基于情感图像检索系统的设计与实现毕业设计论文(编辑修改稿)

基于情感图像检索系统的设计与实现毕业设计论文(编辑修改稿)内容摘要：

致谢 .............................................................................................................................. 28 参考文献 ...................................................................................................................... 29 I 摘要 研 究表明，许多图像中里都包含着一定的感情色彩， 不同的图像会唤起人类不同的情感。 如何有效地模拟人观察图像后所引起的情感感觉，并使用带有感情色彩的语义表述图像，是一个具有很大挑战性的前沿课题。 情感图像检索的研究在医学、心理学、智能科学、社会学、计算机学、农业学等等领域都有巨大的应用价值。 本文研究图像的低层视觉特征与高层语义之间的关系，例如 情感的“静态”“动态”与图像之间的关系。 首先，建立一个包含动静态的图像数据库。 在互联网上收集 200幅包含“动感”和“静感”内容的艺术图像（如油画、水粉画、中国画。 包括东方和西方 作品 ）。 然后请 3位同学对图像的动感作出评估，进行打分，最后得到包含 200幅“静感”类和“动感”类图像的数据库。 其次， 利用线条方向直方图提取图像边缘特征信息，再这基础上可以改进算法，比较分类的正确性。 并且结合 Weighted kNN、 kNN、 BP神经网络 三种分类器对情感图像数据库进行分类，分类提高了图像检索的正确率。 使用分类器的原理是： 如果分类器分类正确，那么检索到的结果都是正确的，反之亦然。 通 过本次实验证明，相对于 kNN、 Weighted kNN分类器， BP神经网络 分类器的分类正确率是比较高的，分 类率为。 kNN、 Weighted kNN分别是 和。 通过改进训练样本可以改进提高分类率。 本文重点研究线条方向直方图、 kNN、 Weighted kNN、 BP神经网络分类器的算法。 关键词： 视觉特征计算 情感图像检索 线条方向直方图 分类器 II Abstract Research shows that many images are included in a certain emotional colors, different images will evoke different human emotions. How to effectively simulate the emotional feeling of people caused by the observed image and the image using semantic representations emotionally, is leading subject of a great challenge. Emotional image retrieval research in medicine, psychology, smart science, sociology, puter science, etc. in the field of agricultural science has great value. Lowlevel visual features and the relationship between highlevel semantic image this study, such as static, dynamic relationship between the images and emotions. First, create the image database containing dynamic static. Collected 200 contains dynamic and static sense, the art of image content on the Inter (such as oil painting, watercolor painting, Chinese painting, including Eastern and Western works). Then ask students to make three dynamic image assessment, scoring, and finally get that contains 200 quiet sense of class and the dynamic class image database. Secondly, the use of lines to extract image edge direction histogram feature information, then it can be improved algorithm based on paring the classification accuracy. And bined Weighted kNN, kNN, BP neural work classifier three kinds of emotional image database categorize improve the image retrieval accuracy. Use classification principle is: if the classification accuracy, then retrieved the results are correct, and vice versa. Through this experiment proved that with respect to the kNN, Weighted kNN classifier, BP neural work classifier correct rate is relatively high, the classification was . kNN, Weighted kNN were and . Can be improved by improving the training samples to improve the classification rate. This paper focuses on the line direction histogram, kNN, Weighted kNN, BP neural work classifier algorithm. Keywords: Visual features calculation emotional image retrieval line direction histogram the classifier 基于情感图像检索系统的设计与实现 1 引言 随着信息化时代的到来和信息传播速度大力的提升，越来越多的图像信息被人们所接触。 