【正文】 0176。量化 kNN 分類正確率表 次數(shù) N K 值 1 3 5 7 9 1 2 基于情感圖像檢索系統(tǒng)的設計與實現(xiàn) 23 3 4 5 均值 表 45 5176。 基于情感圖像檢索系統(tǒng)的設計與實現(xiàn) 22 分類器模式過程 在菜單欄中，當選擇“ c”時 ,如圖 411 所示，系統(tǒng)會開始 20 輪分類正確率的計算，計算結(jié)束后，就會出現(xiàn)所示 kNN 分類正確率比較試驗和不同分類器比較試驗。 基于情感圖像檢索系統(tǒng)的設計與實現(xiàn) 20 圖 410 錯誤檢索到 19 幅與示例圖像相似的動態(tài)圖片 2)分類器為 kNN， k=3,10176。 基于情感圖像檢索系統(tǒng)的設計與實現(xiàn) 18 圖 45 特征數(shù)據(jù)庫形成的過程 演示模式過程 1)分類器為 BP神經(jīng)網(wǎng)絡 ,10176。Weighted kNN39。靜感 Static39。kNN39?；谇楦袌D像檢索系統(tǒng)的設計與實現(xiàn) 17 m 余弦距離 39。BP39。 原始算法計算的線條方向直方圖 % % % 改進算法計算得到的線 條方向直方圖 80% % % 程序的運行和結(jié)果分析 程序清單 在程序運行過程中，會接觸到各種子函數(shù)，表 43 列舉出了這些子函數(shù)的名稱和功能。 由大量的試驗數(shù)據(jù)表明，在不同單位量化下，原始算法計算的線條方向直方圖和改進算法計算得到的線條方向直方圖正確率如表 42 所示。第一行圖片是 5176。、 10176。圖 42 是三位同學正在對 200 幅圖片進行情感 圖像的評估。然后求平分的均值，如果平分的結(jié)果等于在 47(不包括 4 和7)之間，就丟棄該圖片，否則計入數(shù)據(jù)庫中。 MATLAB 的主要功能有：數(shù)值計算功能、符號計算功能、繪圖功能結(jié)果的可視化、圖形化程序編制功能、 MATLAB工具箱、 MATLAB的兼容功能、 MATLAB的容錯功能等等。（ 5）數(shù)字圖像處理。 MATLAB 的主要應用領域有： (1)數(shù)值分析。當 MATLAB 運行時，有多種類型的窗口，有的用于接收命令，有的用于顯示信息。 任何一個 MATLAB 程序的基本組成單元是數(shù)組。 實驗平臺 MATLAB介紹 MATLAB 最初是由 Cleve Moler 用 Fortran 語言設計的，有關矩陣算法來自Linpack 和 Eispack 課題的研究成果；現(xiàn)在的 MATLAB 程序是 MathWorks 公司用C 語言開發(fā)的。如 27 圖所示，由圖可知，盡管在 k 近鄰中類別 B 的樣本數(shù)多于類別 A，但類別 A 的樣本和待分類樣本距離更近，將待分類樣本分類為類別 A 可能更合理。 圖 25 BP 網(wǎng)絡神經(jīng)圖 kNN 分類器 在介紹 kNN 分類器之前我們先要理解什么叫做最近鄰法，顧名思義，最近鄰法就是已知一個待分類樣本 x，比較它和 N 個已分類樣本之間的距離，通常是歐式距離，選擇和它最相近的點，然后將 x 劃分為這個最近點的同類樣本中。隱含層也可以包含為一個或多個。由大量實驗可得，越是接近 45176。重合，直方圖成 0176。、 180176。 因此根據(jù)邊緣點的方向梯度相角度，我們可以得到此點的切線方向角度，并且繪制出邊緣點角度的方向直方圖，便于直觀，我們可以以 10176。從用戶的角度來看，一 個通用的和靈活的解決方案，預計將使用方便，在實際應用中的擴展。和 Datta [15]提出了一種方法來自動推斷出審美素質(zhì)的照片使用他們的視覺作為機器學習的內(nèi)容。 結(jié)合影像美學 影像美學是一個新的方向，新出現(xiàn)的。在信息檢索技術和語言分析方面，如 WordNet 的，潛在基于情感圖像檢索系統(tǒng)的設計與實現(xiàn) 6 語義分析（ LSA）可能在將來被使用。 在個性化檢索中挑戰(zhàn)有： 1）方法創(chuàng)建和處理配置文件是不夠的； 2）需要大量情感反饋量，數(shù)據(jù)難以收集和對于用戶來說過程是無聊的。 BianchiBerthouze [9,10]提出的 KDIME 系統(tǒng)，其中，感性自適應個性化圖像檢索可以根據(jù)用戶的感性偏好來實現(xiàn)。 個性化情感模型 至今大部分的情感研究工作是基于共同的情感，這意味著在一定程度上一定數(shù)量的人可能會同意。圖像中的形狀可以激發(fā)人的感性認識，主要是由于形狀的美學價值之一作用的影響。圖像的顏色特征細致的研究和分析有助于對人的心理情緒變化進行分析，對是情感圖像檢索的有著十分重要的意義。一言以蔽之，顏色基于其顯著的心理學反應，對圖像的情感語義的研究有著十分重要的作用 [ 7 ]，因此，在圖像情感檢索的研究中，一定要重視顏色特征且必須將其做為重要的特征加以研究。本小節(jié)圍繞顏色、紋理、形狀等特征開展。例如，我們將能夠?qū)Α耙粋€宜人的景觀”或“優(yōu)雅的服裝圖像”進行檢 索。而我們討論的情感語義位于抽象語義的最高水平，它可以被定義為描述強度和情緒，感情或通過可視圖像誘發(fā)人類的情感類型的情感語義。但是盡管如此，基于文本和內(nèi)容的圖像檢索仍然存在著許許多多等待人們?nèi)ヌ剿骱徒鉀Q的問題。圖 12 中，第二排和第三排檢索到了著名影星趙薇的照片，因為雖然關鍵詞的泛指性，這樣也造成了圖像檢索結(jié)果的不理想，檢索到的結(jié)果往往也不能令人滿意。接著出現(xiàn)了利用 Web 網(wǎng)頁中圖像的關鍵字信息來進行檢索的引擎技術。但是這樣方法有一定的缺陷。 基于情感圖像檢索系統(tǒng)的設計與實現(xiàn) 2 隨著因特網(wǎng)技術的不斷發(fā)展和電子產(chǎn)品的大量普及，可獲取的數(shù)字圖 像的數(shù)據(jù)規(guī)模越來越多，數(shù)據(jù)庫日益增大，極大地方便了用戶的需求，同時為社會創(chuàng)造了巨大的經(jīng)濟效益。直到上個世紀 90 年代初，伴隨著，互聯(lián)網(wǎng)圖像信息的突飛猛進，基于內(nèi)容的圖像檢索技術 (CRIR)成為圖像檢索的主要技術 [ 2 ]。生活中，很多圖像不但帶有豐富的表面信息，而且蘊含了許多情感內(nèi)容，為了滿足用戶主觀的對于圖像信 息的需求，就興起了圖像檢索技術。 