發(fā)布時間：2021-12-31 08:38

　　圖像識別就是從圖像庫中篩選出特定的目標圖像。目前圖像的識別方法主要有機器視覺和人工判讀。前者借助計算機強大的執(zhí)行能力,能夠?qū)崿F(xiàn)圖像的快速檢測,但在一些背景相對比較復雜或者需要相關經(jīng)驗知識才能識別的圖像中,機器視覺的識別效果往往不近人意;后者依賴人類視覺系統(tǒng)魯棒性高、可靠性強的特點,能夠?qū)崿F(xiàn)目標圖像的高精度識別,其缺點是耗時長、效率低、易疲勞且成本較高。借助于快速序列視覺呈現(xiàn)（Rapid Serial Visual Presentation,RSVP）范式,能夠?qū)崿F(xiàn)一種人機混合的腦-機接口（Brian computer interface,BCI）系統(tǒng)。該系統(tǒng)通過檢測腦電信號中與對應于目標圖像的P300成分來實現(xiàn)目標圖像的快速識別。本文從P300成分的產(chǎn)生機理、性質(zhì)和特點入手,結合腦電信號的時域、頻域、空域以及多通道同步耦合分析方法,研究如何進一步提高RSVP范式下目標圖像識別的精度和效率,主要工作如下:首先,針對P300成分在不同腦電節(jié)律上分布不均的問題,在結構化判別分析（Hierarchical Discriminant Component Analysis,HDCA）算法上引入頻域... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

神經(jīng)元結構圖

燕山大學工學碩士學位論文-12-和兩個20%的位置處放置電極。這樣電極被均勻的分布再來大腦的各個部位，以大腦的解剖名稱為電極命名，并用奇數(shù)標記左半腦電極，偶數(shù)標記右半腦電極，A1，A2電極分別標注左右耳垂的電極，通常將左右耳垂電極位置記為參考電極。圖2-3國際10-20系統(tǒng)電極安放方式2.2.3事件相關電位在RSVP系統(tǒng)中，事件相關電位檢測(ERP)是其最重要的組成部分。了解ERP的產(chǎn)生機理和特征有助于更好的研究ERP的檢測方法。人體的感覺器官在受到了聲音，圖像等刺激之后，大腦皮層的特定區(qū)域會產(chǎn)生特定的電位變化，這樣特定的電位變化對應于特定的刺激事件，它是人腦思想和感知在大腦活動上的直接反應�，F(xiàn)階段對于腦活動的研究，大部分都是基于事件相關電位的研究。RSVP系統(tǒng)中的圖像視覺刺激能夠誘發(fā)大腦視覺認知，是一種與大腦認知功能相關的內(nèi)源性相關事件。P300成分是目前最常用的一種ERP成分，如圖2-4所示為P300成分在時域上的波形。它以正向峰的形式出現(xiàn)在刺激出現(xiàn)之后大約300ms到800ms之間。把刺激出現(xiàn)之后到峰值出現(xiàn)的這段時間間隔叫做P300的潛伏期。圖2-4事件相關電位(P300)

燕山大學工學碩士學位論文-12-和兩個20%的位置處放置電極。這樣電極被均勻的分布再來大腦的各個部位，以大腦的解剖名稱為電極命名，并用奇數(shù)標記左半腦電極，偶數(shù)標記右半腦電極，A1，A2電極分別標注左右耳垂的電極，通常將左右耳垂電極位置記為參考電極。圖2-3國際10-20系統(tǒng)電極安放方式2.2.3事件相關電位在RSVP系統(tǒng)中，事件相關電位檢測(ERP)是其最重要的組成部分。了解ERP的產(chǎn)生機理和特征有助于更好的研究ERP的檢測方法。人體的感覺器官在受到了聲音，圖像等刺激之后，大腦皮層的特定區(qū)域會產(chǎn)生特定的電位變化，這樣特定的電位變化對應于特定的刺激事件，它是人腦思想和感知在大腦活動上的直接反應。現(xiàn)階段對于腦活動的研究，大部分都是基于事件相關電位的研究。RSVP系統(tǒng)中的圖像視覺刺激能夠誘發(fā)大腦視覺認知，是一種與大腦認知功能相關的內(nèi)源性相關事件。P300成分是目前最常用的一種ERP成分，如圖2-4所示為P300成分在時域上的波形。它以正向峰的形式出現(xiàn)在刺激出現(xiàn)之后大約300ms到800ms之間。把刺激出現(xiàn)之后到峰值出現(xiàn)的這段時間間隔叫做P300的潛伏期。圖2-4事件相關電位(P300)

【參考文獻】：
期刊論文
[1]基于多評價標準融合的醫(yī)療數(shù)據(jù)特征選擇算法[J]. 崔宇佳,張一迪,王培志,林海靜,陸起涌.  復旦學報(自然科學版). 2019(02)
[2]基于時、頻域的前額葉血氧濃度特征分析[J]. 吳綜,李浩,梁永波,陳真誠.  生物醫(yī)學工程研究. 2017(02)
[3]基于EMD-多尺度熵和ELM的運動想象腦電特征提取和模式識別[J]. 謝平,陳曉玲,蘇玉萍,梁振虎,李小俚.  中國生物醫(yī)學工程學報. 2013(06)
[4]LMD算法與運動想象腦電信號的時頻分析[J]. 張曉楠,劉建平.  現(xiàn)代電子技術. 2013(17)
[5]復雜�？毡尘跋氯跣∧繕说目焖僮詣訖z測[J]. 曾文靜,萬磊,張鐵棟,徐玉如.  光學精密工程. 2012(02)
[6]基于小波包熵和支持向量機的運動想象任務分類研究[J]. 王艷景,喬曉艷,李鵬,李剛.  儀器儀表學報. 2010(12)
[7]腦機接口技術在康復中的應用[J]. 陸蓉蓉,吳毅.  中華物理醫(yī)學與康復雜志. 2009 (10)
[8]運動想象腦電ERD/ERS時頻分析方法研究[J]. 殷罡,吳平東,彭軍強,黃漫玲,汪東.  微計算機信息. 2009(13)
[9]基于能量特征的左右手運動想象腦信號的識別方法[J]. 金晶,王行愚,張秀.  華東理工大學學報(自然科學版). 2007(04)

博士論文
[1]猴子伸—抓動作在大腦運動皮層中的表征及解碼[D]. 郝耀耀.浙江大學 2013
[2]多模態(tài)與多自由度腦機接口研究[D]. 余天佑.華南理工大學 2013
[3]基于腦電信號的警覺度估計研究[D]. 石立臣.上海交通大學 2012

碩士論文
[1]面向智能輔助駕駛的運動想象腦機接口研究[D]. 杜碩.燕山大學 2019
[2]基于運動想象腦機接口的算法研究[D]. 王煜文.燕山大學 2019



本文編號：3559951