,29

MCC-B

0,90

0,90

0,90

Amint a 9. táblázat értékei mutatják, a 20°-os megfigyelési szög mellett is megfigyelhetők 1-nél kisebb illetve 1 körüli értékek. Ezen értékek a következőképpen magyarázhatóak: 1. ha ai=1, akkor a VL láthatósági szintek megegyeznek (például: VLCHC 2 = VLMOVE ). Ez azt jelenti, hogy az irodalomban található akromatikus modell (X, MOVE vagy a CIE TC1-58) által számított érték megegyezik a CHC2 kontraszt metrika előrejelzésével; 2.

azokban az esetekben, mikor az a paraméter értéke nagyobb 1-nél (ai>1), akkor a kromatikus modell (CHC2 modell) által számított érték nagyobb, mint az akromatikus modell által előre jelzett. Ezeket a cellákat zöld színnel jelöltem;

3. ha ai<1, akkor az akromatikus modell által számított értékek nagyobbak, mint a CHC2 kontraszt metrika előrejelzései. Ezeket a cellákat piros színnel jelöltem meg. A három esetből az első kettő – amikor paraméter értéke ai≥1 – tekinthető kedvezőnek. Ilyenkor elfogadható az akromatikus modell (X, MOVE vagy CIE TC1-58) előrejelzése, minden vizuális észlelést érintő hátrány nélkül. Amikor az a paraméter egyértelműen nagyobb 1-nél, akkor a fényforrások némi elektromos energiát pazarolnak – ami csupán gazdasági szempontból kedvezőtlen –, de ez a vizuális észlelés szempontjából hasznos, hiszen a szükségesnél nagyobb a megvilágítási szint, így könnyebben észlelhetővé válnak az akadályok.

Ezek a zöld háttérszínnel jelölt

cellákban szereplő értékek. Ilyenek mind a 10°-os, mind a 20°-os megfigyelési szög alatt elvégzett számításoknál megfigyelhetők.

69

Azokban az esetekben, amelyekben az ai paraméter értéke nagy (például: VLCHC2 >5), akkor a CHC2 modell által számított láthatósági szint már nem a detektálási szintet írja le, hanem egy annál magasabb szintet (supra-threshold), ami leírja a céltárgy háttérből való kitűnésének fokát [53,56]. Azonban, ha az ai paraméter értéke kisebb, mint 1, akkor az akromatikus modellek előrejelzése veszélyes helyzetekhez vezethet, mert a biztonságos észleléshez minimálisan szükséges megvilágítás nem adott, így létezhetnek olyan vizuális céltárgyak, amelyeket a megfigyelő nem képes detektálni. Ilyen – piros cellaszínnel jelölt – értékek találhatók mind a 8. mind a 9. táblázatban. 10°-os megfigyelési szög alatt csak az M520 céltárgy esetén fordult elő 1-nél kisebb érték. Más a helyzet a 20°-os megfigyelési szög alatt elvégzett megfigyelésekkel, hiszen ott számos helyen előfordulnak 1-nél kisebb ai paraméter értékek, mégpedig túlnyomórészt a spektrálisan összetett vizuális céltárgyak esetén (2P-S, SZ, MCC-S, MCC-B), de az M520 jelölésű monokromatikus vizuális céltárgynál is kisebb az ai paraméter értéke egynél az X modell esetében. Ezek az eredmények arra engednek következtetni, hogy ahol a vizuális céltárgy spektrálisan összetett, ott nem fogadható el az akromatikus modellek előrejelzése minden feltétel felállítása nélkül. Minden esetben, amikor az ai paraméter értéke kisebb 1-nél, az akromatikus, irodalombeli modellek Abney spektrális összegezhetőségről szóló törvényének figyelmen kívül hagyása miatt szolgáltatnak 1-nél kisebb értéket. Ezek a modellek – MOVE, X és a CIE TC1-58 – nem veszik figyelembe a kromatikus tagokat, sem a vizuális megfigyelési szög befolyásoló hatását. Ez utóbbit jól mutatja, hogy a 6. és 7. táblázatban szereplő, előre jelzett detektáláshoz szükséges kontrasztküszöb értékek modellenként megegyeznek minden egyes céltárgyra (például CMOVE,10°(MCC-S)=1,97 illetve CMOVE,20°(MCC-S)=1,97). Amint az a 8. és a 9. táblázat értékeiből leolvasható, a 10°-os megfigyelési szögnél még nem jelentkezik határozottan a spektrális összegezhetőségi hiba. Rea kijelentése szerint minden fénysűrűségi tartományban, ha foveális megfigyelésről van szó, a szem spektrális érzékenysége megegyezik a fotopos tartománybeli érzékenységgel [57]. A 9. táblázatban viszont – a 20°-os megfigyelési szög alatt –, egyre több olyan céltárgy van, amelyre nem érvényesül Abney spektrális összegezhetőségről szóló törvénye. Ezek egy kivétellel mind spektrálisan összetett céltárgyak (2P-S, SZ, MCC-S, MCC-B). Így jól látszik, hogy a perifériát közelítve egyre erősebb a nem-összegezhetőségi jelenség, főként spektrálisan összetett céltárgyaknál. Ennek több oka is van. Az egyik, hogy a 70

pálcikák jele egyre erősebben befolyásolja a retináról továbbított ingerületet, a spektrális összetétel és a fénysűrűség közül utóbbi lesz markánsabban befolyásoló tényező, a 10°-os megfigyelési szög alatt elvégzett megfigyelésekhez képest. Továbbá az L-M mechanizmus befolyásolja az észlelést, részleges szub-additivitást okozva (fordított kromatikus hatás) [58], amely megjelenik a sárga (2P-S, MCC-S) illetve szürke (SZ) céltárgyaknál. Ez a jelenség az (L-M)/(M-L) receptív mezők működése, és a foveális – para-foveális látás összefüggése miatt van. A sárgás színű vizuális céltárgyaknál erősebben jelentkezik ez a hatás, lévén az észlelet keltését nagyrészt az Lés az M-csapok kombinációja hozza létre [58]. Ez a mechanizmus szerepel a CHC2 modell egyenletében is, és ez a

γ L ( Lb / Yb )CL − γ M ( M b / Yb )CM

tagban került

implementálásra, amelynek segítségével nagyban csökkenthető a sárgás színek szubadditivitásából keletkező hibatag.

71

7 Kísérletek dinamikusan változó háttér spektrális teljesítmény eloszlás és éjszakai vezetési helyzetet szimuláló program használatával Az

5.

és

6.

fejezetben

leírt

kísérletekhez

illetve

elméleti

számításokhoz

háttérfényforrásként TCCT=6100 K korrelált színhőmérsékletű fehér LED-ekből álló lámpát használtam, amely a homogén, Lp=0,5 cd/m2 fénysűrűségű hátteret biztosította. Valós helyzetben a háttér fénysűrűsége – amely előtt a céltárgyat megfigyeljük – folyamatosan változik. Ilyen valós helyzet például az éjszakai vezetés. Ilyen szituáció modellezésére egy autós szimulátort használtam fel, amelyben kormány és pedálsor segítségével a megfigyelő teljesen beleélhette magát az éjszakai városban való közlekedési helyzetbe.

