【技术实现步骤摘要】
本专利技术涉及认知能力客观评价，特别涉及一种基于眼动的图像判读认知能力评估方法及系统。
技术介绍
1、遥感图像判读是指从图像获取信息的基本过程，即根据各专业的要求，运用判读标志和实践经验，或借助于各种技术手段和方法对遥感图像等进行研究，识别出所需要的地物或测算出某种数量指标的过程。图像判读分为计算机判读和人工判读两类，计算机判读是利用计算机，通过一定的数字方法(如统计学、图形学、模糊数学等)来提取有用信息，有监督分类、非监督分类等数据分析方法；人工判读是一种人工提取信息的方法，使用眼睛目视观察，借助一些光学仪器或在计算机显示屏幕上，凭借丰富的解译经验，扎实的专业知识和手头的相关资料，通过人脑的分析、推理和判断，提取有用的信息并进行解读。受雷达成像模式、分辨率、视角、目标与背景特性、以及图像处理造成的畸变等众多因素的影响，基于计算机进行自动遥感图像解读的性能距离人工判读的水平仍相去甚远，通过认知能力评估方法挑选出具备优秀遥感图像判读能力的特定场合目标人员具备重要意义。传统的认知能力评估方法有神经心理学成套测验、moca蒙特利尔认知功能评估量表等方法，也可以用核磁技术和脑电技术来测量相应的特征数据进行研究，但因成本过高，进而影响其在实际场景下的应用。
技术实现思路
1、为此，本专利技术提供一种基于眼动的图像判读认知能力评估方法及系统，解决现有认知能力评估成本高的问题，基于眼动特征来区分个体对图像判读认知能力的差异，便于在日常生活中部署实施，以及时准确有效地评估个体对图像认知能力。>
2、按照本专利技术所提供的设计方案，一方面，提供一种基于眼动的图像判读认知能力评估方法，包含：
3、采集图像判读人员在不同任务负荷难度图像识别期间的眼动数据，以利用眼动数据构建眼动数据集；
4、通过眼动数据集选取用于图像判读认知能力评估的眼动特征，并基于眼动特征构建认知能力评估分类模型；
5、针对待评估目标对象，利用其图像识别期间的眼动数据并基于认知能力评估分类模型对其图像判读认知能力进行评估。
6、作为本专利技术基于眼动的图像判读认知能力评估方法，进一步地，采集图像判读人员在不同任务负荷难度图像识别期间的眼动数据，包含：
7、首先，针对指定目标图片，通过图像处理生成目标图像；并基于目标图像利用block方法设置高、中、低三种任务梯度难度的图像判读任务；
8、然后，利用眼动追踪仪采集图像判读人员在不同任务梯度难度下图像判读期间的行为学数据和眼动信号。
9、作为本专利技术基于眼动的图像判读认知能力评估方法，进一步地，通过图像处理生成不同姿态、不同难度系数的目标图像，包含：
10、针对指定目标图片，利用图片旋转和图片掩码操作来生成不同姿态、不同难度系数的目标图像。
11、作为本专利技术基于眼动的图像判读认知能力评估方法，进一步地，通过眼动数据集选取用于图像判读认知能力评估的眼动特征，包含：
12、首先，对眼动数据集进行数据预处理，获取指定的图像判读人员眼动特征参数，并通过数据筛查剔除不可用的眼动数据；
13、然后，针对眼动数据，基于spearman秩相关性和单特征svm二分类准确率选取眼动特征。
14、作为本专利技术基于眼动的图像判读认知能力评估方法，进一步地，对眼动数据集进行数据预处理，包含：
15、基于连续点对眼动数据进行均值处理，以获取平滑眼动数据；利用小波变换对眼动数据进行低通滤波，以保留预定频率下眼动数据；将判读图像所在区域设定为有效区域，剔除眼动脱离有效区域的数据信息，并将有效区域内的眼动数据进行归一化和均值处理，以获取平均有效眼动参数。
16、作为本专利技术基于眼动的图像判读认知能力评估方法，进一步地，基于spearman秩相关性和单特征svm二分类准确率选取眼动特征，包含：
17、首先，利用行为学数据和眼动数据之间的spearman秩相关系数，选取spearman秩相关系数大于预设阈值的眼动特征作为第一密切相关眼动特征；
18、接着，针对眼动数据和判读行为数据，利用支持向量机获取眼动数据中各眼动特征分类准确率，将分类准确率高于预设门限值的眼动特征作为第二密切相关眼动特征；
