一种基于RSVP脑电特征的弱小目标检测方法及系统技术方案

本发明专利技术涉及一种基于RSVP脑电特征的弱小目标检测方法及系统。该方法包括：获取待检测图像；将待检测图像进行分割和放大，得到待检测图片序列；获取观测者观测待检测图片序列的脑电信号数据；待检测图片序列通过RSVP技术呈现给观测者；采用任务相关成分分析方法，提取脑电信号数据中每个待检测图片对应的相关成分特征；根据相关成分特征，基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型，得到每个待检测图片的预测分值；判断预测分值是否大于预测阈值；如果是，将预测分值对应的待检测图片确定为目标图像；如果否，将预测分值对应的待检测图片确定为非目标图像。本发明专利技术可以提高弱小目标检测的准确度。

A detection method and system of small and weak targets based on the EEG characteristics of RSVP

【技术实现步骤摘要】
一种基于RSVP脑电特征的弱小目标检测方法及系统
本专利技术涉及脑机接口领域，特别是涉及一种基于RSVP脑电特征的弱小目标检测方法及系统。
技术介绍
现有的弱小目标检测一般采用机器视觉检测的方式，机器视觉对于一些场景简单、识别特征明显的对象进行识别时，识别速度快，准确率也很高，但是对于背景比较复杂，特征不是很明显的小目标对象，机器视觉的识别准确率明显降低，模型泛化性差。人类对于图像的感知要远远强于计算机，人脑对于视觉信息的处理也是异常强大，能在极短时间内发现图像中的目标对象，对于复杂背景，也能准确的区分图片中是否含有目标对象，且具有很强的背景适应能力，但是人工判别的方式存在观测者处理大量图片效率低、易疲劳等缺点。因此将人类视觉信息处理能力和计算机的信息处理结合起来，将大大提高目标检测的处理速度和准确性。近些年，脑科学和计算机技术的快速发展，为脑信号识别和应用提供支持，研究表明，观测者观看一组图片，当看到图像中出现感兴趣的目标对象时，会诱发大脑产生特异电位，因此可以使用脑电采集设备记录观测者观看图片时的脑电信号，用相应的算法提取有效信息，分析脑电与视觉信息的内在关联，当前使用脑机接口(BCI)技术进行图像目标检测时，大多采用快速序列视觉呈现范式(RSVP)，利用目标图像诱发的脑电信号来快速检测目标。有学者提出了用结构化判别成分分析(HDCA)或基于HDCA改良方法slidingHDCA和foldingHDCA的方法分析脑电信号实现图像检索，实验表明此类方法可以检索图像，但是存在实时性差，结构参数易受被试影响等问题，导致目标检测的准确度不高。
技术实现思路
本专利技术的目的是提供一种基于RSVP脑电特征的弱小目标检测方法及系统，以提高弱小目标检测的准确度。为实现上述目的，本专利技术提供了如下方案：一种基于RSVP脑电特征的弱小目标检测方法，包括：获取待检测图像；将所述待检测图像进行分割和放大，得到待检测图片序列；所述待检测图片序列包括多个待检测图片；获取观测者观测所述待检测图片序列的脑电数据；所述待检测图片序列通过RSVP技术呈现给所述观测者，所述脑电数据包括每个待检测图片对应的多个通道的脑电信号；采用任务相关成分分析方法，提取所述脑电数据中每个待检测图片对应的相关成分特征；根据所述相关成分特征，基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型，得到每个待检测图片的预测分值；判断所述预测分值是否大于预测阈值；当所述预测分值大于所述预测阈值时，将所述预测分值对应的待检测图片确定为目标图像；当所述预测分值不大于所述预测阈值时，将所述预测分值对应的待检测图片确定为非目标图像。可选的，所述将所述待检测图像进行分割和放大，得到待检测图片序列，具体包括：根据所述待检测图像的像素，将所述待检测图像分割为多张分图；相邻两张分图之间的重叠度为50％；将所有分图进行放大，得到待检测图片序列。