随着信息技术的快速发展，图像分类在许多领域都有着越来越广泛的应用。虽然利用计算机技术处理数量庞大的图像的分类被寄予厚望，但是效果并不总能令人满意，尤其是，计算机并不能很好得理解人的意图。而近来作为一种新的人机接口的形式，并且在帮助残疾人与外界沟通方面有着重要应用的脑机接口(brain-computerinterface，BCI)技术已经被用于一些图像分类的研究。该技术通过分析人在浏览图像时的事件相关电位(Event-relatedpotential，ERP)脑电信号得到人感兴趣或者想要的目标图像。然而，如电子相册分类、电视节目/视频内容选择等潜在应用中的图像集，与已有的研究中使用的图像集有很大的不同，这些图像之间存在较好的语义关联并且可以粗略地属于相同的一类，本文中将这种图像集称为精细分类的图像集。　　精细分类图像集对于脑机接口技术进行图像分类而言，由于人在区分图像内容时的难度增加了，因此也增加了脑电信号分析的难度，因此，本文的工作，就是以动物图集和人脸图集作为研究对象，探索使用ERP信号对精细分类图像集进行进一步分类的可行性。本文通过对不同图集的ERP信号的离线分类以及ERP成分的分析，来研究使用ERP信号对精细分类图像的分类的可行性，并且搭建了在线的实验系统进行在线实验验证。　　在使用ROC曲线下方面积来衡量图像分类结果的情况下，离线的ERP信号分类结果表明，对于动物图集平均的分类结果可以达到0.85以上，对于人脸图集平均的分类结果可以达到0.75以上;ERP分析的结果中仅使用N2和P3的组合特征对信号进行分类，动物图集和人脸图集的结果分别达到0.83和0.73以上，这显示了N2和P3成分是精细分类图像的分类中贡献最大、最稳定的ERP成分。而在线实验中，参与实验的三名被试的平均分类结果也达到了0.8以上，分类结果的平均AP值到达0.3以上，从而验证了本文中使用ERP信号对精细分类图像集进行分类的可行性。