本文選題：視網(wǎng)膜拓撲映射　切入點：視覺圖像重構(gòu)　出處：《電子科技大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：視覺系統(tǒng)是人類獲取外部環(huán)境信息的重要感官之一,人腦視覺信息處理具有高效、抗噪和魯棒性,尤其表現(xiàn)在對自然場景的識別和處理上。大腦驚人的視覺信息處理能力背后,隱藏著怎樣的神經(jīng)機制呢?這是令無數(shù)科學(xué)家著迷的問題,解讀人腦視覺認知快速編碼/解碼機制一直是腦科學(xué)最具前沿和挑戰(zhàn)性的方向。隨著腦編碼機制的逐漸清晰和腦成像技術(shù)及模式識別方法的快速發(fā)展,科學(xué)家們開始思考更復(fù)雜更深層次的問題—腦解碼:能否根據(jù)腦功能活動信號進行視覺重構(gòu),推算出大腦所知覺到的視覺信息,比如文字和圖像?從2005年開始,國際上一些著名科學(xué)家和實驗室開始探索腦解碼的方法和技術(shù),近年來取得了很大進步。Miyawaki利用早期視皮層視網(wǎng)膜拓撲映射關(guān)系建立了一種不受限于候選類別的腦信號視覺圖像重建方法和技術(shù),但是,他的方法重構(gòu)出的圖像具有很大的噪聲,并且重構(gòu)的效率低。針對這樣的不足之處,本文提出了基于F-score特征選擇的貝葉斯重構(gòu)方法,來改善圖像重構(gòu)的精度和效率。要實現(xiàn)視覺圖像的重構(gòu),則需要對大腦的視覺皮層亞區(qū)的定位,本文首先開展了視網(wǎng)膜拓撲映射的磁共振實驗。該實驗通過“楔形”和“環(huán)形”刺激來誘發(fā)大腦視覺皮層,使用廣義線性模型(GLM)來找到視覺皮層中激活體素,計算被激活體素的極角值和離心率值,得到大腦的極角圖和離心率圖。根據(jù)極角圖和離心率圖初步實現(xiàn)了初級視覺皮層亞區(qū)的劃分,實現(xiàn)了V1,V2,V3區(qū)域的體素定位。針對Miyawaki提出的基于SMLR圖像重構(gòu)方法噪聲大和重構(gòu)效率低的問題,本文建立了一個基于F-score特征選擇算法的貝葉斯視覺圖像重構(gòu)模型。該模型使用F-score特征選擇方法選擇出重構(gòu)效果好的體素,去除了與刺激圖像不相關(guān)的體素,最終降低了重構(gòu)圖像的噪聲。結(jié)合復(fù)雜度低的貝葉斯方法,能顯著提高視覺圖像重構(gòu)的效率。
[Abstract]:Visual system is one of the important senses for human to obtain external environmental information. Human brain visual information processing has high efficiency, anti-noise and robustness, especially in the recognition and processing of natural scenes. What kind of neural mechanism is hidden? It's a fascinating question for countless scientists, It has been the most advanced and challenging direction of brain science to interpret the mechanism of fast coding / decoding of human brain visual cognition. With the development of brain coding mechanism and the rapid development of brain imaging technology and pattern recognition methods, Scientists are starting to think about a more complex and deeper problem-brain decoding: can we reconstruct the brain from the signals of brain activity and extrapolate the visual information the brain perceives, such as words and images? Since 2005, some famous scientists and laboratories around the world have begun to explore the methods and techniques of brain decoding. In recent years, great progress has been made. Miyawaki has established a new method and technique of brain signal visual image reconstruction, which is not limited to candidate categories by using the early retinal topologic mapping of visual cortex. However, the reconstructed image by his method has a lot of noise. And the efficiency of reconstruction is low. In this paper, a Bayesian reconstruction method based on F-score feature selection is proposed to improve the accuracy and efficiency of image reconstruction. Then we need to locate the subregion of the visual cortex of the brain. In this paper, we first carried out a magnetic resonance imaging experiment of retinal topologic mapping, which induces the visual cortex of the brain through "wedge" and "ring" stimuli. Using the Generalized Linear Model (GLM) to find activators in the visual cortex and calculate the extreme angle and centrifugation rate of the activated voxels. The polar angle map and the centrifuge rate map of the brain were obtained. According to the polar angle map and the centrifugal rate map, the primary visual cortex subregion was preliminarily divided. The voxel location of V1 / V2 / V3 region is realized. Aiming at the problems of Miyawaki's image reconstruction method based on SMLR, which has high noise and low reconstruction efficiency, the voxel location of V1 / V2 / V3 region is realized. In this paper, a Bayesian visual image reconstruction model based on F-score feature selection algorithm is established. Finally, the noise of reconstructed image is reduced, and the efficiency of visual image reconstruction can be improved significantly by combining the Bayesian method with low complexity.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;R338

