結合二叉樹和模糊SVM的圖像情感識別研究.pdf

1、研究表明,我們肉眼所看到的自然界眾多圖像中,其所傳達的情感語義都十分豐富,或清爽,或傷悲,或溫暖,或恐懼?；谖谋镜膱D像檢索系統(tǒng)出現最早,發(fā)展也最為成熟,它主要根據某些詞語來滿足用戶的檢索需求,目前仍有很多實際應用在使用該檢索方法?；趦热莸膱D像檢索系統(tǒng)出現稍晚,相比較而言,兩者的側重點均以圖像所展現的主題特征或圖像對象為主,并未深入到圖像所帶給人們情感方面的影響和心理感受,這在一定程度上造成了圖像的底層視覺特征(如顏色、紋理以及形狀等

2、)與用戶檢索需求之間的鴻溝。因此,對圖像進行深層次的、符合人類感知的情感語義檢索研究,是目前乃至未來很長一段時間內,圖像檢索領域中又一激動人心的前沿課題。
　　 圖像情感特征通常是指人們看到一幅圖像時感觀上所產生的諸如歡樂、溫暖或悲傷等情緒反應。論文主要以圖像的高層情感語義為研究對象,通過對UCI上的圖像數據集進行實驗,研究與圖像情感識別密切相關的圖像底層特征提取以及圖像多分類技術,一方面為了揭示它們所帶給人們的情緒體驗,同時也

3、為后續(xù)的圖像檢索研究提供更為多樣化的手段。
　　 主要工作包括:
　　 1.總結圖像RGB(紅、綠、藍)底層特征與其所表達情感之間的關系,以及不同顏色空間的轉換問題。顏色所傳達的情感最為豐富,同時也是一幅圖像內容中最明顯、最容易引起人們情緒反應的視覺因子,是我們進行圖像情感識別研究不可或缺的一部分。不同的顏色空間所面向的對象不同,選取合適的顏色空間是提高圖像識別準確性的關鍵因素之一。
　　 2.探討將模糊理論融入

4、到支持向量機方法中。模糊理論主要用于處理現實世界中的不確定性問題,而隸屬度函數的選擇與設計正是模糊支持向量機算法的核心所在。因此要求所選擇的隸屬函數能較好的描述數據集中各樣本的模糊特性,以使各樣本都有明確的類別歸屬。論文中還對常見的一對一、一對多以及二叉樹這三種不同的分類器結構進行對比,分析各自的優(yōu)缺點以及適用場合。
　　 3.重點研究融入二叉樹的模糊支持向量機在圖像情感識別中的效果。提出了一種基于同心圓的樣本識別方法,該方法在

5、確定樣本所屬類別上具有更高的精度。而傳統(tǒng)的支持向量機在使用一對一、一對多分類算法進行分類時,常存在不可分區(qū)域和分類速度慢的缺點。結合二叉決策機制的模糊支持向量機方法相比傳統(tǒng)的分類算法在圖像情感識別的效率更高,時間消耗更少。
　　 4.最后,通過對UCI收集的圖片數據集進行測試,驗證了所提出的結合二叉樹和模糊支持向量方法在圖像情感識別中的可行性。同時與傳統(tǒng)一對一、一對多分類識別方法分別在識別精度與效率上進行比較,分析不同方法之間的