【正文】 首先，我學會了 MATLAB 的使用，在畢設之前從來沒有接觸過 MATLAB，對 MATLAB 的使用和操作也一概不知。下的單位量化，由研究可得在 10176。量化時， kNN 分類正確率最高，為 。量化下，我們做了 5 組實驗，做出了 kNN 與 Weighted kNN 分類正確率的比較表 表 46 10176。量化 圖 413 正確檢索到 19 幅與示例圖像相似的動態(tài)圖片 由以上圖 4圖 411 兩幅圖可知，當 k 值、量化單位相同，分類器不同時，分類出來相似度的結果不相同；由圖 41圖 412 兩幅圖可知，當分類器、k 值相同，量化單位不同時，分類出來相似度的結果不相同；由圖 41圖 413兩幅圖可知，當分類器、量化單位相同時， k 值不同，分類出來相似度的結果不相同。 近鄰分類器 特征庫的計算過程 首 先，在 MATLAB 運行 ，然后彈出圖 45，表明系統(tǒng)正在進行特征數(shù)據(jù)庫的計算。 和 39。 特征 . 4 CalcVectorCosineDistance. 用來進行計算 2 個特征向量之間的 39。 15176。 基于情感圖像檢索系統(tǒng)的設計與實現(xiàn) 16 圖 44 線條方向直方圖的改進算法與原始算法的分類正確率的比較 圖 44 的左列的圖片是動態(tài)的，右列的圖片是靜態(tài)的。表 41 為三位同學評估情感圖像的部分匯總表。（ 8）財務和金融工程。當 MATLAB 程序啟動時，一個叫做 MATLAB 桌面的窗口出現(xiàn)了。MATLAB 軟件的圖標如圖 32 所示。 基于情感圖像檢索系統(tǒng)的設計與實現(xiàn) 10 Weighted kNN 分類器 圖 26 K近鄰法 圖 27 Wighted k近鄰法 k近鄰法中，當樣本比較少時， kNN 法就不合適了。它由輸入層、輸出層和隱含層組成。與 180176。 原始的線條方向直方圖 對于某個圖像某點的方向梯度相角 ( ),xyq ，可以通過求它在某一點的導數(shù)，然后對它的正切取導數(shù)，例如 ? ?? ?? ?f x ,yxθ x ,y = a r c tg f x ,yy?????? ???? (21) 其中， ? ?90 90? ??? ， ，因為圖像邊緣點的方向和此點的梯度方向垂直，所以此點的方向即此點的切線方向夾角范圍是 ? ? ? ? ? ?α x ,y = θ x ,y + 9 0 ,α 0 ,1 8 0? ? ??。羅 斯 [ 14 ]研究基于美觀的圖像自動合成拉爾夫的審美方式。從文本和圖像梳理功能，從不同媒體的更多的信息可以被集成到推導出情感語義?？偟南敕ㄊ墙⒁粋€特定的配置文件為特定用戶或用戶組，來記錄個人喜好和共同的情感之間的自適應信息。 形狀中的情感 形狀特征是情感圖像中最核心的特征，它可以清晰的反映出圖像的區(qū) 域、輪廓的基本特征。同理，色彩 飽和度的差異也給人不同的感受。情感圖像語義的自動推導將延長圖像索引和檢索目前的可能性范圍。根據(jù)實驗結果，基于內(nèi)容的圖像檢索比較以前的檢索系統(tǒng)有很大的進步。再者，不同地區(qū)不同國籍之間的自然語言理解和表述問題對文本的描述也存在差異，這又給檢索造成了新的困難，盡管可以借用詞典或者互聯(lián)網(wǎng)得到簡化，但是，同時使得檢索的表達能力受到了極大的限制。情感圖像檢索的研究與人類的視覺感受到的信息密切相關，通過研究這兩者之間的關系，對未來的發(fā)展具有什么重要的意義和作用。 關鍵詞： 視覺特征計算 情感圖像檢索 線條方向直方圖 分類器 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 基于情感圖像檢索系統(tǒng)的設計與實現(xiàn) 1 引言 隨著信息化時代的到來和信息傳播速度大力的提升，越來越多的圖像信息被人們所接觸。然后請 3位同學對圖像的動感作出評估，進行打分，最后得到包含 200幅“靜感”類和“動感”類圖像的數(shù)據(jù)庫。 參考文獻： [1] 陳斌 . 基于分形與小波的圖像和諧情感特性研究 [D]. 北京航空航天大學碩士學位論文 , 20xx. [2] Rafael C. Gonzalez 等著，阮秋琦等譯 . Digital Image Processing(中文版名：數(shù)字圖像處理 )[M]. 