可选的，所述采用任务相关成分分析方法，提取所述脑电数据中每个待检测图片对应的相关成分特征，之前还包括对每个待检测图片对应的每个通道的脑电信号，采用自适应带通滤波器去除50Hz工频干扰；对每个待检测图片对应的每个通道的脑电信号，利用待检测图片呈现之前200ms的通道脑电平均强度去除基线；对每个待检测图片对应的每个通道的脑电信号，采用IIR零相移二阶巴特沃斯带通滤波器提取主频段的信号，对所述脑电数据进行预处理。可选的，所述采用任务相关成分分析方法，提取所述脑电数据中每个待检测图片对应的相关成分特征，具体包括：采用任务相关成分滤波器，利用公式提取所述待检测图片对应的任务相关成分特征矩阵；其中，An为第n个待检测图片对应的任务相关成分特征矩阵，An∈R1×K，表示An是一个矩阵维度为1xK的实数矩阵，K是时间窗的个数；Xn为第n个待检测图片对应的所有通道的脑电信号，Xn＝[xn1,xn2,...,xnN]T，xn1为第n个待检测图片对应的第1个通道的脑电信号，xn2为第n个待检测图片对应的第2个通道的脑电信号，xnN为第n个待检测图片对应的第N个通道的脑电信号；为任务相关成分滤波器；采用主成分分析算法，利用An'＝AnP对所述待检测图片对应的任务相关成分特征矩阵进行特征降维，得到降维后的所述待检测图片对应的的相关成分特征；其中，An'为第n个待检测图片对应的相关成分特征，P为所述主成分分析算法中的降维矩阵，P∈RK×K'，表示P是一个矩阵维度为KxK'的实数矩阵，K'为降维后的维度。可选的，所述根据所述相关成分特征，基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型，得到每个待检测图片的预测分值，具体包括：基于所述支持向量机模型，利用公式yn＝preSVM(An′,model)计算每个待检测图片的预测分值；其中，yn为第n个待检测图片的预测分值，An'为第n个待检测图片对应的相关成分特征，preSVM表示预测分类器，model表示训练集训练得到的支持向量机模型。可选的，所述支持向量机模型包括目标标签和非目标标签，所述目标标签的取值为1，所述非目标标签的取值为-1；所述预测阈值的取值范围为(-1,1)。本专利技术还提供一种基于RSVP脑电特征的弱小目标检测系统，包括：待检测图像获取模块，用于获取待检测图像；分割和放大模块，用于将所述待检测图像进行分割和放大，得到待检测图片序列；所述待检测图片序列包括多个待检测图片；脑电数据获取模块，用于获取观测者观测所述待检测图片序列的脑电数据；所述待检测图片序列通过RSVP技术呈现给所述观测者，所述脑电数据包括每个待检测图片对应的多个通道的脑电信号；相关成分特征提取模块，用于采用任务相关成分分析方法，提取所述脑电数据中每个待检测图片对应的相关成分特征；预测分值获取模块，用于根据所述相关成分特征，基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型，得到每个待检测图片的预测分值；判断模块，用于判断所述预测分值是否大于预测阈值；目标图像确定模块，用于当所述预测分值大于所述预测阈值时，将所述预测分值对应的待检测图片确定为目标图像；非目标图像确定模块，用于当所述预测分值不大于所述预测阈值时，将所述预测分值对应的待检测图片确定为非目标图像。可选的，所述分割和放大模块具体包括：分割单元，用于根据所述待检测图像的像素，将所述待检测图像分割为多张分图；相邻两张分图之间的重叠度为50％；放大单元，用于将所有分图进行放大，得到待检测图片序列。可选的，还包括：滤波模块，用于在采用任务相关成分分析方法，提取所述脑电数据中每个待检测图片对应的相关成分特征之前，对每个待检测图片对应的每个通道的脑电信号，采用自适应带通滤波器去除50Hz工频干扰；基线去除模块，用于对每个待检测图片对应的每个通道的脑电信号，利用待检测图片呈现之前20本文档来自技高网...