LED háttérfényforrás

Projektorok: céltárgy +dinamikus háttér

Kísérletvezető munkaállomása

PR-705 spektroradiométer Céltárgy (10°)

Megfigyelő pozíciója, kormánnyal és pedálokkal

Vetítővászon

15. ábra: A kísérleti elrendezés a dinamikusan változó hátteret illetve éjszakai vezetést imitáló programot használó megfigyelések számára.

72

A 15. ábrán szerepel a kísérleti elrendezés, amely a korábbi megfigyelésekben használttól csak annyiban tér el, hogy a kísérleti személy nem billentyűzet segítségével jelzett vissza a megjelenített eseményekre, hanem kormány (és az azon elhelyezett gombokkal) és a kormányhoz tartozó pedálsorral, illetve még egy vetítőprojektor került beüzemelésre, amelynek segítségével az éjszakai vezetés szimulációját tudtam kivetíteni. Az újonnan beállított projektor képét ND szűrők segítségével addig sötétítettem, amíg a kivetített kép átlagos fénysűrűsége Lp=0,5 cd/m2 érték körül nem mozgott. Ekkor a képen szerepeltek sötétebb (Lp≈0,05 cd/m2), mint például az ég, vagy az út széle, illetve világosabb területek is (Lp≈5 cd/m2), ilyen például a közlekedő gépjárművek fényszórója, vagy az út szélén álló lámpák burája. A 16.a 16.b és 16.c ábrán a TechnoTeam Bildverarbeitungs GmbH által gyártott képi felbontású fénysűrűség mérő kamerával készített képek szerepelnek, különbözően megvilágított szituációkról [59].

16. ábra: Fénysűrűségi képek különböző szituációkról: 16.a ábra: átlag fénysűrűsége: Lp=0,5 cd/m2; 16.b ábra: átlag fénysűrűsége: Lp=0,51 cd/m2, 16.c ábra: átlag fénysűrűsége: Lp=0,49 cd/m2. A megfigyelési szög 10° volt, a céltárgy a már korábban megismert fém-interferenciás színszűrők, és azok kombinációjának segítségével megjelenített 2°-os körlap volt,

73

amelyet a virtuális műszerfal egy olyan pontjára vetítettem, amelynek spektrális összetétele nem változott (16.c ábra). A kísérletek során a 4.3 fejezetben megismert módszerek közül a „C” jelölésű került felhasználásra,

másodlagos

vizuális

céltárgy alkalmazása nélkül.

Az

adatok

feldolgozása az 5. fejezetben megismert módon történt.

7.1 Eredmények kiértékelése A VMP(λ) függvény és a kísérleti eredmények segítségével – 10.c ábrán látató inkrementumok – meg tudtam határozni a 10°-os megfigyelési szöghöz a {αL, αM, αS, αR, γL, γM} paraméterhalmaz értékeit, amelyek a 10. táblázatban szerepelnek. A feltüntetett szórások a megfigyelők közötti változékonyságnak tudhatók be (interobserver variability).

10. táblázat: A VMP(λ) függvény kísérleti adatokra való illesztésével kapott modellparaméterek, és a hozzájuk tartozó szórások (95% konfidencia intervallumok) Megfigyelési szög/ paraméterek

10°

αL

1,2334

Szórás

0,3348

αM

0,6526

Szórás

0,1345

αS

0,6231

Szórás

0,2142

αR

0,2915

Szórás

0,1514

γL

0,6564

Szórás

0,1851

γM

0,9954

Szórás

0,2354

74

Ha összehasonlítjuk a 2. táblázatban és a 10. táblázatban szereplő adatokat, akkor szembetűnő, hogy a 10. táblázatban szereplő értékek nem egyeznek a 2. táblázatban a 10°-os

megfigyelési

szög

alatt

elvégzett

kísérleti

eredményekre

illesztett

paraméterekkel, amely jól látható a 17. ábrán szereplő VMP(λ) függvényeken is. Ez a különböző megfigyelési körülményeknek – háttér állandó változása, bonyolult megfigyelési feladat – tudható be. A céltárgy az átlagos nézési irányhoz képest 10°-ra helyezkedett el, de itt, a dinamikus vezetési körülmények között a megfigyelő fő nézési iránya nagyobb szöget is bezárhatott a céltárggyal, mint 10°, ezért ezek az adatok jobban hasonlítanak a 20°-os kísérletek eredményeihez.

1,2

Spektrális érzékenységi görbék VMP(λ)-10°

1 VMP(λ)-20°

Rel. Egység

0,8 VMP(λ)-10° dinamikus háttér

0,6

0,4

0,2

0 400

450

500

550

600

650

700

Hullámhossz (nm)

17. ábra: Három különböző kísérlettípusból származó adatok által eredményezett VMP(λ) spektrális érzékenységi görbék. Miután meghatároztam a {αL, αM, αS, αR, γL, γM} súlyozó paraméterhalmazt, lehetővé vált a detektáláshoz szükséges kontrasztküszöb értékek meghatározása a céltárgyak illetve a háttér spektruma között. Ezek az értékek, együtt az irodalomból származó modellek (X, MOVE, CIE TC1-58) értékeivel, a 11. táblázatban találhatók meg.

11. táblázat: A mért és a négy különböző modell segítségével számított kontraszt küszöb értékeket (illetve a zárójelben a hozzá tartozó 95% konfidencia intervallum minimum és maximum értékeit), és a kontrasztok közötti normalizált szórást tartalmazza a táblázat, 10° megfigyelési szög és dinamikus háttér SPD mellett Kontraszt /

CMOVE

CX

CTC1-58

CCHC2

Mért adatok

75

Hullámhossz

10°

(nm) 440 nm

620 nm

440 + 620 nm

540 nm

620 nm

540 + 620 nm

490 nm

600 nm

490 + 600 nm Szórás

1,50

1,42

1,45

1,42

1,76

(1,14;1,85)

(1,06;1,77)

(1,09;1,80)

(1,07;1,78)

(1,51;2,01)

1,16

1,49

1,36

1,30

2,90

(0,81;1,51)

(1,14;1,85)

(1,01;1,72)

(0,94;1,65)

(2,43;3,37)

1,98

2,21

2,12

1,77

1,85

(1,52;2,44)

(1,75;2,67)

(1,66;1,37)

(1,31;2,23)

(1,85;2,21)

1,19

0,81

0,95

2,08

5,12

(0,76;1,61)

(0,39;1,23)

(0,53;1,37)

(1,66;2,50)

(4,2;6,04)

1,26

1,61

1,47

1,61

4,00

(0,94;1,59)

(1,29;1,94)

(1,15;1,80)