生活中，很多图像不但带有丰富的表面信息，而且蕴含了许多情感内容，为了满足用户主观的对于图像信 息的需求，就兴起了图像检索技术。 近年来，图像检索技术已成为什么热门的研究课题。 早在上个世纪 80 年代初期，就已经 形成了基于文本的图像检索，它通过提取关键字信息，通过关键字与文本信息进行检索的一门技术 [1]。 虽然文本图像检索大大的提高了图像检索的效率，但是有些图像的关键字比较抽象、难以描述，加之一千个读者便有一千个哈姆雷特，中国汉字的多义性使得结果往往不如人意。 直到上个世纪 90 年代初，伴随着，互联网图像信息的突飞猛进，基于内容的图像检索技术 (CRIR)成为图像检索的主要技术 [ 2 ]。 其实， CRIR 就是采用图 像的颜色、纹理、形状以及本身包含的不同层次结构和语义信息来对图像进行检索的，主要依据图像的相似性进行判断的。 目前，人们一般采用形容词描述图像的情感语义，例如，烛光给人温馨温暖的气氛等等，日本研究人员早早开展这方面的研究，他们将描述情感语义的形容词称作为 Kansei(感性的 )[ 3 ]。 情感图像检索的研究与人类的视觉感受到的信息密切相关，通过研究这两者之间的关系，对未来的发展具有什么重要的意义和作用。 基于情感图像检索系统的设计与实现 2 随着因特网技术的不断发展和电子产品的大量普及，可获取的数字图 像的数据规模越来越多，数据库日益增大，极大地方便了用户的需求，同时为社会创造了巨大的经济效益。 为了满足人们的需求，每天都会产生巨量的数字图像，这样确实是带来了人们便利，但是用户无论使用何种信息，首先都得面临如何查询自己所需的图像信息，于是就出现了两种图像检索方法即基于文本的图像检索和基于内容的图像检索。 背景与现状 现如今大多数的搜索引擎都是基于文本的关键词搜索，即文本注释。 它是先对图像进行文字内容的注解，然后在图像数据库里进行检索。 但是这样方法有一定的缺陷。 虽然文字注解概括了抽象的图像信息，但是由 于用户对事物的主观性和文化背景的差异，人们对同一件事物的描述可能存在不同的理解，那么，当用户查询时录入的关键词与数据库中的关键词不匹配或者不存在时，将会导致查询失败。 另一方面，关键字对文本的描述能力有限，很难全面的反映图像内容的中心思想。 再者，不同地区不同国籍之间的自然语言理解和表述问题对文本的描述也存在差异，这又给检索造成了新的困难，尽管可以借用词典或者互联网得到简化，但是，同时使得检索的表达能力受到了极大的限制。 接着出现了利用 Web 网页中图像的关键字信息来进行检索的引擎技术。 因此客观上讲，目前的图像 搜索引擎，从本质上并没有解决这一难题，搜索结果不能达到预期的目标。 如图 11 所示，利用搜狗图像搜索引擎输入关键字“企鹅”后得到的结果，图 2 是利用百度图像搜索引擎输入关键字“小燕子”后得到的结果。 图 11 搜狗图像搜索示例 基于情感图像检索系统的设计与实现 3 由图可以看出，图 11 中的第二排最后一幅图检索到了大猩猩，第三排第 5列检索到了海龟，这些图片都是不符合要求的。 图 12 中，第二排和第三排检索到了著名影星赵薇的照片，因为虽然关键词的泛指性，这样也造成了图像检索结果的不理想，检索到的结果往往也不能令人满意。 图 12 百度图 像搜索示例 另一种是基于内容的图像检索 ，顾名思义，它是根据图像的内容进行检索的。 由于图像依靠它的视觉特征来进行检索，根据视觉特征的相似度进行比较，然后按照相似度进行排序并且将结果返回给用户。 根据实验结果，基于内容的图像检索比较以前的检索系统有很大的进步。 但是尽管如此，基于文本和内容的图像检索仍然存在着许许多多等待人们去探索和解决的问题。 加之，图像内容的丰富性和多样性，用户心理的变化的主观性，对图像检索的研究提出了挑战，因此情感图像检索的研究是目前十分热门的具有挑战性的研究课题，具有十分重要的意义。 图 13是图像检索系统的框架。 图 13 图像检索系统概念示例 基于情感图像检索系统的设计与实现 4 基于情感图像检索的概念 图像语义有好几层 [ 4， 5 ]。 而我们讨论的情感语义位于抽象语义的最高水平，它可以被定义为描述强度和情绪，感情或通过可视图像诱发人类的情感类型的情感语义。 它通常是以形容词的形式表示，即快乐，浪漫，辉煌等等。 情感语义的图像检索（ ESIR）可以被视为一个基于语义的图像检索和情感识别的分支。 情感图像语义的自动推导将延长图像索引和检索目前的可能性范围。 例如，我们将能够对“一个宜人的景观”或“优雅的服装图像”进行检 索。 此外，图像检索的结果也将随着情感图像内容的参与而增强。 情感图像检索特征的分类 情感是一种微妙的心理表现，存在着很大的多义性和主观性，不同图像都会给人不同的感受 ,而不同的人对相同的图像也会存在各色各样的情感差异 [ 6 ]。 图像中的颜色、形状、纹理与图像中包含的情感是紧密相关的。 本小节围绕颜色、纹理、形状等特征开展。 颜色中的情感 颜色是组成美丽图像的元素之一。 从色调上看，一般将色彩分为暖色调和冷色调，不同的色调带给人不同的感受，性别的差异对相同色调的感知也是有差异的。 同理，色彩 饱和度的差异也给人不同的感受。 一言以蔽之，颜色基于其显著的心理学反应，对图像的情感语义的研究有着十分重要的作用 [ 7 ]，因此，在图像情感检索的研究中，一定要重视颜色特征且必须将其做为重要的特征加以研究。 颜色是最直接、最敏感的视觉特征，是描述情感图像最有效的特征之一，具有鲜明性、独特性、合适性、联想性和稳定性等特点，在外界环境（软件和硬件）和自生特点等因素的变化下都表现出超强的健壮性。 不同的事物有着不同的颜色特征，因此可以利用颜色特征来区别不同物体。 例如，红玫瑰代表热情、兴奋、强烈、好战、希望、奋进，绿色 的草地代表新鲜、清新、和平，蓝色的天空代表清爽、自由、宁静。 图像的颜色特征细致的研究和分析有助于对人的心理情绪变化进行分析，对是情感图像检索的有着十分重要的意义。 纹理中的情感 实际上，纹理特征是颜色特征的另一种的表达形式的存在，它是一种表面的视觉属性，表达了包含在物体表面的情感信息。 例如，颗粒。