[发明专利]基于局部场电位幅值相位复合特征的自然图像重建方法在审

专利信息
申请号: 201810617051.7 申请日: 2018-06-15
公开(公告)号: CN108961219A 公开(公告)日: 2018-12-07
发明(设计)人: 师丽;王治忠;王松伟;牛晓可 申请(专利权)人: 清华大学
主分类号: G06T7/00 分类号: G06T7/00;G06K9/00;A61B5/00
代理公司: 成都弘毅天承知识产权代理有限公司 51230 代理人: 徐金琼
地址: 10008*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 样本 局部场电位 幅值相位 复合特征 目标响应 自然图像 矩阵 刺激 重建 重建滤波器 图像刺激 响应矩阵 响应数据 构建 信息处理技术 采集图像 获取目标 目标刺激 生物视觉 实验过程 图像重建 信号处理 重建图像 皮层 清晰
【说明书】:

发明公开了基于局部场电位幅值相位复合特征的自然图像重建方法,涉及信息处理技术领域,包括以下步骤:采集图像刺激下的脑视皮层局部场电位信号,分别对图像刺激和局部场电位信号处理后得到样本刺激数据、目标刺激数据、样本响应数据和目标响应数据;根据训练响应数据和目标响应数据,获取样本幅值相位复合特征和目标幅值相位复合特征,并构建样本响应矩阵和目标响应矩阵;根据样本刺激数据和样本响应矩阵构建重建滤波器模型;将目标响应矩阵代入重建滤波器模型,获取目标重建刺激数据后得到自然图像。解决了现有基于生物视觉实现图像刺激重建存在的图像重建实验过程复杂,重建图像效果差、不清晰的问题。

技术领域

本发明涉及信息处理技术领域,尤其涉及基于局部场电位幅值相位复合特征的自然图像重建方法。

背景技术

大脑是一种极其复杂的神经系统,是实现各种信息处理的中枢。其中,视觉系统是动物感知外界环境的主要感知系统。对动物视觉系统的研究已经成为了神经科学、智能科学、计算机科学、生物科学等多种学科所共同关注的重要课题之一。研究证明,动物大脑所获取的外界信息中,视觉信息占80%以上。通过植入式的微电极阵列检测脑神经元局部场电位(LFP)信号,提取响应特征,构建图像重建模型,实现视觉感知信息的重建是一个极具挑战性的问题。

丹阳等人曾经采用多只猫的外侧膝状体的神经元动作电位信号重建了八段视频图像。其提取了神经元动作电位的集群响应特征,设计了重建算法,并对重建效果进行了评估。ElaheYargholi等人基于功能核磁共振成像的方式,利用贝叶斯网络对手写数字进行了重建。其中,丹阳等人需要利用大量的神经元才能实现视频图像重建,实验过程复杂,ElaheYargholi等人的实验虽然简单但是模型参数选择不易确定且重建结果不太理想,重建图像不清晰。当前视频图像获取的主要途径为摄像机、照相机,但是专业摄像机、相机体积大,操作繁杂。镶嵌在手机等设备上的小型相机不能很好的解放双手并及时有效的记录瞬间,且记录的内容不具有针对性,本文提出了一种基于生物脑电的图像获取方法。

发明内容

本发明的目的在于:提供基于局部场电位幅值相位复合特征的自然图像重建方法,解决现有基于生物视觉实现图像刺激重建存在的图像重建实验过程复杂,重建图像效果差、不清晰的问题。

本发明采用的技术方案如下:基于局部场电位幅值相位复合特征的自然图像重建方法,包括以下步骤:

S1:采集图像刺激下的脑视皮层局部场电位信号,分别对图像刺激和局部场电位信号处理后得到样本刺激数据、目标刺激数据、样本响应数据和目标响应数据;

S2:根据训练响应数据和目标响应数据,获取样本幅值相位复合特征和目标幅值相位复合特征,并构建样本响应矩阵和目标响应矩阵;

S3:根据样本刺激数据和样本响应矩阵构建重建滤波器模型;

S4:将目标响应矩阵代入重建滤波器模型,获取目标重建刺激数据后得到自然图像。

进一步的,还包括步骤:

S5:根据目标刺激数据和目标重建刺激数据进行自然图像评估。

进一步的,所述步骤S1具体步骤如下:

S101:选取刺激图像,并对刺激图像进行扫屏模式处理,提取扫屏模式下感受野位置的刺激数据得到样本刺激数据和目标刺激数据;

S102:利用刺激播放器播放刺激数据,采集播放时动物脑视皮层局部场电位信号;

S103:对局部场电位信号进行滤波处理后得到样本响应数据和目标响应数据。

进一步的,所述步骤S2具体步骤如下:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810617051.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top