您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2014, Vol. 44 ›› Issue (1): 24-28.doi: 10.6040/j.issn.1672-3961.1.2013.233

• 机器学习与数据挖掘 • 上一篇    下一篇

基于fMRI的图像底层特征关注研究

包书哲1,2,朱月澴1,王春立1*   

  1. 1.大连海事大学信息科学技术学院, 辽宁 大连 116026; 2.大连民族学院计算机科学与工程学院, 辽宁 大连 116600
  • 收稿日期:2013-06-28 出版日期:2014-02-20 发布日期:2013-06-28
  • 通讯作者: 王春立(1972- ), 女,河北保定人,教授,博导, 主要研究方向为模式识别与机器学习.E-mail: cwclwang9@gmail.com E-mail:cwclwang9@gmail.com
  • 作者简介:包书哲(1975- ),女,内蒙赤峰人,博士研究生,主要研究方向为机器学习与人脑认知.E-mail:bsz09102@dlnu.edu.cn
  • 基金资助:

    国家自然科学基金资助项目(61033012,61370070,61272369);高校青年基金资助项目(2012QN061)

Research on imagine attention of lowlevel features  based on fMRI

BAO Shu-zhe1,2, ZHU Yue-huan1,  WANG Chun-li1*   

  1. 1. School of Information Science and Technology, Dalian Maritime University, Dalian 116026, China;
    2. School of Computer Science and Technology, Dalian Nationalities University, Dalian 116600, China
  • Received:2013-06-28 Online:2014-02-20 Published:2013-06-28

摘要:

利用fMRI技术对人脑认知机制进行研究,分析人脑在进行图像认知时所关注的图像特征。首先通过1个功能磁共振成像实验为每个被试定位了脑内的形状、纹理和颜色的感知区域,将这些区域作为研究中的感兴趣区域。然后通过另1个功能磁共振成像实验计算了被试在观看人脸、公共汽车、恐龙及山脉冰川图像刺激时感兴趣区域内的平均信号变化的比例。通过进行数据分析,确定了被试在观看不同类别的图像时,对图像底层特征的关注是不相同的。

关键词: 形状特征, 磁共振成像, 纹理特征, 血流信号变化比例, 颜色特征, 感兴趣区域

Abstract:

The cognitive mechanisms of human brain based on fMRI were studied to get the image features that the subjects paied attention to when they saw the images. The shape, texture and color perception regions were located in the brain for every subject through one fMRI experiment, and these regions were defined as interest regions. The mean percent bold signal changed in interest regions was calculated when the subjects were watching face, bus, dinosaur and mountain images through another fMRI experiment. The image features that the subjects pay attention to were different when they saw different images.

Key words: color feature;shape feature, ROI(regions of interest);percentage of bold signal change, texture feature, fMRI(functional magnetic resonance imaging)

[1] 浩庆波, 牟少敏, 尹传环, 昌腾腾, 崔文斌. 一种基于聚类的快速局部支持向量机算法[J]. 山东大学学报(工学版), 2015, 45(1): 13-18.
[2] 朱娜娜1, 2, 张化祥1, 2*, 刘丽1, 2. 基于改进FCM算法和贝叶斯分类的图像自动标注[J]. 山东大学学报(工学版), 2013, 43(6): 12-16.
[3] 杨金锋,张海金. 手指静脉图像感兴趣区域提取方法研究[J]. 山东大学学报(工学版), 2012, 42(3): 6-12.
[4] 蔡念, 张国宏, 楼朋旭, 戴青云. 基于形状和纹理的外观设计专利图像检索方法[J]. 山东大学学报(工学版), 2011, 41(2): 1-4.
[5] 王 枚,王国宏 . 基于伴生与互补颜色特征的车牌字符分割新方法[J]. 山东大学学报(工学版), 2007, 37(1): 31-34 .
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!