| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 基于 fMRI 的视觉信息编码技术研究现状 | 第13-19页 |
| 1.2.1 功能磁共振技术与大脑视觉感知研究 | 第13-16页 |
| 1.2.2 大脑视觉信息感知机理与视觉编码计算模型 | 第16-19页 |
| 1.3 课题研究内容与意义 | 第19-20页 |
| 1.3.1 课题研究内容 | 第19页 |
| 1.3.2 课题研究意义 | 第19-20页 |
| 1.4 论文结构与安排 | 第20-22页 |
| 第二章 基于 fMRI 的视觉编码技术脑信号处理 | 第22-38页 |
| 2.1 快速事件相关脑信号处理方法 | 第22-25页 |
| 2.1.1 血液动力学响应函数估计 | 第22-23页 |
| 2.1.2 时间序列反卷积 | 第23-25页 |
| 2.2 一种基于混合 L2 范数正则化的血液动力学响应函数估计方法 | 第25-28页 |
| 2.2.1 基本模型 | 第25页 |
| 2.2.2 混合 L2 范数正则化估计方法 | 第25-26页 |
| 2.2.3 仿真实验与结果分析 | 第26-28页 |
| 2.3 快速事件相关图像四分类实验 | 第28-37页 |
| 2.3.1 实验材料 | 第28-30页 |
| 2.3.2 数据预处理 | 第30-31页 |
| 2.3.3 结果分析 | 第31-37页 |
| 2.4 本章小结 | 第37-38页 |
| 第三章 视觉编码模型的稀疏优化方法 | 第38-54页 |
| 3.1 Gabor 感受野基本编码模型 | 第38-42页 |
| 3.2 一种基于稀疏表示的视觉编码模型优化方法 | 第42-46页 |
| 3.2.1 视觉编码模型的稀疏表示 | 第42-43页 |
| 3.2.2 视觉编码稀疏优化模型求解 | 第43-46页 |
| 3.3 视觉编码实验及结果分析 | 第46-51页 |
| 3.3.1 实验设计 | 第46-48页 |
| 3.3.2 结果分析 | 第48-51页 |
| 3.4 本章小结 | 第51-54页 |
| 第四章 基于自然图像多尺度分解的视觉编码模型 | 第54-64页 |
| 4.1 自然图像及其统计特性 | 第54-56页 |
| 4.1.1 自然图像二阶统计特性 | 第54-55页 |
| 4.1.2 自然图像高阶统计特性 | 第55-56页 |
| 4.2 一种基于自然图像多尺度分解的视觉编码模型 | 第56-59页 |
| 4.2.1 独立成分分析与自然图像稀疏分解 | 第56-58页 |
| 4.2.2 Gabor 滤波器拟合 | 第58页 |
| 4.2.3 编码模型构建 | 第58-59页 |
| 4.3 视觉编码模型实验 | 第59-63页 |
| 4.3.1 实验数据 | 第59页 |
| 4.3.2 基函数求解结果 | 第59-62页 |
| 4.3.3 视觉编码模型结果分析 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 作者简历 | 第74页 |
