本发明属于图像信息处理领域，涉及一种基于局部场电位幅值特征的字符图像朴素贝叶斯重建方法。
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。伴随着大脑是如何处理各种信息的这一问题，神经信息科学应运而生，它是一门交叉学科，包含神经学、生物学、计算机科学等多方面的知识。近年来，研究大脑的神经信息处理机制已取得许多突出成果，引起了世界各国科学家的广泛关注。其中，视觉系统是动物感知外界环境的主要感觉系统，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。
在生物视觉系统的研究中有很多关于视觉刺激解码的研究，1999年出版的《reconstructionofnaturalscenesfromensembleresponsesinthelateralgeniculatenucleus》中记载了一种通过11只猫的神经信号重建图像的方法，通过记录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，但这种方法存在实验操作复杂，感受野不易确定的缺陷。2016年出版的《braindecoding-classificationofhandwrittendigitsfromfmridataemployingbayesiannetworks》记载了一种对手写数字进行重建的方法，通过功能磁共振成像的方式，利用贝叶斯网络对手写数字进行了重建，但该方法存在解码效果不好的问题。
目前，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、照相机体积较大，操作繁杂，而镶嵌在手机等智能设备上的小型相机又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。一旦摄像机或照相机出现故障，便不能将图像记录下来，造成极大的不便。因此，本发明提出了一种基于局部场电位的幅值特征，并利用朴素贝叶斯算法对字符图像进行重建的方法。
技术实现要素：
本发明的目的在于：提供了一种基于局部场电位幅值特征的字符图像朴素贝叶斯重建方法，解决了现有图像重建方法存在过程复杂、重建结果较差和解码效果不好导致还原度不高的问题。
本发明采用的技术方案如下：
基于局部场电位幅值特征的字符图像朴素贝叶斯重建方法，包括以下步骤：
步骤1：基于获取的样本刺激数据和目标刺激数据，采集对生物视觉刺激后的脑电的局部场电位信号，分离后得到样本局部场电位信号和目标局部场电位信号；
步骤2：分别提取样本局部场电位信号和目标局部场电位信号的幅值表征，得到样本发放特征和目标发放特征；
步骤3：根据步骤1和步骤2的结果，构造样本响应矩阵和目标响应矩阵后，通过朴素贝叶斯算法获得字符图像解码模型；
步骤4：根据目标响应矩阵和字符图像解码模型，获得目标解码刺激数据，从而获得重建字符图像；
步骤5：根据步骤1的目标刺激数据和步骤4的目标解码刺激数据，获得归一化互相关系数，对重建字符图像进行评估。
进一步地，所述步骤1的具体步骤为：
步骤1.1：采用扫屏模式，将生物视觉区的字符图像进行分割，根据字符图像刺激获取样本刺激数据和目标刺激数据；
步骤1.2：通过植入式微电极阵列采集对生物视觉刺激后的脑电的局部场电位信号；
步骤1.3：将局部场电位信号进行分离后得到样本局部场电位信号和目标局部场电位信号。
进一步地，所述步骤2的具体步骤如下：
步骤2.1：对样本局部场电位信号和目标局部场电位信号分别进行离散傅里叶变换，提取每个频率采样点处的幅值表征；
步骤2.2：根据公式xf＝|af|计算频率f处的幅值表征，得到样本发放特征和目标发放特征。
进一步地，所述步骤3的具体步骤如下：
步骤3.1：利用响应矩阵构造公式，根据步骤1的样本刺激数据和步骤2的样本发放特征构造样本响应矩阵，根据步骤1的目标刺激数据和步骤2的目标发放构造目标响应矩阵，所述响应矩阵构造公式为：
其中，
步骤3.2：根据步骤1的样本刺激数据和步骤3.1的样本响应矩阵，通过朴素贝叶斯算法进行字符图像解码模型的构造。
进一步地，所述步骤4的具体步骤如下：
步骤4.1：将步骤3.1的目标响应矩阵代入到步骤3.2的字符图像解码模型中，获得目标解码刺激数据；
