论文部分内容阅读
随着科学技术的不断发展和提高，立体显示技术被越来越广泛地应用在人们生活工作的各个领域。但是由于当前立体显示技术大多基于立体视差原理，视差所引起的辐辏调节冲突会引起观看立体影像时出现视觉不舒适的现象，降低了观看体验。因此，对于辐辏调节冲突对立体影像视觉舒适度影响的认知研究具有十分重要的意义。
本文首先采用脑电技术对单一视差所引发的视觉舒适度进行研究，提取了视差引起的舒适与否两类脑电信号的特征。将客观脑电(Electroencephalography， EEG)信号进行希尔伯特黄变换后，提取相应的空域特征、频域特征及时域特征；通过CPSorting算法进行空域特征筛选，ReliefF算法进行频域特征及时域特征筛选，并利用Adaboost分类器进行分类，分类结果显示，最佳的评估指标为顶区P3电极的α/β。通过脑电地形图观察发现，随着视差增大，非舒适状态下α/β在颞区及其周边的前额区呈上升趋势。同时，交叉视差非舒适状态的样本熵值最小，脑电信号更不稳定，与主观评估中交叉视差更易引起视觉不适结果一致。
在此基础上，本文进一步针对视差变化所引发的视觉舒适度进行了研究。采集被试观看不同视差变化等级的事件相关电位(Event Related Potentials, ERPs)与EEG信号，对比分析不同状态下ERPs信号中的N200、P3a和P3b成分，发现N200成分和P3b成分的幅值随着任务等级的加大而递增。通过对事件相关谱扰动(Event-Related Spectral Perturbation, ERSP)的分析，发现不舒适状态诱发更强的低频活动。通过EEG信号特征构建脑功能网络，发现随着视差变化等级增大，脑网络愈加复杂，各脑区之间的信息交流程度明显增强，且较为活跃的区域主要分布在前额区、顶区以及颞区。同时，随着频带增加，三种视差变化幅值的脑功能网络特征差异逐渐减小。最后，提取相应网络特征，通过SVM分类器发现三种状态的脑网络具有很好的可分性，平均分类率达83.33%。
本文首先采用脑电技术对单一视差所引发的视觉舒适度进行研究，提取了视差引起的舒适与否两类脑电信号的特征。将客观脑电(Electroencephalography， EEG)信号进行希尔伯特黄变换后，提取相应的空域特征、频域特征及时域特征；通过CPSorting算法进行空域特征筛选，ReliefF算法进行频域特征及时域特征筛选，并利用Adaboost分类器进行分类，分类结果显示，最佳的评估指标为顶区P3电极的α/β。通过脑电地形图观察发现，随着视差增大，非舒适状态下α/β在颞区及其周边的前额区呈上升趋势。同时，交叉视差非舒适状态的样本熵值最小，脑电信号更不稳定，与主观评估中交叉视差更易引起视觉不适结果一致。
在此基础上，本文进一步针对视差变化所引发的视觉舒适度进行了研究。采集被试观看不同视差变化等级的事件相关电位(Event Related Potentials, ERPs)与EEG信号，对比分析不同状态下ERPs信号中的N200、P3a和P3b成分，发现N200成分和P3b成分的幅值随着任务等级的加大而递增。通过对事件相关谱扰动(Event-Related Spectral Perturbation, ERSP)的分析，发现不舒适状态诱发更强的低频活动。通过EEG信号特征构建脑功能网络，发现随着视差变化等级增大，脑网络愈加复杂，各脑区之间的信息交流程度明显增强，且较为活跃的区域主要分布在前额区、顶区以及颞区。同时，随着频带增加，三种视差变化幅值的脑功能网络特征差异逐渐减小。最后，提取相应网络特征，通过SVM分类器发现三种状态的脑网络具有很好的可分性，平均分类率达83.33%。