(1,28;1,93)

(3,79;4,22)

1,92

1,84

1,87

1,98

5,12

(1,49;2,36)

(1,41;2,28)

(1,43;2,30)

(1,54;2,41)

(3,94;6,31)

2,25

2,06

2,13

2,05

3,09

(1,86;2,64)

(1,67;2,45)

(1,74;2,52)

(1,66;2,44)

(2,55;3,64)

1,08

1,38

1,26

1,75

4,73

(0,69;1,47)

(0,99;1,77)

(0,87;1,65)

(1,36;2,14)

(4,5;4,87)

2,30

2,33

2,32

1,97

3,81

(1,94;2,66)

(1,98;2,69)

(1,96;2,68)

(1,61;2,33)

(3,34;2,08)

0,3

0,29

0,28

0,16

0,78

Dinamikus háttér alkalmazása mellett is elmondható, hogy a CHC2 modell által előre jelzett detektálási kontrasztküszöb értékek normalizált szórása körülbelül a fele az irodalomból származó modellek által eredményezett detektálási kontrasztok szórásának. Ez a tény arra enged következtetni, hogy a CHC2 modell nem csak laboratóriumi körülmények között – homogén háttér megvilágítás, egyszerű ellenőrző céltárgy – képes kisebb szórással a detektálási kontrasztküszöböt előre jelezni, de folyamatosan változó háttér és összetett vizuális feladatok esetén is.

76

8 További

modellezés

virtuális

stimulusokkal,

hipotetikus megfigyelő és dinamikusan változó háttér megvilágítás alkalmazása mellett A 7. fejezetben szereplő detektálási kontrasztküszöb adatok és modellparaméterek a PR705 spektro-radiométer segítségével lemért kísérleti eredményekből származnak. További számításokat végeztem monokromatikus és spektrálisan összetett virtuális vizuális céltárgyakat felhasználva, amelyeket a 6. fejezetben ismertettem (12. ábra, 13. ábra, 14. ábra).

8.1 Előre jelzett detektálási kontrasztküszöb értékek a szimulált vizuális céltárgyakhoz Az elméleti számításokhoz felhasználtam az 5.2.3-as fejezetben leírtakat. Minden irodalomban

szereplő

modellhez

külön-külön

kiszámítottam

a

detektálási

kontrasztküszöb értékeket, amelyekből meghatározhatóvá vált a hipotetikus megfigyelő (p=50% megbízhatósági szinten) által igényelt sugársűrűség, amely a minimális inkrementumot jelöli, ami által a virtuális vizuális céltárgy detektálhatóvá válik. Ezek az adatok a 12. táblázatban szerepelnek.

12. táblázat A virtuális vizuális céltárgyak detektálásához szükséges kontrasztértékek szerepelnem a táblázat soraiban 10°-os megfigyelési szög mellett. Az oszlopok színezése jelöli az összetartozó értékpárokat. Az utolsó oszlopban szerepel a CHC2 modell előrejelzéseinek átlagából számított, detektáláshoz szükséges sugársűrűség Modell /

CHC2 CMOVE

CCHC2

CX

CCHC2

CTC1-58

CCHC2

M420

2,27

7,88

4,16

6,88

2,31

10,00

1935,27

M460

2,27

2,64

4,14

1,65

2,31

3,24

184,88

M520

2,26

1,97

4,14

1,69

2,24

2,01

15,51

M540

2,26

2,22

4,14

2,22

2,31

2,22

16,60

M600

2,26

2,97

4,13

4,21

2,32

2,72

49,00

Céltárgy

µW/sr*m2

77

M640

2,26

3,69

4,14

5,45

2,31

3,34

228,74

2P-S

2,24

1,86

4,19

1,79

2,28

1,89

34,67

2P-C

2,26

3,18

4,24

2,56

2,40

3,62

129,81

2P-M

2,26

4,95

4,14

4,95

2,31

4,96

442,11

SZ

2,24

2,25

4,18

2,18

2,29

2,28

32,93

MCC-S

2,28

2,19

4,08

2,32

2,34

2,15

28,62

MCC-M

2,25

2,30

4,19

2,21

2,28

2,33

54,26

MCC-C

2,26

2,28

4,20

1,93

2,25

2,36

33,09

MCC-B

2,25

2,19

4,11

2,19

2,29

2,19

34,94

Miután sikerült meghatároznom az X, MOVE, CIE TC1-58 és a CHC2 modellek segítségével a detektáláshoz szükséges kontrasztküszöb értékeket, a sugársűrűséget változtatva – de minden más paramétert rögzítve – a 13. táblázatban szereplő ai súlyozó paraméterekhez jutottam.

13. táblázat: 10°-os megfigyelés szöghöz és különböző modellekhez tartozó (például VLCHC 2 = a MOVEVLMOVE ), számított „ai” szorzótényező

Modell /

aMOVE

aX

aTC1-58

M420

6,91

1,45

5,07

M460

7,68

0,80

1,99

M520

0,97

0,80

1,03

M540

1,00

1,00

1,00

M600

1,19

1,38

1,10

M640

1,47

1,72

1,34

2P-S

0,87

0,82

0,89

2P-C

1,66

1,20

1,85

2P-M

2,23

2,23

2,23

SZ

1,05

1,00

1,07

MCC-S

0,95

1,01

0,93

MCC-M

1,07

1,01

1,10

MCC-C

1,13

0,91

1,22

MCC-B

1,00

1,00

1,00

Céltárgy

78

Amint az a 13. táblázatban szereplő értékekből látszik, több esetben is az ai<1 eset áll fenn, ami azt jelenti, hogy az irodalomban szereplő modell helytelenül becsüli meg az adott céltárgy esetében a detektáláshoz szükséges minimális kontrasztküszöb értékét. A 6.1.2-es fejezetben leírtakkal magyarázható ismét az 1 alatti ai paraméter érték a 2P-S és MMC-S céltárgyak esetén (fordított kromatikus hatás). MCC-C-nél szintén ez az effektus fejti ki hatását. M460-as céltárgy estén is szerepel 1 alatti paraméter az X modell esetén, illetve M520-nál a MOVE és az X modell esetén. A dinamikusan változó háttér használatakor több befolyásoló hatás is fellép, ezek közül megemlítenék néhányat: 1. egy vezetési helyzetben – akár valós, akár szimuláció –, a megfigyelő tekintete folyamatosan pásztázza az előtte levő területet, így a 10°-os megfigyelési szög csak irányadóként tekinthető, bár a feladat elvégzésének túlnyomó része alatt a kísérleti személy a középpontra fókuszált; 2. szintén a feladatból adódóan egyéb mentális folyamatok is végbemennek, nem csak a detektálásra koncentrál a megfigyelő, hanem további, komplexebb helyzetekre is (például: piros a lámpa, meg kell állni a gépkocsival; jobbra kíván fordulni, és figyelnie kell a szemben közlekedő gépjárművekre is, és így tovább), amelyek befolyásolhatják a vizuális céltárgy detektálását.