19、然后，基于第一密切相关眼动特征和第二密切相关眼动特征获取最终选取的眼动特征。
20、作为本专利技术基于眼动的图像判读认知能力评估方法，进一步地，基于眼动特征构建认知能力评估分类模型，包含：
21、首先，选取候选预测模型，利用眼动特征并基于分类准确率、召回率和f1-score指标选取作为认知能力评估分类模型的最优模型；
22、然后，基于最优模型，将眼动特征进行组合排列获取多维度眼动融合特征，并基于评估准确型和auc指标选取作为认知能力评估分类模型输入的最佳融合特征。
23、进一步地，本专利技术还提供一种基于眼动的图像判读认知能力评估系统，包含：数据采集模块、模型构建模块和目标评估模块，其中，
24、数据采集模块，用于采集图像判读人员在不同任务负荷难度图像识别期间的眼动数据，以利用眼动数据构建眼动数据集；
25、模型构建模块，用于通过眼动数据集选取用于图像判读认知能力评估的眼动特征，并基于眼动特征构建认知能力评估分类模型；
26、目标评估模块，用于针对待评估目标对象，利用其图像识别期间的眼动数据并基于认知能力评估分类模型对其图像判读认知能力进行评估。
27、本专利技术的有益效果：
28、本专利技术利用眼动仪采集判图员在图像识别期间的眼动特征，构建图像判读认知能力评估的眼动数据集，并结合机器学习方法，实现对高、低图像判读能力的分类和评估，通过眼动特征数据的对比分析，能够确定对图像判读认知能力影响较大的眼动特征，并将其作为挑选优秀判图员的指标，更加高效准确地挑选出具备优秀能力的遥感图像判图员；同时也可以依照这些特征，让判图员在平时能够做一些加强性的训练来提升的自己的图像判读认知能力，推广眼动技术的应用范围，便于在日常生活中的应用部署，具有较好的应用前景。
本文档来自技高网...【技术保护点】
1.一种基于眼动的图像判读认知能力评估方法，其特征在于，包含：
2.根据权利要求1所述的基于眼动的图像判读认知能力评估方法，其特征在于，采集图像判读人员在不同任务负荷难度图像识别期间的眼动数据，包含：
3.根据权利要求2所述的基于眼动的图像判读认知能力评估方法，其特征在于，通过图像处理生成不同姿态、不同难度系数的目标图像，包含：
4.根据权利要求1所述的基于眼动的图像判读认知能力评估方法，其特征在于，通过眼动数据集选取用于图像判读认知能力评估的眼动特征，包含：
5.根据权利要求4所述的基于眼动的图像判读认知能力评估方法，其特征在于，对眼动数据集进行数据预处理，包含：
6.根据权利要求4所述的基于眼动的图像判读认知能力评估方法，其特征在于，基于Spearman秩相关性和单特征SVM二分类准确率选取眼动特征，包含：
7.根据权利要求1所述的基于眼动的图像判读认知能力评估方法，其特征在于，基于眼动特征构建认知能力评估分类模型，包含：
8.一种基于眼动的图像判读认知能力评估系统，其特征在于，包含：数据采集
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当计算机程序被执行时，能够实现如权利要求1～7任一项所述的方法。
...【技术特征摘要】
1.一种基于眼动的图像判读认知能力评估方法，其特征在于，包含：
2.根据权利要求1所述的基于眼动的图像判读认知能力评估方法，其特征在于，采集图像判读人员在不同任务负荷难度图像识别期间的眼动数据，包含：
3.根据权利要求2所述的基于眼动的图像判读认知能力评估方法，其特征在于，通过图像处理生成不同姿态、不同难度系数的目标图像，包含：
4.根据权利要求1所述的基于眼动的图像判读认知能力评估方法，其特征在于，通过眼动数据集选取用于图像判读认知能力评估的眼动特征，包含：
5.根据权利要求4所述的基于眼动的图像判读认知能力评估方法，其特征在于，对眼动数据集进行数据预处理，包含：
【专利技术属性】
技术研发人员：童莉，李宝，闫镔，张驰，高辉，陈攀攀，刘天源，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。