【相似文獻】

相關(guān)期刊論文 前10條

1 蘭莉;視覺—運動整合的研究進展[J];中國兒童保健雜志;1999年04期

2 凱風(fēng);;看東西,不一定非要用眼睛[J];大科技(科學(xué)之迷);2002年09期

3 Ann Gibbons;朱長超;;人腦新地圖[J];世界科學(xué);1991年05期

4 鐘新民;;一個測度為1的集到零集上的拓撲映射及其性質(zhì)[J];湖南師范大學(xué)自然科學(xué)學(xué)報;1988年01期

5 張燕麗;;視覺圖像中的生活[J];科技信息(科學(xué)教研);2008年05期

6 周志盛;相里斌;張文喜;李楊;;基于迭代的傅里葉望遠鏡圖像重構(gòu)方法[J];光學(xué)學(xué)報;2014年05期

7 陳艷;金偉其;徐超;王霞;高美靜;王嶺雪;;基于不可控微掃描的高分辨力圖像重構(gòu)方法[J];光子學(xué)報;2009年08期

8 王俊;;當(dāng)今城市視覺圖像文化建設(shè)的發(fā)展與思考[J];科技信息;2008年27期

9 何貴陽;;不定形狀基無差別約束中人體運動圖像重構(gòu)防失控算法[J];科技通報;2013年11期

10 段汕;;形態(tài)插值方法應(yīng)用于圖像重構(gòu)(英文)[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2006年04期

相關(guān)會議論文 前3條

1 于晶;郭航;;矩函數(shù)在圖像重構(gòu)中的應(yīng)用[A];2006“數(shù)學(xué)技術(shù)應(yīng)用科學(xué)”[C];2006年

2 王智靈;陳宗海;周露萍;;視覺圖像理解中的定性方法研究[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2006年

3 李運達;李琦;劉正君;王騏;;太赫茲計算機輔助層析圖像重構(gòu)算法仿真研究[A];第十屆全國光電技術(shù)學(xué)術(shù)交流會論文集[C];2012年

相關(guān)重要報紙文章 前4條

1 健康時報記者　 張偉;開發(fā)視覺,寶寶的游戲要玩“對”[N];健康時報;2006年

2 記者 董映璧;俄破解太空視覺光斑現(xiàn)象[N];科技日報;2006年

3 楊孝文 楊麗君;人眼所見總是包含主觀想象[N];北京科技報;2004年

4 李公明;從媒介到視覺圖像的……批判性研究[N];東方早報;2011年

相關(guān)博士學(xué)位論文 前7條

1 敖歡歡;視覺顯著性應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2013年

2 邵靜;協(xié)同視覺選擇注意計算模型研究[D];合肥工業(yè)大學(xué);2008年

3 王彥杰;基于顯著局部特征的視覺物體表示方法[D];北京理工大學(xué);2010年

4 李東澤;雷達關(guān)聯(lián)成像技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

5 袁敏;基于多尺度幾何分析和字典學(xué)習(xí)的高度欠采樣磁共振圖像重構(gòu)研究[D];蘭州大學(xué);2015年

6 張華;中國傳統(tǒng)繪畫與視覺[D];西安美術(shù)學(xué)院;2011年

7 周志盛;相干場成像圖像重構(gòu)技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 黃偉;視覺重構(gòu)腦解碼理論與方法研究[D];電子科技大學(xué);2017年

2 鄭載舟;基于實時功能磁共振成像的腦機交互自然圖像檢索技術(shù)研究[D];解放軍信息工程大學(xué);2015年

3 宋華櫻;視覺運動的皮層腦電響應(yīng)及其在微創(chuàng)腦—機接口中的應(yīng)用[D];清華大學(xué);2012年

4 鐘小聰;內(nèi)源光學(xué)與微電極視覺實驗平臺設(shè)計[D];國防科學(xué)技術(shù)大學(xué);2011年

5 張懷禮;格式塔理論指導(dǎo)網(wǎng)絡(luò)課程視覺效果設(shè)計的研究[D];東北師范大學(xué);2006年

6 李睿;異構(gòu)網(wǎng)絡(luò)測試床拓撲映射算法研究[D];解放軍信息工程大學(xué);2014年

7 馬彩虹;基于壓縮感知的圖像重構(gòu)方法研究[D];西安電子科技大學(xué);2014年

8 謝瑋琦;基于探針模型的原子力顯微鏡圖像重構(gòu)研究[D];沈陽建筑大學(xué);2016年

9 李志權(quán);基于笛卡爾坐標系下的圖像矩的圖像重構(gòu)方法研究[D];陜西師范大學(xué);2016年

10 楊滔;aEEG信號圖像重構(gòu)及基于集成SVM的分類研究[D];華東師范大學(xué);2017年

，

本文編號：1564502