论文部分内容阅读
随着人机交互系统的快速发展,视觉特征中的情感信息近年来正越来越受到人们的重视,特别是在特征提取和图像分类等领域。而目前的图像处理和应用大多忽略了情感的影响和作用。有效地挖掘图像与情感之间的映射规则,是情感计算在图像处理方面的探索,是一个崭新的且有很大挑战性前沿课题。从信号处理的观点来看,图像本身不仅包括了视觉特征,还包括了文字信息和情感信息。情感可被分为两类:主要(原始)情感和次要(派生)情感。主要或原始情感包括害怕、愤怒、高兴、悲伤和厌恶,是所有社会化的哺乳动物共有的,有其特殊的表现形式。次要或派生情感包括自豪、感激、悲痛、亲切和惊奇,是主要情感的变化或组合形式,其中一些是人类特有的。图像中的可视化特征(颜色、纹理和形状)在基于内容的图像检索中扮演着重要的角色,将图像进行情感的标注能够对和谐的人—机交互、装潢和基于情感计算等工程作出相应的贡献,但情感有很大的主观性,不同的图像或图像中的不同颜色、纹理、轮廓等会给人不同的感受,而不同的人对同一幅图像也会产生不同的情感感受,这样很难在客观上给一幅图像定位为某种情感。传统的分类模型针对预先设定的标签进行分类,然而现实世界的情感丰富多彩,主观性和模糊性较强,各个情感之间界限模糊,无法实现清晰分类。有鉴于此,本文基于“先聚后分”的基本思想,首先对图像视觉特征进行聚类,利用聚类模型对视觉特征进行情感标注,生成情感标签,然后对已标注的视觉情感特征进行分类实验,实现情感分类,完成视觉特征到情感语义的映射。着重做了以下几个方面的工作:首先,从大量的实验、研究和参考文献中积累出情感与图像中的对应关系,研究了颜色、纹理和形状等目前常用的视觉特征在情感识别中的作用,分析了MPEG-7描述子并且通过基于自组织映射网络的特征有效性研究方法,进行了有效特征的筛选;第二,综合经典情感空间分类方法,提出一个情感空间表示法量化情感,达到情感数字化以实现可计算;第三,应用自组织映射网络建立了初步的视觉特征情感识别模型,利用自组织映射网络对图像情感进行聚类和仿真,发现视觉特征到情感语义的映射法则,从情感相似性的角度映射情感;最后,从中科院CAPS图像库中选择了852幅图像进行映射实验,利用三种分类算法(朴素贝叶斯、随机森林和支持向量机)进行分类比较,验证方法的可行性和准确性,给出了实验结果,并对结果进行了分析和讨论。