【技术保护点】
1.一种基于RSVP脑电特征的弱小目标检测方法，其特征在于，包括：/n获取待检测图像；/n将所述待检测图像进行分割和放大，得到待检测图片序列；所述待检测图片序列包括多个待检测图片；/n获取观测者观测所述待检测图片序列的脑电数据；所述待检测图片序列通过RSVP技术呈现给所述观测者，所述脑电数据包括每个待检测图片对应的多个通道的脑电信号；/n采用任务相关成分分析方法，提取所述脑电数据中每个待检测图片对应的相关成分特征；/n根据所述相关成分特征，基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型，得到每个待检测图片的预测分值；/n判断所述预测分值是否大于预测阈值；/n当所述预测分值大于所述预测阈值时，将所述预测分值对应的待检测图片确定为目标图像；/n当所述预测分值不大于所述预测阈值时，将所述预测分值对应的待检测图片确定为非目标图像。/n

【技术特征摘要】
1.一种基于RSVP脑电特征的弱小目标检测方法，其特征在于，包括：
获取待检测图像；
将所述待检测图像进行分割和放大，得到待检测图片序列；所述待检测图片序列包括多个待检测图片；
获取观测者观测所述待检测图片序列的脑电数据；所述待检测图片序列通过RSVP技术呈现给所述观测者，所述脑电数据包括每个待检测图片对应的多个通道的脑电信号；
采用任务相关成分分析方法，提取所述脑电数据中每个待检测图片对应的相关成分特征；
根据所述相关成分特征，基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型，得到每个待检测图片的预测分值；
判断所述预测分值是否大于预测阈值；
当所述预测分值大于所述预测阈值时，将所述预测分值对应的待检测图片确定为目标图像；
当所述预测分值不大于所述预测阈值时，将所述预测分值对应的待检测图片确定为非目标图像。


2.根据权利要求1所述的基于RSVP脑电特征的弱小目标检测方法，其特征在于，所述将所述待检测图像进行分割和放大，得到待检测图片序列，具体包括：
根据所述待检测图像的像素，将所述待检测图像分割为多张分图；相邻两张分图之间的重叠度为50％；
将所有分图进行放大，得到待检测图片序列。


3.根据权利要求1所述的基于RSVP脑电特征的弱小目标检测方法，其特征在于，所述采用任务相关成分分析方法，提取所述脑电数据中每个待检测图片对应的相关成分特征，之前还包括
对每个待检测图片对应的每个通道的脑电信号，采用自适应带通滤波器去除50Hz工频干扰；
对每个待检测图片对应的每个通道的脑电信号，利用待检测图片呈现之前200ms的通道脑电平均强度去除基线；
对每个待检测图片对应的每个通道的脑电信号，采用IIR零相移二阶巴特沃斯带通滤波器提取主频段的信号，对所述脑电数据进行预处理。


4.根据权利要求1所述的基于RSVP脑电特征的弱小目标检测方法，其特征在于，所述采用任务相关成分分析方法，提取所述脑电数据中每个待检测图片对应的相关成分特征，具体包括：
采用任务相关成分滤波器，利用公式提取所述待检测图片对应的任务相关成分特征矩阵；其中，An为第n个待检测图片对应的任务相关成分特征矩阵，An∈R1×K，表示An是一个矩阵维度为1xK的实数矩阵，K是时间窗的个数；R1×K为矩阵维度为1xK的实数矩阵；Xn为第n个待检测图片对应的所有通道的脑电信号，Xn＝[xn1,xn2,...,xnN]T，xn1为第n个待检测图片对应的第1个通道的脑电信号，xn2为第n个待检测图片对应的第2个通道的脑电信号，xnN为第n个待检测图片对应的第N个通道的脑电信号；为任务相关成分滤波器；
采用主成分分析算法，利用An'＝AnP对所述待检测图片对应的任务相关成分特征矩阵进行特征降维，得到降维后的所述待检测图片对应的的相关成分特征；其中，An'为第n个待检测图片对应的相关成分特征，P为所述主成分分析算法中的降维矩阵，P∈RK×K'，表示P是一个矩阵维度为KxK'的实数矩阵；K'为降维后的维度。


5.根据权利要求1所述的基于RSVP脑电特征的弱小目标检测方法，其特征在于，所述根据所述相关成分特征，基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型，得到每个待检测图片的预测分值，具体包括：
基于所述支持向量机模型，利用公式yn＝preSVM(An′,model)计算每个待检测图片的预测分值；其中，yn为第n个待检测图片的预测分值，An'为第n个待检测图片对应的相关成分特征，preSVM表示预测分类器，model表...

【专利技术属性】
技术研发人员：谢平，郝慎才，赵靖，张宁宁，张昌梦，江国乾，何思凡，杜正，陈晓玲，李小俚，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13