辨識中文字的關鍵相位頻段

Critical phase Band for Chinese Character Recognition

過去文獻顯示無論在辨識一般物體、臉孔、或是英文字母時，視覺系統特別倚重某一空間頻率頻段內的訊息（例如Tjan et al., 1995；Näsären, 1999；Solomon & Pelli, 1994）。這個對特定物體的辨識而且特別重要的頻段即為本文所指稱的關鍵頻段。然而任何空間頻率的頻段均包含振幅與相位兩類訊息，前人關於關鍵頻段的研究法大多同時操弄到振幅與相位訊息，因此在他們所得到的關鍵頻段內，究竟是相位還是振幅訊息主導吾人的知覺，仍是一個未曾被詳細探討過的問題。本研究以選擇性破壞某頻段內的相位訊息，但維持原影像之振幅譜的技術，探討辨識中文字所倚重的關鍵相位頻段。在決定關鍵頻段時，我們由最低的空間頻率開始，逐步增加相位破壞的頻寬範圍（亦即截斷頻率之高低），並記錄受試者在每一破壞頻寬範圍下的辨識閾值，如此可得出辨識閾值對截斷頻率的心理計量函數。此函數實際上反映出的是視覺系統對於各頻段訊息的相對敏感度（也正是我們所欲測量的關鍵頻段）的累積函數，因此將心理計量函數作一次微分，即可獲得關鍵頻段的曲線。在實驗一中，我們以各種筆劃數與字形結構的樣本為刺激，所得的結果顯示，對中文字體的辨識而言，視覺系統的確特別倚重一個特定頻段（高峰值為8-10 cycles/lmage，頻寬為2 octaves）的相位訊息。然而這個結果有另一個可能的解釋方式，亦即在我們逐步擴大相位破壞範圍的過程中，可能將辨識文字所需的相位訊息數量破壞到一個臨界點以下，導致受試者閾值的上升，而與關鍵頻段的概念毫不相干。若此解釋為真，則我們所得的心理計量函數只是反映出相位的臨界數量，對其微分並不具特別意義。為了排除這個可能性，我們在實驗二中比較兩類刺激的辨識閾值，第一種刺激係將原始文字中，所有落於實驗一所得到的關鍵頻段內的相位訊息破壞掉，但保留所有關鍵頻段外的相位訊息。另一類刺激則破壞掉關鍵頻段外，但保留關鍵頻段內的訊息。由於關鍵頻段外的訊息數量遠大關鍵頻段內的個數，若臨界數量的假說為真，則可預測第二類刺激的閾值大於第一類刺激的結果。反之，若我們於實驗一中所推得的關鍵頻段的確顯示出視覺系統最為倚重的頻段時，則會作相反的預測。我們的結果很明顯地支持後者的解釋。另一個須排除的因素，便是我們所得的關鍵頻段是否只是反映出文字的物理特性（例如文字頻譜的能量是否集中於我們所得的頻段內），若是如此，我們的資料便缺乏心理實質性。針對此點，我們分析了不同筆劃組的文字之頻譜，發現筆劃數不同的文字，其頻譜的分佈亦有區別。因此於實驗三中我們個別量測不同筆劃組的關鍵相位頻段。若我們的資料只是反映出使用刺激的物理特性，則不同筆畫組的關鍵相位頻段應有不同。結果顯示關鍵相位頻段在各筆劃數組中並無區別。以理想觀察者的方式所作的分析，也排除了以物理參數解釋：我們實驗數據的可行性。與文獻中的相關研究作比較時，我們發現對各種不同材料的辨識作業而言，其關鍵相位頻段均相當一致，但關鍵振幅頻段則會因影像頻譜的性質而有很大的差別，似乎顯示視覺系統對於相位和振幅訊息有著不同的處理方式。我們對於最近關於中文語音轉錄歷程與空間頻率之關係的理論（Chua, 1999），亦由本研究結果的角度，於本文中作分析討論。

It has been shown that in identifying letters, Fourier components within a certain range of spatial frequencies are better utilized by the visual system than others (e.g. Solomon & Pelli, 1994). However, it is not clear whether it is the phase or the amplitude/power information within this critical band that mediates letter identification. We used a partial phase-randomization paradigm to determine the critical phase band for Chinese character recognition. The results indicated that for Chinese character recognition, there is indeed a critical spatial frequency range (with a peak of 8 cycles/image and a bandwidth of about two octaves) whose phase information is more important than that of other bands. The critical phase band was not an artifact caused either by the critical quantity of phase information required for identifying characters or by the shape of characters' power density functions. The contrast between the performances of ideal and human observers was evaluated to verify the psychological reality of the critical phase band. When comparing our results with previous critical band studies, we found that the critical phase bands for letter and character recognition were virtually identical (peaking at 8-10 cycles/image, with a bandwidth of about 2 octaves), while the critical power band for a given recognition task was image-statistics-dependent. It thus appears that there is a functional dissociation between the critical phase and power bands. The implication of our results in relation to a recent model for the phonological receding process of Chinese character recognition (Chua, 1999) is also discussed.