步骤4.2：对目标解码刺激数据进行时序排列，得到重建字符图像。
进一步地，所述步骤5的具体步骤如下：
步骤5.1：根据步骤1的目标刺激数据和步骤4的目标解码刺激数据获得归一化互相关系数：
其中，ρs,u∈[-1,1]，s(n)为目标刺激数据组成的矩阵；u(n)为目标解码刺激数据组成的矩阵；
步骤5.2：根据归一化互相关系数对重建字符图像进行评估。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1.基于局部场电位幅值特征的字符图像朴素贝叶斯重建方法，利用生物视觉系统作为摄像系统，通过解码视皮层局部场电位信号幅值表征的发放特征构造响应矩阵，通过朴素贝叶斯算法获得字符图像解码模型，获取重建字符图像，实现视觉感知信息的重建，更具有针对性，排除了大量干扰信息对重建结果的影响，简化了重建模型的同时，还提高了重建字符图像的还原度。
2.本发明步骤1中采用扫屏模式，将生物视觉区的图像进行分割，获取样本刺激数据和目标刺激数据，在生物神经元不动的情况下可以看到整张图像，保证了获取数据的完整性，进一步提高了重建字符图像的还原度。
3.本发明步骤1中通过植入式微电极阵列采集对生物视觉刺激后的脑电的局部场电位信号，提高了时间分辨率，使得到的信息更丰富。
4.本发明步骤5中根据获得的归一化互相关系数，对重建字符图像进行评估，可以直接得到图像重建的评估数据，方便掌握重建字符图像的还原度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图，其中：
图1是基于局部场电位幅值特征的字符图像朴素贝叶斯重建方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
基于局部场电位幅值特征的字符图像朴素贝叶斯重建方法，包括以下步骤：
步骤1：基于获取的样本刺激数据和目标刺激数据，采集对生物视觉刺激后的脑电的局部场电位信号，分离后得到样本局部场电位信号和目标局部场电位信号；
步骤2：分别提取样本局部场电位信号和目标局部场电位信号的幅值表征，得到样本发放特征和目标发放特征；
步骤3：根据步骤1和步骤2的结果，构造样本响应矩阵和目标响应矩阵后，通过朴素贝叶斯算法获得字符图像解码模型；
步骤4：根据目标响应矩阵和字符图像解码模型，获得目标解码刺激数据，从而获得重建字符图像。
利用生物视觉系统作为摄像系统，通过解码视皮层局部场电位信号幅值表征的发放特征构造响应矩阵，通过朴素贝叶斯算法获得字符图像解码模型，获取重建字符图像，实现视觉感知信息的重建，更具有针对性，排除了大量干扰信息对重建结果的影响，简化了重建模型的同时，还提高了重建字符图像的还原度，解决了现有图像重建方法存在过程复杂、重建结果较差和解码效果不好导致还原度不高的问题。
进一步地，还包括以下步骤：
步骤5：根据步骤1的目标刺激数据和步骤4的目标解码刺激数据，获得归一化互相关系数，对重建字符图像进行评估。
进一步地，所述步骤1的具体步骤为：
步骤1.1：采用扫屏模式，将生物视觉区的字符图像进行分割，根据字符图像刺激获取样本刺激数据和目标刺激数据，在生物神经元不动的情况下可以看到整张图像，保证了获取数据的完整性，进一步提高了重建字符图像的还原度；
步骤1.2：通过植入式微电极阵列采集对生物视觉刺激后的脑电的局部场电位信号，提高了时间分辨率，使得到的信息更丰富；
步骤1.3：将局部场电位信号进行分离后得到样本局部场电位信号和目标局部场电位信号。
进一步地，所述步骤2的具体步骤如下：
步骤2.1：对样本局部场电位信号和目标局部场电位信号分别进行离散傅里叶变换，提取每个频率采样点处的幅值表征；
步骤2.2：根据公式xf＝|af|计算频率f处的幅值表征，得到样本发放特征和目标发放特征。
进一步地，所述步骤3的具体步骤如下：
步骤3.1：利用响应矩阵构造公式，根据步骤1的样本刺激数据和步骤2的样本发放特征构造样本响应矩阵，根据步骤1的目标刺激数据和步骤2的目标发放构造目标响应矩阵，所述响应矩阵构造公式为：
其中，
步骤3.2：根据步骤1的样本刺激数据和步骤3.1的样本响应矩阵，通过朴素贝叶斯算法进行字符图像解码模型的构造。
进一步地，所述步骤4的具体步骤如下：
步骤4.1：将步骤3.1的目标响应矩阵代入到步骤3.2的字符图像解码模型中，获得目标解码刺激数据；