北京：電子工業(yè)出版社， 20xx. [3] Kherfi M L， Ziou D， Bernardi A. Image Retrieval From the World Wide Web： Issues，Techniques， and Systems[J]. ACM Computing Surveys， 20xx， 36(1)： 3567. [4] 章毓晉 . 基于內(nèi)容的視覺信息檢索 [M]. 北京：科學出版社， 20xx. [5] 莊越挺等著 . 網(wǎng)上多媒體信息分析與檢索 [M]. 北京：清華大學出版社， 20xx. [6] 劉偉 . 圖像檢索中若干問題的研究 [D]. 杭州：浙江大學， 20xx. [7] 王上飛，王煦法 . 圖像情感檢索研究的進展與展望 [J]. 電路與系統(tǒng)學報， 20xx，10(4)： 102110. [8] 王偉凝，余英林 . 圖像的情感語義研究進展 [J]. 電路與系統(tǒng)學報， 20xx， 8(5)：101109. [9] 王偉凝，余英林，張劍超 . 基于線條方向直方圖的圖像情感語義分類 [J]. 計算機工程， 20xx， 31(11)： 79. 4． 指導教師審閱意見 指導教師 (簽字 )： 年 月 日 說明： 本報告必須由承擔畢業(yè)論文 (設計 )課題任務的學生在畢業(yè)論文 (設計 ) 正式開始的第 1周周五之前獨 立撰寫完成，并交指導教師審閱。搞懂 KNN 算法設計，仔細思考算法細節(jié)問題，以及各種實際中遇到的問題。 在計算直方圖矢量之間的距離時，我們使用了 歐式距離度量，如式 (2)所示： ? ? ? ? ? ?? ? 2nE Q I Q Ij= 1d H H = H j H j?， (2) 圖像人工分類結果表明，具有較多垂直線條的圖像與具有較多水平線條的圖像一樣都給人以寧靜的感覺，進行分類的依據(jù)是不同圖像的直方圖向量之間的距離，根據(jù)分類的原則，同類向量之間的距離應該較小，異類向量之間的距離應該較大，即類內(nèi)距離要小，類間距離要大。這些實現(xiàn)起來工作量比較大，需要細心認 真，總體來時比較容易構建。隨著多媒體技術的迅速發(fā)展，數(shù)字圖象處理中的一 個重要研究方向是使計算機能夠模仿人的感覺和需求來處理和理解圖像。圖像檢索是屬于圖像分析的一個研究領域。如何從浩如煙海的圖像信息中及時、高效地尋找 所需要的圖像成為一個需要迫切解決的問題。 7) 11 月 15 日前（第十二周）學生將《開題報告》（定稿）上傳至畢設管理系統(tǒng)中。要求同學完成畢業(yè)設計后應提交相應的畢業(yè)設計文檔（如畢業(yè)設計論文等）以及可在Windows 平臺下運行的情感圖像檢索原型系統(tǒng)程序。將圖像情感語義特征應用到圖像檢索中，使圖像檢索的結果更加符合人類對圖像的自然描述、理解和需求，是一個有著學術和應用價值的問題。本題目是基于內(nèi)容的圖像檢索（ CBIR）應用系統(tǒng)的設計，目標是用 Matlab（或其他開發(fā)平臺，如 C、 Java）開發(fā)出能夠滿足用戶提出的情感色彩檢索要求的檢索算法以及對應的圖像檢索實驗平臺。 二、參考資料 [1] Rafael C. Gonzalez 等著，阮秋琦等譯 . Digital Image Processing（中文版名：數(shù)字圖像處理） [M]. 北京：電子工業(yè)出版社， 20xx. [2] Kherfi M L， Ziou D， Bernardi A. Image Retrieval From the World Wide Web：Issues， Techniques， and Systems[J]. ACM Computing Surveys， 20xx， 36（ 1）： 3567. [3] 章毓晉 . 基于內(nèi)容的視覺信息檢索 [M]. 北京：科學出版社， 20xx. [4] 莊越挺等著 . 網(wǎng)上多媒體信息分析與檢索 [M]. 北京：清華大學出版社， 20xx. [5] 劉偉 . 圖像檢索中若干問題的研究 [D]. 杭州：浙江大學， 20xx. [6] 王上飛，王煦法 . 圖像情感檢索研究的進展與展望 [J]. 電路與系統(tǒng)學報，20xx， 10（ 4）： 102110. [7]