kNN、 Weighted kNN分別是 和 。其次， 利用線條方向直方圖提取圖像邊緣特征信息，再這基礎上可以改進算法，比較分類的正確性。首先，建立一個包含動靜態(tài)的圖像數(shù)據(jù)庫。 西安郵電 大學 畢業(yè)設計 (論文 )成績評定表 學生姓名 任寧寧 性別 女 學號 04101118 專 業(yè)班 級 計科 1004 班 課題名稱 基于情感圖像檢索系統(tǒng)的設計與實現(xiàn) 課題 類型 科研題目 難度 一般 畢業(yè)設計（論文）時間 20xx 年 9 月 25 日 ~20xx 月 6日 02 日 指導教師 劉偉 (職稱 ：副教授 ) 課題任務 完成情況 論 文 11 (千字 )； 設計、計算說 明書 0 (千字 )； 圖紙 0 (張 )； 其它 (含附 件 )： 指導教師意見 分項得分：開題調(diào)研論證分 ； 課題質(zhì)量（論文內(nèi)容） 分； 創(chuàng)新 分； 論文撰寫（規(guī)范） 分； 學習態(tài)度 分； 外文翻譯 分 指導教師審閱成績： 指導教師 (簽字 )： 年 月 日 評 閱 教 師 意見 分項得分：選題 分； 開題調(diào)研論證 分； 課題質(zhì)量（論文內(nèi)容） 分； 創(chuàng)新 分； 論文撰寫（規(guī)范） 分； 外文翻譯 分 評閱成績： 評閱教師 (簽字 )： 年 月 日 驗收小組意見 分項得分：準備情況 分； 畢業(yè)設計（論文）質(zhì)量 分； （操作）回答問題 分 驗收成績： 驗收教師 (組長 )(簽字 )： 年 月 日 答 辯 小組 意 見 分項得分：準備情況 分； 陳述情況 分； 回答問題 分； 儀表 分 答辯成績： 答辯小組組長 (簽字 )： 年 月 日 成績計算方法 (填寫本系實用比例 ) 指導教師成績 20 (％ ) 評閱成績 30 (％ ) 驗收成績 30 (％ ) 答辯成績 20 (％ ) 學生實得成績 (百分制 ) 指導教師成績 評閱成績 驗收成績 答辯成績 總評 答辯委員會意見 畢業(yè)論文 (設計 )總評成績 (等級 )： 院 答辯委員會主任 (簽字 )： 院 (簽章 ) 年 月 日 備 注 西安郵電大學畢業(yè)論文 (設計 )成績評定表 (續(xù)表 ) 目錄 摘要 ................................................................................................................................. I Abstract.........................................................................................................................II 引言 ................................................................................................................................ 1 ............................................................................................................................. 2 背景與現(xiàn)狀 ..................................................................................................... 2 基于情感圖像檢索的概念 ............................................................................. 4 情感圖像檢索特征的分類 ............................................................................. 4 未來的研究趨勢 ............................................................................................. 5 ......................................................................................................... 7 線條方向直方圖 .............................................................................................. 7 BP 神經(jīng)網(wǎng)絡分類器 ........................................................................................ 9 kNN 分類器 ................................................................................................... 9 Weighted kNN 分類器 ................................................................................. 10 ................................................................................................................... 11 情感圖像的基本框架 ................................................................................... 11 實驗平臺 MATLAB 介紹 .....................................