步骤4.2：对目标解码刺激数据进行时序排列，得到重建字符图像。
进一步地，所述步骤5的具体步骤如下：
步骤5.1：根据步骤1的目标刺激数据和步骤4的目标解码刺激数据获得归一化互相关系数：
其中，ρs,u∈[-1,1]，s(n)为目标刺激数据组成的矩阵；u(n)为目标解码刺激数据组成的矩阵；
步骤5.2：根据归一化互相关系数对重建字符图像进行评估，可以直接得到图像重建的评估数据，方便掌握重建字符图像的还原度。
下面结合实施例对本发明的特征和性能作进一步的详细描述。
实施例一
本发明较佳实施例提供的基于局部场电位幅值特征的字符图像朴素贝叶斯重建方法，包括以下步骤：
步骤1：基于获取的样本刺激数据和目标刺激数据，采集对生物视觉刺激后的脑电的局部场电位信号，分离后得到样本局部场电位信号和目标局部场电位信号；
步骤1.1：采用扫屏模式，将生物视觉区的字符图像进行分割，根据字符图像刺激获取样本刺激数据和目标刺激数据，在生物神经元不动的情况下可以看到整张图像，保证了获取数据的完整性，提高了重建字符图像的还原度；
步骤1.2：采用立体定位仪定位出生物左脑视觉区的大致范围，并标记，用颅钻沿着标记的范围钻出四条边，中间部分用镊子慢慢挑开，然后剔除硬脑膜；
步骤1.3：将32通道微电极阵列固定在电极杆上，在显微镜观察下，通过微型操作器控制电极慢慢移动，直至其植入深度为500～1200um，手术完成；
步骤1.4：待生物恢复一周后进行信号采集，采集对生物视觉刺激后的脑电局部场电位信号，即取原始信号中低于250hz的低频部分，再采用多通道信号采集系统来同步记录多通道神经元放电信号，该系统能实时记录多达128个通道的脑电信号，本发明使用了该系统的32个记录通道和1个模拟通道；
步骤1.5：将局部场电位信号采用扫屏模式分离后得到样本局部场电位信号和目标局部场电位信号；
步骤2：分别提取样本局部场电位信号和目标局部场电位信号的幅值表征，得到样本发放特征和目标发放特征；
步骤2.1：读取设备记录的样本局部场电位信号和目标局部场电位信号的原始数据，读取每个刺激播放的时间点，然后从该通道数据中提取出当前刺激在播放时间点(一般再加上一个延迟时间)到刺激持续时间之间的响应数据，之后对该响应数据进行离散傅里叶变换，此时得到的变换后的响应数据即包含幅值表征信息；
步骤2.2：进行50hz工频滤波，之后对所需通道进行特征提取及联合，提取每个频率采样点处的幅值表征；
步骤2.3：根据公式xf＝|af|计算频率f处的幅值表征，得到样本发放特征和目标发放特征；
步骤3：根据步骤1和步骤2的结果，构造样本响应矩阵和目标响应矩阵后，通过朴素贝叶斯算法获得字符图像解码模型；
步骤3.1：利用响应矩阵构造公式，根据步骤1的样本刺激数据和步骤2的样本发放特征构造样本响应矩阵，根据步骤1的目标刺激数据和步骤2的目标发放构造目标响应矩阵，所述响应矩阵构造公式为：
其中，
步骤3.2：根据步骤1的样本刺激数据和步骤3.1的样本响应矩阵，通过朴素贝叶斯算法进行字符图像解码模型的构造；
步骤4：根据目标响应矩阵和字符图像解码模型，获得目标解码刺激数据，从而获得重建字符图像；
步骤4.1：将步骤3.1的目标响应矩阵代入到步骤3.2的字符图像解码模型中，获得目标解码刺激数据；
步骤4.2：对目标解码刺激数据进行时序排列，得到重建字符图像。
实施例二
在实施例一的基础上，还包括以下步骤：
步骤5：根据步骤1的目标刺激数据和步骤4的目标解码刺激数据，获得归一化互相关系数，对重建字符图像进行评估。
步骤5.1：根据步骤1的目标刺激数据和步骤4的目标解码刺激数据获得归一化互相关系数：
其中，ρs,u∈[-1,1]，s(n)为目标刺激数据组成的矩阵；u(n)为目标解码刺激数据组成的矩阵；
步骤5.2：根据归一化互相关系数对重建字符图像进行评估，当正相关ρs,u＝+1时，表明实际刺激与解码刺激形状及相位完全相同；负相关ρs,u＝-1时，表明实际刺激与解码刺激形状相同但相位相反，也就是说归一化互相关系数越趋向于1或-1，解码效果越好。
本实施例可以直接得到图像重建的评估数据，方便掌握重建字符图像的还原度。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。