[发明专利]基于动作电位发放间隔的自然图像随机森林成像方法

说明书

本发明公开了基于动作电位发放间隔的自然图像随机森林成像方法，旨在解决直接利用生物视觉系统作为摄像系统，通过解码视皮层的动作电位信号，获得自然图像，进而实现对外界自然图像场景成像的问题；通过选取自然图像刺激动物，采集所述动物视皮层的动作电位信号，对所述动作电位信号进行集群发放间隔特征提取，采用随机森林模型算法对提取的集群发放间隔特征进行成像，得到自然图像；实现过程简单，自然图像的成像效果好，成像正确率高。

技术领域

本发明涉及信息科学领域，具体涉及基于动作电位发放间隔的自然图像随机森林成像方法。

背景技术

当脑科学研究的序幕开启、人类开始走进神经科学研究的领域之后，依托于计算机的人工智能正逐渐成为新的“智力”活动代表。视觉系统是脑的重要组成部分。其中，视觉系统是动物观察外界环境的主要感官系统。研究证明，动物大脑所接收的外界信息中，视觉信息占80％以上。通过植入式微电极阵列检测脑神经元动作电位信号，提取响应特征，构建重建模型，实现视觉感知信息的重建是一个极具挑战性的问题。

动作电位尖峰信号包含大量的外界刺激信息，从中提取有效特征可以对动物大脑的机制进行探究。在此之前许多神经学家利用动作电位尖峰序列对动物大脑进行了研究。1991年，Bialek等人采用随机的移动光栅作为视觉刺激，构造了苍蝇小叶板H1神经元的动作电位序列解码器，有效估算了刺激模式的速率，并对解码误差进行了评估。1997年，Warland等人采用线性和非线性两种算法解码了视网膜神经节细胞集群动作电位序列编码的亮度信息，发现亮度刺激的大部分信息能够利用线性的方法从动作电位序列中提取出来。1997年，HJ Sun等人利用动作电位的发放信息将运动物体与背景颜色的的联系，发现了同一细胞对不同背景色的响应不同。2011年，Ryu等人对视网膜神经节细胞编码视觉输入信息的机制进行了研究，提取了动作电位序列发放特征，利用支持向量机作为解码器，解码的精度用原始刺激和解码出的刺激之间的相似度来衡量。2014年，Aubie等人提取了动作电位发放率特征，利用最大似然估计器精确地解码出了刺激的持续时间。

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、相机体积大，操作繁杂。镶嵌在手机等设备上的小型相机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。

发明内容

本发明的目的在于：提供基于动作电位发放间隔的自然图像随机森林成像方法，解决了目前无法通过生物脑电信号获取外界自然图像刺激内容的技术问题。

本发明采用的技术方案如下：

基于动作电位发放间隔的自然图像随机森林成像方法，包括以下步骤：

步骤1：选取不同自然图像刺激动物，采集所述动物视皮层的动作电位信号；

步骤2：对所述动作电位信号进行集群发放间隔特征提取；

步骤3：采用随机森林算法利用提取的集群发放间隔特征构建自然图像重建模型，得到重建的自然图像。

进一步的，所述步骤1具体为：

S101：向所述动物播放刺激，所述刺激的刺激模式为：选取不同自然图像刺激，利用刺激播放器分别从右往左、从下往上依次播放刺激图像；

S102：播放一幅刺激图像，采集一次动物视皮层的动作电位信号，直至所有的刺激图像播放完毕。

进一步的，所述步骤2中集群发放间隔特征提取的算法为：

S201：将刺激s_i(i＝1，2，...，M)产生后的时间(T-after_time)均分为N个时间窗，每个时间窗的时间长度为：Δt＝(T-after_time)/N(1)，其中i表示刺激图像的序号，M表示刺激图像的总帧数；

S202：统计每一帧刺激图像刺激后动作电位发放总个数Num，则可获得Num-1个动作电位发放间隔；