Így konkrét vezetési helyzetben nem lehet pusztán csak a megfigyelési szöget figyelembe venni, további paraméterekkel is számolni kell.

79

9 Konklúzió Az 5. és a 7. fejezetben leírt valós, laborban történt mérések alapján, a 6. és 8. fejezetben részletezett további virtuális céltárgyak használatával történő modellezés segítette a CHC2 modell jelenlegi formájának kialakítását. Az elért eredményekből tisztán látszik, hogy a VMP(λ) (11. ábra) érzékenységi görbe az irodalomban szereplő akromatikus modellek (például VM(λ)) görbéihez (7.a ábra) képest spektrálisan kiszélesíti az érzékelést, a kromatikus tagok figyelembevétele miatt. A CHC2 modell ezen tulajdonsága révén a spektrum szélesebb tartományát felhasználva számítja a detektáláshoz szükséges kontrasztküszöb előrejelzéseket, ezáltal a csapjelek illetve az opponens csatornák jelei is feldolgozásra kerülnek. Továbbá az akromatikus modelleknél csak egy érték felel az adaptációért (amit x-el vagy m-el jelölnek), míg a CHC2 modell egy 5 elemű paraméterhalmazt használ, a {αL, αM, αS, αR, γL, γM} halmazt, ami meghatározza a fotoreceptorok észlelésre tett befolyását. További nagy különbség az irodalombeli modellekhez képest, hogy minden fotoreceptor adaptációja a többi fotoreceptortól független. Ezt a CL=∆L/Lb formájú egyenletekkel sikerült elérni (az S, M és R receptorokra hasonlóan). A mezopos fénysűrűségi tartományt leíró detektálási teljesítmény (performance based) alapú modell esetén sok befolyásoló tényezőt kell figyelembe venni, ilyen például a receptorok spektrális érzékenysége és aktivitása, a retinán és a retinát követő sejtekben történő jelfeldolgozás. A sok befolyásoló tényező kapcsolatát, és egymásra való hatását nem szabad túlzottan leegyszerűsíteni, hiszen a mezopos tartományban, a retinán és azt követően, számos folyamat működik egyszerre, egymással párhuzamosan, amelyek könnyen befolyásolhatják a detektálást [60]. Ez a hatás a modellezés folyamatában is megjelent: a fotoreceptorok spektrális érzékenységének részleges átlapolódása miatt nem az [(L+M)-S] opponens csatornát használtuk, hanem az

α S S (λ ) + γ L L(λ ) − γ M M (λ ) , amely részben hasonlít a Faubert által leírt „sárga mechanizmus”-ra [61]. A kromatikus jelek, a megfigyelési szög, illetve az opponens-csatornák figyelembe vétele által a CHC2 modell segítségével biztosabban lehet előrejelezni a vizuális céltárgyak detektálásához szükséges kontrasztküszöb értéket, így az inkrementum sugársűrűsége is kiszámítható Abney spektrális összegezhetőségről szóló 80

törvényének figyelembe vételével. Így minden spektrálisan összetett fényforrás (például LED-eket használó, vagy higanylámpás közvilágítás) esetén kisebb hibával számítható a detektáláshoz szükséges minimális kontraszt. Bár az irodalomban található akromatikus modellek – az X- a MOVE- és a CIE TC1-58 modellek – nem veszik figyelembe a kromatikus jeleket, a megfigyelési szögtől való függést, továbbá Abney összegezhetőségről szóló törvényének teljesülését feltételezik – ami azonban nem teljesül a mezopos fénysűrűségi tartományban –, mégis felhasználható az előrejelzésük a detektálási kontrasztküszöb meghatározásához. 10°-os megfigyelési szögnél szinte minden esetben az ai súlyozó paraméter értéke nagyobb, mint 1, így elfogadható az előrejelzés. Viszont 20°-os szög használata esetén, vagy valós dinamikus közlekedési helyzetben, már számos eset van, főként a sárga, spektrálisan összetett vizuális céltárgyaknál, ahol ai<1. Ilyen esetekben óvatosan kell eljárni, ha a tervezéshez az akromatikus modellek előrejelzését szeretnénk felhasználni.

81

10 Összefoglaló Dolgozatomban a mezopos fénysűrűségi tartományban fellépő nem-additivitási problémát vizsgáltam. Közel 1500 kísérletet végeztem el laboratóriumban, illetve további elméleti számításokat végeztem, virtuális stimulusok segítségével. Az adatok segítségével olyan kontraszt metrikát állítottam fel, amely az irodalomban található akromatikus modelleknél hatásosabban

és

pontosabban képes

előrejelezni a

detektáláshoz szükséges minimális kontraszt értékét. A modell figyelembe veszi a megfigyelési szög és a kromatikus csatornák befolyásoló hatását, így megoldván a mezopos tartományban fellépő nemösszegezhetőségi problémát. Továbbá összehasonlító számításokat végeztem három, az irodalomban található akromatikus modell és a CHC2 modell nyújtotta adatok között, és megállapítottam, hogy az X, a MOVE és a CIE TC1-58 modellek segítségével számított értékek – némi óvatossággal – felhasználhatók a detektálási kontrasztküszöb meghatározására. A leírtak alapján a következő téziseket fogalmaztam meg.

82

11 Tézisek 1. A kontrasztot – a vizuális céltárgy és a háttér között – célszerűbb a tradicionális módszer:

C=

Lcéltárgy − Lháttér Lháttér

,

(39)

helyett a CHC2 kontraszt metrika által definiált módon számítani:

CCHC2=αL (Lb /YMPb )CL +αM (M b /YMPb )CM +αS (Sb /YMPb )CS+αR (Rb /YMPb )CR + |γ L (Lb /YMPb )CL -γ M (M b /YMPb )CM|

, (37)

mégpedig a CCHC2-t definiáló

CL =

∆L , Lb

(28)

CM =

∆M , Mb

(29)

CS =

∆S , Sb

(30)

CR =

∆R , Rb

(31)

egyenletek felhasználásával, amelyek által definiált módszer segítségével a fotoreceptorok egymástól független, a háttér színképi teljesítmény eloszlásához való adaptációja írható le. A korábbi, (39). egyenletben definiált módszer erre nem ad lehetőséget. 2. Az irodalomban szereplő korábbi metrikák nem veszik figyelembe az opponenscsatornák jeleit, ezáltal nem képesek feloldani a nem-összegezhetőség problémáját. Ellenben a CHC2 modell kialakítása révén – receptor specifikus adaptáció, opponens-csatornák figyelembe vétele, spektrális érzékenység

83

kiszélesítése – képes minimalizálni, optimális esetben kiküszöbölni ezt a hibát, így egy pontosabb detektálási kontrasztküszöb értéket számítani.

