论文部分内容阅读
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。