Does the visual cortex adapt to natural images?

 EEG study on 
natural image statistics and brain­plasticity
Project description
I.I.R. Groen (supervisor), H. Prins (intern), H.S. Scholte (co­assessor)

Background
Our perceptual systems are long thought to have adapted to the statistical properties of the signals to 
which they are exposed, both during long­term evolution and early brain development  [1].  Low­level 
statistics of natural stimuli can provide important clues about their complexity and texture similarity 
without the need for specific object identification processes. 
In line with this idea it has been shown  [2]  that the early ERP correlates strongly with the Weibull 
parameters of edge histograms of natural images. The two free parameters of the Weibull distribution 
(named beta and gamma) seem to describe a structured space with single objects against an empty 
background in the lower­left quadrant and cluttered texture­like pictures in the upper­right one. 
The correlation between early ERP and the beta and gamma parameters of a fitted Weibull distribution 
has been exploited to predict the stimulus participants where processing, using a computational model 
of the LGN output to the early visual cortex [3]. Comparison between predictions made by this model 
and the participant's ERP response revealed a clear effect of the number of presentations per stimulus 
on the explained variation in early deflections in the ERP, indicating adaptation of the brain to the 
stimuli. 
A growing body of evidence supports a continuing role for brain­plasticity during perceptual learning 
in adult human brains [4], including short­term adaption to natural image statistics [5]. Adaption seems 
to take place throughout the whole process of target recognition in cluttered natural scenes [6] and may 
involve various mechanisms on different timescales [7][8].

Aim
In order to determine the processes underlying the observed increase in explained variance, it will be 
useful to investigate the effect of interval length between the first and second presentation of a natural 
stimulus on the EEG response. It is the aim of the present experiment to do so. 
We (1) hope to confirm the effect of a previous encounter of the stimulus on the EEG response of 
participants   perceiving   the   stimuli   and   (2)   determine   whether   the   length   of   the   interval   between 
successive repetitions of the stimuli affects the response.

Procedure
Participants will be presented with a balanced set of natural scenes forming a representative sample 

1 / 3
from   the   edge   distribution   space   summarized   by   their   two   Weibull   distribution   parameters.   These 
scenes may either depict an urban or a non­urban environment. It will be the participant's task to 
categorize the scenes accordingly and as quickly as possible.

Set Repetition Interval Number of Stimuli

I 4­8 minutes 2*200
II 12­20 minutes 2*200
III > 30 minutes 2*200
IV 23­24 hours 400
Table 1: Conditions and the number of stimuli per condition. Stimuli in the first  
three   sets   are   repeated   during   a   single   session   and   differ   between   the   two  
subsequent   sessions.   The   fourth   set   contains   the   same   stimuli   during   both  
sessions, effectively creating a delay of approximately 24 hours.

The stimuli will be divided into four sets with different repetitions intervals. Stimuli in these sets will 
be   re­sampled   for   each   participant   while   remaining   a   natural   spread   in   their   Weibull   parameters. 
Repetition intervals vary from a few minutes to a full day. Data will thus be acquired over two different  
sessions, recorded within two subsequent days. Although we are not explicitly interested in behavioral 
performance on the task, response and reaction times will be recorded.

Experimental Details
▪ 16 participants
▪ 4 conditions reflecting 4 different repetition intervals
▪ Total amount of 400 stimuli per condition → 4 * 400 = 1600 stimuli (2 seconds per trial)
▪ 1 hour of EEG acquisition per session + 1 hour of preparation
▪ 2 recording sessions per subject over 2 subsequent days at the same time during the day
▪ Participants will be asked about the visual environment (urban or countryside) they grew up in

References
1. Simoncelli EP, Olshausen BA:  Natural image statistics and neural representation.  Annu. Rev.  
Neurosci 2001, 24:1193­1216.

2. Scholte HS, Ghebreab S, Waldorp L, Smeulders AWM, Lamme VAF:  Brain responses strongly 
correlate with Weibull image statistics when processing natural images [Internet].  Journal of  
Vision 2009, 9.

2 / 3
3. Ghebreab, Scholte, Lamme, Smeulders:  A biologically plausible model for rapid natural scene 
identification [Internet].  NIPS Foundation; 2009:629­637.

4. Karmarkar UR, Dan Y: Experience­Dependent Plasticity in Adult Visual Cortex.  Neuron  2006, 

52:577­585.

5. Schwarzkopf  DS, Zhang  J,  Kourtzi  Z:  Flexible  Learning  of Natural  Statistics  in   the  Human 
Brain. J Neurophysiol 2009, 102:1854­1867.

6. Kourtzi   Z,   DiCarlo   JJ:  Learning   and   neural   plasticity   in   visual   object   recognition.  Current 
Opinion in Neurobiology 2006, 16:152­158.

7. Gilbert C: Learning: Neuronal dynamics and perceptual learning. Current Biology 1994, 4:627­
629.

8. Gilbert CD, Sigman M, Crist RE: The Neural Basis of Perceptual Learning. Neuron 2001, 31:681­
697.

3 / 3