3. Dolgozatomban megállapítottam, hogy a spektrálisan összetett vizuális céltárgyaknál jelentkezik a nem-összegezhetőség problémája, amely a sárgás színű céltárgyak esetén a legjelentősebb, amit az (L-M) illetve az (M-L) típusú receptív mezők okoznak. Ezt a jelenséget a kifejlesztett CHC2 modell „

α S S (λ ) + γ L L(λ ) − γ M M (λ ) ” része orvosolja. 4. Az irodalomban szereplő modellek a mezopos tartományra rendre saját fénysűrűség számítást javasolnak – például LMES,MOVE –, ami nem megfelelően írja le a vizuális céltárgyak láthatóságát. A CHC2 metrika a céltárgy kontrasztját számítja a háttérhez képest, ami valóban a céltárgy láthatóságáról ad információt az adott helyzetben. Emiatt a mezopos tartományban történő előre jelzéseket nem fénysűrűség-, hanem kontrasztszámítással adja meg.

5. Dolgozatomban megmutattam, hogy az irodalomban található modellek: az X, a MOVE és a CIE TC1-58 által ajánlott modell kontrasztküszöb előrejelzése elfogadható 10°-os megfigyelés szög esetén. Nagyobb szögek, például 20°-os szög alatt több esetben ezen modellek által jelzett kontrasztküszöbénél az átlagos megfigyelő még nem észleli a céltárgyat. Ez közlekedésbiztonsági rizikó helyzetet jelent.

84

12 Köszönetnyilvánítás Szívből köszönöm Édesanyám és Édesapám, s Nagyszüleim állandó támogatását, hogy kitartottak mellettem az egyetemi- és a doktori képzésem hosszú évei alatt. Sokat köszönhetek nekik, s remélem, ezen évek alatt megszerzett tudás kamatoztatásával némileg megajándékozhatom Őket.

Köszönöm kedvesem, Tímea türelmét, megértését, hogy velem volt jóban, s rosszban, mindig támogatott, amikor szükségem volt rá.

Köszönettel tartozom témavezetőmnek, Dr. Schanda Jánosnak, amiért alapos és türelmes vezetőm volt. Útmutatásai a szakmai témakörökben elengedhetetlenül fontosak voltak, hogy úgy alakulhasson ez a dolgozat, ahogy alakult.

Továbbá köszönöm Dr. Bodrogi Péter munkáját, tanácsait, segítségét, hogy elindított doktoranduszi pályámon, s munkámat figyelmével kísérte, ötleteivel és szaktudásával tovább lendítette.

85

13 Melléklet 13.1 A fényt emittáló dióda Kísérleteim során LED-es háttérfényforrást használtam, emiatt úgy gondolom, érdemes lenne néhány szót ejteni róla. A fényt emittáló diódák, avagy közismertebb nevükön LED-ek (a rövidítés az angol Light Emitting Diode-ból származik) 1955-óta ismertek, amikor Braunstein felfedezte a gallium-arzenid λ=940 nm hullámhosszúságú infravörös emisszióját. Holonyak kutatásai 1962-ben már látható optikai sugárzással bíró LED-eket eredményeztek [62,63,64,65]. A

LED-eket

félvezető

anyagokból

felépített,

úgynevezett

„p-n”

átmenetek

alkalmazásával gyártják [66]. A félvezetők sajátvezetéséből adódó „intrinsic” vezetőképessége a gyakorlatban nem elegendő, emiatt az anyagok szennyezése (doping) által okozott vezetési folyamatot használják ki. A szennyezéses vezetési folyamatot a félvezetőkbe a gyártás során bevitt adalékanyagokkal valósítják meg (például a szilícium atomot a kristályrácsban indiummal, bórral helyettesítik). Ezzel az eljárással a félvezetők vezetőképessége széles tartományban szabályozható. A szennyező atom külső elektronhéján, azaz a vegyértékhéján több, vagy kevesebb elektron van, mint az alaprács atomjaiban (a szilícium atom vegyértékhéján 4 elektron van a maximálisan lehetséges 8 helyett). Amelyik atomon több elektron van, annak neve donor. A donorokat tartalmazó szennyezett kristályszerkezet alkotja az n-típusú réteget. A rácsot alkotó atomoknál kevesebb elektronnal rendelkező atomot akceptornak nevezzük, az általa keletkező kristályrácsot pedig p-típusú félvezetőnek nevezzük. A p-n átmenet egy n-típusú félvezető és egy p-típusú félvezető anyag határán jön létre, és csak néhány µm vastagságú. A két réteg érintkezésénél a töltéshordozók koncentrációkülönbsége miatt diffúziós áram indul meg. Egy p- vagy n-típusú félvezetőnek aránylag jó a vezetőképessége, azonban az átmeneti réteg – ahol a két kristályszerkezet találkozik –, nem vezet. Ezt a nem vezető, átmeneti réteget kiürített tartománynak nevezzük (18. ábra). Ez az n-típusú rács elektronjainak és a p-típusú kristályrácsban található „lyukak” rekombinálódásának eredménye. Az elektromos erőteret létrehozó tértöltési tartomány két oldalán kialakul egy belső potenciálgát, amit UD diffúziós feszültségnek (kontaktpotenciálnak) nevezünk. A

86

diffúziós potenciál a tértöltés p-n átmenet mentén a p-oldalon negatív, az n-oldalon pozitív potenciált hoz létre. A két oldal közti teljes potenciálkülönbséget nevezzük diffúziós potenciálkülönbségnek (18. ábra).

18. ábra: A p-n átmenet és a rekombinálódott részecskék

Záró irányú előfeszítésről akkor beszélünk (19. ábra O-A rész), ha a p-típusú rétegre negatív, az n-típusúra pedig pozitív feszültséget kapcsolunk. Ilyenkor a p-típusú kristályrács töltéshordozói távolodnak a kiürülési rétegtől, és hasonlóan távolodnak a kiürülési rétegtől az n-típusú tartomány töltéshordozói is, emiatt megnő a kiürített tartomány vastagsága. A potenciálgát arányosan nő a záró irányú feszültség növelésével, így számottevő mértékben megnő az összeállítás elektromos ellenállása is. Ha ezt az előfeszítést egy kritikus szintnél nagyobb értékre emeljük, a vékony kiürített rétegben olyan nagy térerősség jöhet létre (8*104 V/cm2), amelynek hatására a határrétegen átjutó kisebbségi töltéshordozók olyan mértékben felgyorsulnak, hogy ütközéseikkel

a

vegyértékhéjon

keringő

elektronokat

tudnak

leszakítani

a

kristályrácsban lévő atomokról. A leszakadt elektronok ugyanilyen mértékben felgyorsulva, további elektronokat sodornak el, és így lavinaszerűen megnő a szabad elektronok (és lyukak) száma, ezzel a határrétegen átfolyó áram. A kialakuló áramot csak a félvezető soros ellenállása korlátozza.

Ezt, a kritikus szintnél mérhető

feszültséget letörési feszültségnek nevezzük (19. ábra A-B szakasz) [66].

