视觉系统对外部世界的感知主要是通过对图像的分离及组合,即知觉组织(Perceptual organization)。首先是图形与背景的分离,其中一个非常重要的信息就是对比度。当物体的亮度与背景亮度差值达到一定程度时,即可被视觉系统察觉。视觉系统对对比度的感知能力可以用对比敏感度来表示。知觉组织另一个重要过程是组合(grouping),比如我们通常把连续的对比度相同的物体看成是一个整体。然而视觉系统还有个更高级的功能是视觉完形(visual completion),即可以通过产生错觉轮廓将物体没有呈现在视野中的部分补齐。对对比敏感度与视觉完形的研究是视知觉研究中两大重要的课题,我在博士期间在这两个方向都开展了一些具体的研究工作。我的第一部分的工作是对儿童对比敏感度发育状态的探究。前人对儿童对比敏感度的发育在何时成熟的研究结果不一致：有人认为儿童对比敏感度在8岁左右就已经达到成人水平,也有人认为对比敏感度的发育一直持续到青少年时期。但这些研究都没有考虑到高阶像差对儿童对比敏感度的影响。而研究证明高阶像差在不同的个体之间差异很大,对对比敏感度也有着不可忽略的影响。多项研究都发现儿童的高阶像差比成人的要大,但是高阶像差对儿童对比敏感度的影响却不是很清楚。因此只有去除高阶像差的影响,才能更直接的探查儿童神经系统的对比敏感度发育水平。本研究的目的就是通过自适应系统排除高阶像差的影响后,探索8岁左右儿童的视觉神经系统的对比敏感度发育状态。我们测量了在矫正与不矫正高阶像差这两种情况下儿童和成人的高阶像差(HOAs)、调制传递函数(MTF)以及对比敏感度(CSF)。我们发现在矫正了高阶像差后儿童和成人的MTF和CSF都有提高,但儿童的对比敏感度仍然低于成人水平。这说明儿童与成人对比敏感度的差异不是由光学系统的差异导致的。然而这一差别也可能受到其他非视觉因素的影响,比如说头动、眼动以及较差的注意等。这些非神经因素会导致阈值的上升以及被试内变异性的增大。通过计算我们发现儿童测试CSF(矫正后的)时的变异性确实大于成人。因此我们又对儿童进行了为期10天的训练,以期降低其变异性。训练之后,儿童的变异性降低至成人水平,但他们的对比敏感度仍然低于成人。这说明儿童和成人对比敏感度的差异也不能完全归因于非视觉因素的差异。由此我们得出结论：8岁左右儿童视觉神经系统的对比敏感度尚未发育成熟。这一研究对儿童视功能研究方法的改进以及儿童视觉功能损伤(比如说弱视)的发现和治疗都有指导性意义。我的第二部分的工作是对立体错觉轮廓完形机制的研究。卡尼萨图形是视觉完形研究中时常被用到的刺激图形,通常有两种类型：一种是modal,一种是amodal。当感知到的卡尼萨方形在四个圆盘之上时被叫做modal,当感知到的卡尼萨方形是通过四个洞看到的时被叫做amodal。这两种完形的机制是否相同以及完形是发生在神经通路的哪个水平,对这两个问题研究所获得的结果都不太一致。近年来,分类图像成为视觉辨别任务中探索被试所使用的策略的常用的方法。研究者通过计算分类图像直观地证明了大脑是通过轮廓插值感知错觉轮廓的。但是modal和amodal完形的插值强度是否一致还尚未可知。为了探索这个问题,我们需要通过立体呈现刺激,保持modal和amodal完形在二维刺激形状上相同。另一方面,考虑到对关于轮廓完形与双眼整合关系的研究很少,在立体呈现时,我们还可以探索一个问题,即轮廓完形是在双眼整合之前完成的还是双眼整合之后。本研究通过采用立体错觉轮廓刺激辨别任务测量被试的阈值以及分类图像,以此来探索modal和amodal完形机制的异同以及完形与双眼整合之间的关系。我们采用cluster test定量地分析分类图像。本研究总共包括两个实验：对比度(在对比度阈值处)实验以及角度(高对比度)实验。每个实验都有两种噪声条件：噪声与卡尼萨图像不在同一平面：噪声与卡尼萨图像在同一平面。我们的假设一是,从整体来看：如果完形发生在双眼整合前,那么只要刺激输入在二维水平上一样,即使从三维上看有所不同,被试完成各项任务的结果都应该一致：相反,如果完形发生在双眼整合后,那么立体感觉上的不同可能会影响到被试完成不同任务的结果,即使不同任务中的刺激在二维输入上一模一样。假设二是,从分类图像的形状和位置来看：如果完形机制发生在双眼之前,那么分类图像均与单眼的卡尼萨图形轮廓重合,而分属两眼的分类图像没有统计正相关；如果完形机制发生在双眼整合之后,那么分类图像(1)或是没有(因为噪声在不同深度),(2)位于两眼轮廓线之间,(3)其位置在主视眼图形上与卡尼萨图形边缘轮廓重合。我们的研究发现modal和amodal完形的机制不完全相同,这表现为空白处cluster的大小以及对主眼的依赖性不同。在对比度阈值处,完形多发生在双眼整合前,但立体的形成对完形也有一定的影响。在高对比度下,完形既有单眼处理也有双眼整合后的处理。我们的研究为揭示人类视知觉行为过程的奥秘提供了有力的数据,并将会对计算机视觉提供理论支持。