基于多通道脑电的图像识别方法研究

发布时间:2021-12-31 08:38
  图像识别就是从图像库中筛选出特定的目标图像。目前图像的识别方法主要有机器视觉和人工判读。前者借助计算机强大的执行能力,能够实现图像的快速检测,但在一些背景相对比较复杂或者需要相关经验知识才能识别的图像中,机器视觉的识别效果往往不近人意;后者依赖人类视觉系统鲁棒性高、可靠性强的特点,能够实现目标图像的高精度识别,其缺点是耗时长、效率低、易疲劳且成本较高。借助于快速序列视觉呈现(Rapid Serial Visual Presentation,RSVP)范式,能够实现一种人机混合的脑-机接口(Brian computer interface,BCI)系统。该系统通过检测脑电信号中与对应于目标图像的P300成分来实现目标图像的快速识别。本文从P300成分的产生机理、性质和特点入手,结合脑电信号的时域、频域、空域以及多通道同步耦合分析方法,研究如何进一步提高RSVP范式下目标图像识别的精度和效率,主要工作如下:首先,针对P300成分在不同脑电节律上分布不均的问题,在结构化判别分析(Hierarchical Discriminant Component Analysis,HDCA)算法上引入频域... 

【文章来源】:燕山大学河北省

【文章页数】:73 页

【学位级别】:硕士

【部分图文】:

基于多通道脑电的图像识别方法研究


神经元结构图

波形,电极,国际,方式


燕山大学工学硕士学位论文-12-和两个20%的位置处放置电极。这样电极被均匀的分布再来大脑的各个部位,以大脑的解剖名称为电极命名,并用奇数标记左半脑电极,偶数标记右半脑电极,A1,A2电极分别标注左右耳垂的电极,通常将左右耳垂电极位置记为参考电极。图2-3国际10-20系统电极安放方式2.2.3事件相关电位在RSVP系统中,事件相关电位检测(ERP)是其最重要的组成部分。了解ERP的产生机理和特征有助于更好的研究ERP的检测方法。人体的感觉器官在受到了声音,图像等刺激之后,大脑皮层的特定区域会产生特定的电位变化,这样特定的电位变化对应于特定的刺激事件,它是人脑思想和感知在大脑活动上的直接反应。现阶段对于脑活动的研究,大部分都是基于事件相关电位的研究。RSVP系统中的图像视觉刺激能够诱发大脑视觉认知,是一种与大脑认知功能相关的内源性相关事件。P300成分是目前最常用的一种ERP成分,如图2-4所示为P300成分在时域上的波形。它以正向峰的形式出现在刺激出现之后大约300ms到800ms之间。把刺激出现之后到峰值出现的这段时间间隔叫做P300的潜伏期。图2-4事件相关电位(P300)

波形,事件相关电位


燕山大学工学硕士学位论文-12-和两个20%的位置处放置电极。这样电极被均匀的分布再来大脑的各个部位,以大脑的解剖名称为电极命名,并用奇数标记左半脑电极,偶数标记右半脑电极,A1,A2电极分别标注左右耳垂的电极,通常将左右耳垂电极位置记为参考电极。图2-3国际10-20系统电极安放方式2.2.3事件相关电位在RSVP系统中,事件相关电位检测(ERP)是其最重要的组成部分。了解ERP的产生机理和特征有助于更好的研究ERP的检测方法。人体的感觉器官在受到了声音,图像等刺激之后,大脑皮层的特定区域会产生特定的电位变化,这样特定的电位变化对应于特定的刺激事件,它是人脑思想和感知在大脑活动上的直接反应。现阶段对于脑活动的研究,大部分都是基于事件相关电位的研究。RSVP系统中的图像视觉刺激能够诱发大脑视觉认知,是一种与大脑认知功能相关的内源性相关事件。P300成分是目前最常用的一种ERP成分,如图2-4所示为P300成分在时域上的波形。它以正向峰的形式出现在刺激出现之后大约300ms到800ms之间。把刺激出现之后到峰值出现的这段时间间隔叫做P300的潜伏期。图2-4事件相关电位(P300)

【参考文献】:
期刊论文
[1]基于多评价标准融合的医疗数据特征选择算法[J]. 崔宇佳,张一迪,王培志,林海静,陆起涌.  复旦学报(自然科学版). 2019(02)
[2]基于时、频域的前额叶血氧浓度特征分析[J]. 吴综,李浩,梁永波,陈真诚.  生物医学工程研究. 2017(02)
[3]基于EMD-多尺度熵和ELM的运动想象脑电特征提取和模式识别[J]. 谢平,陈晓玲,苏玉萍,梁振虎,李小俚.  中国生物医学工程学报. 2013(06)
[4]LMD算法与运动想象脑电信号的时频分析[J]. 张晓楠,刘建平.  现代电子技术. 2013(17)
[5]复杂海空背景下弱小目标的快速自动检测[J]. 曾文静,万磊,张铁栋,徐玉如.  光学精密工程. 2012(02)
[6]基于小波包熵和支持向量机的运动想象任务分类研究[J]. 王艳景,乔晓艳,李鹏,李刚.  仪器仪表学报. 2010(12)
[7]脑机接口技术在康复中的应用[J]. 陆蓉蓉,吴毅.  中华物理医学与康复杂志. 2009 (10)
[8]运动想象脑电ERD/ERS时频分析方法研究[J]. 殷罡,吴平东,彭军强,黄漫玲,汪东.  微计算机信息. 2009(13)
[9]基于能量特征的左右手运动想象脑信号的识别方法[J]. 金晶,王行愚,张秀.  华东理工大学学报(自然科学版). 2007(04)

博士论文
[1]猴子伸—抓动作在大脑运动皮层中的表征及解码[D]. 郝耀耀.浙江大学 2013
[2]多模态与多自由度脑机接口研究[D]. 余天佑.华南理工大学 2013
[3]基于脑电信号的警觉度估计研究[D]. 石立臣.上海交通大学 2012

硕士论文
[1]面向智能辅助驾驶的运动想象脑机接口研究[D]. 杜硕.燕山大学 2019
[2]基于运动想象脑机接口的算法研究[D]. 王煜文.燕山大学 2019



本文编号:3559951

资料下载
论文发表

本文链接:https://www.wllwen.com/shoufeilunwen/xixikjs/3559951.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户e4a8e***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com