87

19. ábra: Egy LED karakterisztikája, ahol Uf a nyitó-, Ur a záró irányú feszültséget, If a nyitó-, Ir a záró irányú áramot jelöli Nyitó irányú előfeszítésnek nevezzük azt (19. ábra C rész), amikor a p-típusú rétegre pozitív, az n-típusú rétegre negatív előjelű feszültséget kapcsolunk. Ezáltal a p-típusú kristályrácsban lévő „lyukak” és az n-típusú rétegben lévő elektronok a kiürített réteg irányában mozdulnak el, csökkentve ezzel a potenciálgátat. Az előfeszítést növelve a potenciálgát mértéke csökken, így a töltéshordozók képesek áthaladni rajta. Emiatt a p-n átmenet ellenállása nagyon lecsökken, megindul a rekombináció. A fénykibocsátás a diódára kapcsolt áramforrás segítségével érhető el. A nyitó irányú áram hatására dióda anyagában levő elektronok gerjesztett állapotba kerülnek, amitől azok egy magasabb energiaszintű elektronpályára lépnek. Ez a gerjesztett állapot egy úgynevezett meta stabil állapot: a fenntartásához sok energia szükséges, emiatt az elektronok rövid időn belül visszatérnek az eredeti állapotukba, miközben a két vegyértékszint közti többletenergiát fotonként bocsátják ki, vagy hőként adják le. Magasabb áramerősség hatására megnő a kisugárzott fotonok száma, természetesen ez csak egy adott szintig igaz. Ezt a szintet a fényt emittáló dióda karakterisztikája határozza meg. A LED-ek előnye, hogy az optikai sugárzás előállításához kis áramot és feszültséget igényelnek (jó a fényhasznosításuk), nagy a kapcsolási sebesség, kis helyen elférnek, a fizikai behatásoknak fokozottan ellenállnak, nagy az élettartamuk (akár 50.000 óra) és a gyártás során befolyásolható a későbbiekben kibocsátott optikai sugárzás spektrális teljesítmény eloszlása is. Napjainkban az úgynevezett teljesítmény

88

LED-ek akár 130-150 lm/W (2010 februárjában információk kerültek napvilágra egy szobahőmérsékleten 208 lm/W fényhasznosítású Cree LED-ről) fényhasznosítással is rendelkezhetnek, amely egy elég jó eredmény, a volfrám szálas izzó 9-25 lm/W értékével szemben. Kísérleteim során azért esett a választás a LED-es fényforrásra, mert napjainkban egyre nagyobb mértékben terjed ez a típus mind a közvilágításban, mind a gépjárművek fényszóróiban. Hazánkban Miskolcon, és Veszprémben van részben LED-es közvilágítás, de csak kísérleti jelleggel; Budapesten a Szabadság hidat 2009 során új díszvilágítással látták el, amihez fényt emittáló diódákat használtak fel. Természetesen az egyre nagyobb közkedveltség mellett a nagyon jó fényhasznosítás, és a spektrális optimálhatóság volt a döntő, hiszen az 5, 6, 7, és 8. fejezetekben leírt eredmények alapján látható, hogy az emberi szem spektrális érzékenységi görbéje több lokális maximummal rendelkezik a mezopos fénysűrűségi viszonyok között. A LED-ek által kibocsátott optikai sugárzás hozzáigazítható ezekhez az értékekhez a szennyezéshez használt anyagok, illetve a búra anyagába kevert fénypor segítségével. Továbbá kisebb elektromos fogyasztásuk miatt környezetkímélőbb fényforrások hozhatók létre.

13.2 A HPS és LED-es fényforrások rövid összehasonlítása Az eredményeim hasznosságát tovább szemléltetve röviden összehasonlítanám az általam használt LED-eket a közvilágításban elterjedt nagynyomású nátrium (továbbiakban HPS) lámpákkal. Kísérleteim során – mint ahogy a 4.1 fejezetben bővebben taglaltam – fehér teljesítmény LED-eket használtam. Ezek színhőmérsékletük alapján (TCCT =6100 K) hidegfehérnek számítanak, spektrális teljesítmény eloszlása a 20. ábrán látható. Továbbá néhány színmetrikai adatot a 14. táblázat közöl. Ezen fényforrások kék LEDek, melyeket sárga fényporral konvertálnak, így keletkezik a fehér színű fény. A 20. ábrán látható, hogy 2 lokális maximummal rendelkezik (461 nm-nél, és 576 nm-nél), szélessávú sugárzónak tekinthető. A mesterséges fényforrások kisebb-nagyobb mértékben eltorzítják a természetes színeket. Ezt a színtorzulást jellemzik a színvisszaadási indexszel, melynek skáláját úgy alakították ki, hogy a természetes fényforrás, az úgynevezett "fekete test sugárzó" színvisszaadási indexét vették 100-nak és a skála 0-tól 100-ig terjed. Minél kisebb egy fényforrás esetén az index értéke, annál

89

inkább torzulnak az általa megvilágított felületek színei. Az izzólámpa is fekete test sugárzónak tekinthető és ezért annak színvisszaadási indexe közel 100. A színvisszaadási index szokásos jelölése Ra. Ezen LED-ek színvisszaadási indexe (Ra= 82,3) sokkal nagyobb, mint a HPS Ra értéke, tehát az általa megvilágított felületek színei kevésbé torzulnak. A közvilágításban elterjedt nagynyomású nátrium lámpa – továbbiakban HPS – színmetrikai adatai a 14. táblázatban, spektrális teljesítmény eloszlása pedig a 20. ábrán látható.

14. táblázat A kísérletben használt LED-ek és egy HPS fényforrás színmetrikai adatai x

y

Hidegfehér LED 0,311 0,330

CCT [K] Ra 6100

82,3

n.a

3,9

0,559 0,405

HPS

Ahogy az ábra mutatja a HPS fényforrás – a hidegfehér LED-ekhez viszonyítva – tekinthető keskeny sávszélességűnek, melynek maximuma 597 nm hullámhossznál van, emiatt színe narancssárgás. Ra értéke 3,9 ami elég gyenge színvisszaadást eredményez, így magyarázható, hogy HPS fényforrás alatt elhelyezett tárgyak színei megközelítőleg a fekete - narancssárga színtartományba tolódnak el. A mezopos fénysűrűségi tartományban mind a pálcikák, mind a csapok aktívak, melyek párhuzamos működésének hatására kapjuk a VMP(λ) láthatósági függvényeket. 1,2

Fényforrások SPD-je Hidegfehér LED

1 HPS Vmp(λ)-10°

Rel. Egység

0,8

Vmp(λ)-20° 0,6 0,4 0,2 0 350

400

450

500

550 600 Hullámhossz (nm)

650

700

750

800

20. ábra A kísérletben használt TCCT =6100 K korrelált színhőmérsékletű LED-ek, egy nagynyomású nátrium lámpa SPD-je,és a VMP(λ) 10° és 20°-os megfigyelési szög alatt meghatározott függvényei.

90

Ha figyelembe vesszük a csapok és a pálcikák érzékenységi görbéit, akkor azt figyelhetjük meg, hogy a hidegfehér LED fényforrás egyik spektrumának egyik lokális maximuma körülbelül az S-csapok és a pálcikák érzékenységi maximuma között található, másik lokális maximuma pedig közel egyezik az L-csapok érzékenységi maximumával. Ezáltal mind a pálcikákat, mind a csapokat gerjeszti. A HPS lámpa esetében más a helyzet, spektrális teljesítmény eloszlása miatt a pálcikákat és az Scsapokat alig gerjeszti, SPD-je túlnyomórészt az M- és L-csapok érzékenységi tartományába esik. Ha a 20. ábrán összehasonlítjuk a két fényforrás görbéjét a VMP(λ) érzékenységi modell két – 10° és 20° – megfigyelési szög alatt meghatározott görbéjével, látható, hogy közvilágítási célra sokkal célszerűbb volna hidegfehér (melegfehér) LED-ekből álló lámpatesteket használni – kutatások kimutatták, hogy hidegfehér LED-ek használata esetén jobb a látásélesség [67] –, amelyek segítségével a tárgyak jobb láthatósága érhető el, továbbá közterületek megvilágításánál nem elhanyagolható a LED-ek számottevően jobb – HPS-hez képest – színvisszaadási indexe sem.

91

14 Jelölésjegyzék

λ

hullámhossz

V(λ)

fotopos spektrális érzékenységi függvényt

V’(λ)

szkotopos spektrális érzékenységi függvényt

L,M,S

csapok spektrális érzékenysége görbéje

R

pálcikák spektrális érzékenységi görbéje

MC

magnocelluláris sejtcsoport

PC

parvocelluláris sejtcsoport

KC

koniocelluláris sejtcsoport

LGN

lateral geniculate nucleus

Lp

fotopos fénysűrűség

X, Y, Z

tristimulusos értékek

C

kontraszt

SPD

Spectral Power Distribution

VL

visibility level

TCCT

korrelált színhőmérséklet

x, y

színességi koordináták

DAC

Digital Analog Conversion

ND

Neutral Density

χ(λ)

fényforrás spektruma

Δχ(λ)

inkrementum SPD-je

χb(λ)

háttérfényforrás SPD-je

CCHC2

CHC2 modell által számított kontraszt deszkriptor

YMPb

ami egy „fénysűrűség jellegű” érték

VMP(λ)

Kurtenbach által definiált mezopos spektrális érzékenységi görbe módosított változata

92

15 Irodalomjegyzék 1.

Magyar Szabvány: Fénytechnikai terminológia, MSZ 9620-3, 845-03-19, (1991)

2.

Commision Internationale de l’Eclairage, (1987), “International Lighting Vocabulary” Publication CIE 17.4-1987, ISBN 978 3 900734 07 7.

3.

Palmer S, “Photons to Phenomenology”, (1999), Vision Science, Massachusetts Institute of Technology.

4.

IRIS Pharma weboldala: http://href.hu/x/cfzv.

5.

Oktatási és Kulturális Minisztérium, Kempelen Farkas Hallgatói Információs Központ, Digitális Tankönyvtár.

6.

Sliney D, “Exposure geometry and spectral environment determine photobiological effects on the human eye”,(2005), Photochemical Photobiology, Vol. 81, p.483-489.

7.

Sliney D, “Optical radiation safety of medical light sources”,(1997), Physical and Medical Biology, Vol. 42, p.981-996.

8.

Giblin F, “Glutathione: a Vital Lens Antioxidant”,(2000), Journal of Ocular Pharmacological Terminology, Vol.16, p.121-135.

9.

Seth R, Kharb S, “Protective Function of alpha-tocopherol against the Process of cataractogenesis in humans”,(1999), Annals of Nutrition and Metabolism, Vol. 43, p.286-289.

10. Yeum K, Shang F, Schalch W, Russell R, Taylor A, “Fat-soluble nutrient concentrations in different layers of human cataractous lens”,(1999), Current Eye Research, Vol.19, p.502-505. 11. Dillon J, Atherton S, “Time Resolved Spectroscopic Studies on the Intact Human Lens”,(1990), Photochemical Photobiology, Vol.51, p.465-468. 12. Stockman A, MacLeod D, Johnson N, “Spectral sensitivities of the human cones”,(1993), Journal of Optical Society of America, No. 12, p.2491-2521. 13. Stockman A, MacLeod D, Vivien J, “Isolation of the middle- and long-wavelength-sensitive cones in normal trichromats”,(1993) Journal of Optical Society of America, No. 12, p.24712490. 14. Stockman A, Sharpe L, “The spectral sensitivities of the middle- and long-wavelength-sensitive cones derived from measurements in observers of known genotype”,(2000), Vision Research, Vol. 40, p.1711-1737. 15. A Colorado.edu weboldala : http://href.hu/x/cg01. 16. Werblin F, Jacobs A, Teeters J, “The Computational Eye”,(1996), IEEE Spectrum, Vol. 1996 May, p.30-37. 17. Curcio C, Sloan K, Kalina R, Hendrickson A,” Human photoreceptor topography”,(1990), Journal of Comparative Neurology, Vol. 292, p.497-523. 18. Valberg A, “Light Vision Color”,(2005), John Wiley & Sons Ltd., p. 279. 19. Hunt R,”Measuring Colour”,(1998) Fountain Press, England 20. Schanda J, “Színészlelés alapismeretei” c. PhD kurzus tananyaga.

93

21. Jameson D, Hurvich L, “The science of colour appereance”, (1967), Color Engineering, Vol. 5, p 29-43. 22. Tarsoly E, „Funkcionális anatómia”, (2004), Edge kiadó, Budapest. 23. Sekuler R, Blake R, „Észlelés”, (2004) Osiris kiadó, Budapest. 24. Commission Internationale de l'Eclairage,” Recueil des Travaux et Compte Rendu de Séances”,(1926), Cambridge University Press, pp.67-69. 25. Commision Internationale de l’Eclairage, “2° Spectral Luminous Efficiency Function for Photopic Vision”,(1990), Publication CIE 86-1990, ISBN 3 900 734 23 2. 26. Stockman A, Sharpe L, ”Into the twilight zone: the complexities of mesopic vision and luminous efficiency”,(2006), Ophthalmic and Physiological Optics, Vol. 26, p. 225–239. 27. Stockman A, ”Luminous Efficiency, cone fundamentals and chromatic adaptation”,(2009), Commision Internationale de l’Eclairage Midterm Conference, Budapest, Hungary. 28. Stockman A, Sharpe L,” Into the twilight zone: the complexities of mesopic vision and luminous efficiency”,(2006), Ophthalmic and Physiological Optics 26, 225–239. 29. Commission Internationale de l'Eclairage, Proceeding of the 12th Session, 3, Table II Stockholm 1951, pp. 37-39. 30. Commission Internationale de l'Eclairage, “CIE 10 degree photopic photometric observer”, (2005), CIE 165-2005, ISBN 3 901 906 39 8. 31. Ronchi LR,”The Purkinje Effect: Some considerations on the interplay of receptoral and postreceptoral mechanisms”,(1990) Colour Research and Application, 15, No. 6, Dec. 1990, p. 1-6; 16. 32. Szabó F, Vas Z, Csuti P, Schanda J, ”Experimental investigation of the Purkinje effect in case of traditional and modern street lighting luminaires”,(2010), Lumen V4, Brno. 33. Schanda J., Kránicz B., Radiometria, fotometria, színmetrika c. egyetemi kurzus tananyaga. 34. Lennie P, Pokorny J, Smith VC, ”Luminance”, (1988) Journal of Optical Society of America A,Vol. 10, p.1283-1293. 35. Schanda J,”Fotometria és színmérés a 21. században”,(2002), Világítástechnikai Évkönyv, Vol. 2002-2003, p. 12-18. 36. Palmer DA, “Standard observer for large-field photometry at any level”,(1968), Journal of Optical Society of America, Vol. 58: p.1296-1299. 37. Sagawa K, Takeichi K, “Spectral luminous efficiency functions in the mesopic range”, (1986), Journal of Optical Society of America A, Vol. 3, p.71-75. 38. Trezona PW, “A system of mesopic photometry”, (1991), Color Research and Application, Vol. 16, p.202-216. 39. He Y, Rea M, Bierman A, Bullough J, “Evaluating light source efficacy under mesopic conditions using reaction times”,(1997), Illumination Engineering Society, Vol. 26, p.125-138. 40. Rea M, He Y, Bierman A, “Toward a system of mesopic photometry based upon M channel response”,(1997), Proceedings of The International Conference on Visual Scales.

94

41. Rea M, Bierman A, McGowan T, Dickey F,Havard J, “A field test comparing the effectiveness of metal halide and high pressure sodium illuminants under mesopic conditions”,(1997), Proceedings of The International Conference on Visual Scales. 42. Rea M, Boyce P, “Different sources for different courses under mesopic light levels”, (1998), Proceedings of The 4th International Lighting Research Symposium. 43. Padmos P, Norren DV, „Increment Spectral Sensitivity and Colour Discrimination in the Primate by means of graded Potentials from the Stritate Cortex”,(1975), Vision Research, Vol. 15, p.1103-1113. 44. Sperling H, Harwerth R, “Red-Green Cone Interactions in the Increment-Threshold Spectral Sensitivity of Primates”,(1971), Journal of Science, Vol. 172, No. 3979, p.180-184. 45. Hamm

M,

„Untersuchungen

der

spektralen

Schwellenempfindlichkeit

und

der

Reizverarbeitungszeiten im menschlichen Auge“,(1997), Darmstädter Dissertation, No.17. 46. Zrenner E, ”Are there Separate Channels for Luminance and Color?”,(1988), Die Farbe, Vol. 34, p. 285-289. 47. Kurtenbach A, Meierkord S, Kremers J, “Spectral sensitivities in dichromats and trichromats at mesopic retinal illuminances”,(1999), Journal of Optical Society of America, Vol. 16, p.15411547. 48. Eloholma M, Viikari M, Halonen L, Walkey H, Goodman T, Alferdinck J, Freiding A, Bodrogi P, Varady G, “Mesopic models—from brightness matching to visual performance in nighttimedriving: a review”,(2007), Lighting Research and Technology, Vol. 37, p. 155-175. 49. CIE TC 1-58 draft Technical Report, “Recommended system for visual performance based mesopic photometry”,(2009), Draft 3. 50. Photo Research PR-705 kézikönyv: http://www.photoresearch.com/current/docs/705.pdf. 51. A

GretagMacbeth

Farnsworth-Munsell

100

Hue

Test

leírása:

http://www.rpimaging.com/store/PID52. 52. García-Pérez M, “Forced-choice staircase with fixed step sizes: asymptotic and small-sample properties”,(1998), Vision Research, Vol. 38. 53. Bodrogi P, Vas Z, Haferkemper N, Varady G, Schiller C, Khanh TQ, Schanda J, “Effect of chromatic mechanisms on the detection of mesopic incremental targets at different eccentricities”,(2010), Ophthalmic and Physiological Optics, Vol. 30, p. 85-94. 54. Bodrogi P, Vas Z, Schiller Ch, Khanh TQ, “Psychophysical evaluation of a chromatic model of mesopic visual performance”,(2008), Proceedings of the 4th European Conference on Colour in Graphics, Imaging, and Vision, CGIV-IS&T. 55. Vas Z, Bodrogi P, Schanda J, Várady G, ”The non-additivity phenomenon in mesopic photometry”,(2010), Journal of Svetotekhnika – Light and Engineering, submitted and accepted 56. Watson A, Ahumada A, “A standard model for foveal detection of spatial contrast”,(2005), Journal of Vision, Vol. 5, p.717– 740. 57. Rea M, “Lighting and seeing the difference between night and day”, (1998), Proceedings of the 8th International Symposium on the Science and Technology of Light Sources, p. 120 –128.

95

58. Verdon W, Haegerstrom-Portnoy G, “Mechanisms Underlying the Detection of Increments in Parafoveal Retina”,(1996), Journal of Vision Research, Vol. 36, p.373–390. 59. A TechnoTeam Bildverarbeitungs GmbH. által gyártott kepi felbontású fénysűrűségmérő berendezés leírása: http://www.technoteam.de/products/lmk_luminance_measuring_camera/lmk_mobile_advanced/i ndex_eng.html. 60. Stockman A, Plummer D, “Long-wavelength adaptation reveals slow, spectrally opponent inputs to the human luminance pathway”,(2005), Journal of Vision, Vol. 5, p.702–716. 61. Diaconu V, Faubert J, “Chromatic parameters derived from increment spectral sensitivity functions”,(2006), Journal of Optical Society of America A, Vol. 23, p.2677–2685. 62. Moreno I, Sun C, "Modeling the radiation pattern of LEDs",(2008), Optics Express, Vol. 16, doi:10.1364/OE.16.001808. 63. Zheludev N, "The life and times of the LED — a 100-year history", (2007), Nature Photonics, Vol. 1, p. 189–192. 64. Schubert E, “Light-Emitting Diodes”, (2007), Cambridge University Press, ISBN 0819439568. 65. Hoerni J, US Patent 3-025-589, "Method of Manufacturing Semiconductor Devices" , (1959). 66. Bodrogi P, “Optoelektronika” c. egyetemi kurzus tananyaga. 67. Vas Z, Szabó F, „A fényforrás spektrumának hatása a látásélességre a mezopos fénysűrűségi tartományban“, (2010), Elektrotechnika, Vol. 103, p.17-20.

96