【正文】 圖 80% % % 程序的運(yùn)行和結(jié)果分析 程序清單 在程序運(yùn)行過(guò)程中，會(huì)接觸到各種子函數(shù)，表 43 列舉出了這些子函數(shù)的名稱(chēng)和功能。基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 17 m 余弦距離 39。靜感 Static39。 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 18 圖 45 特征數(shù)據(jù)庫(kù)形成的過(guò)程 演示模式過(guò)程 1)分類(lèi)器為 BP神經(jīng)網(wǎng)絡(luò) ,10176。 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 22 分類(lèi)器模式過(guò)程 在菜單欄中，當(dāng)選擇“ c”時(shí) ,如圖 411 所示，系統(tǒng)會(huì)開(kāi)始 20 輪分類(lèi)正確率的計(jì)算，計(jì)算結(jié)束后，就會(huì)出現(xiàn)所示 kNN 分類(lèi)正確率比較試驗(yàn)和不同分類(lèi)器比較試驗(yàn)。量化 kNN 分類(lèi)正確率表 次數(shù) N K 值 1 3 5 7 9 1 2 3 4 5 均值 表 47 10176。 神經(jīng)網(wǎng)絡(luò)分類(lèi)器性能 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 25 表 410 不同量化下 BP 分類(lèi)正確率性能比較 度數(shù) 次數(shù) N 1 2 3 4 5 均值 5176。時(shí)，分類(lèi)取得最大的正確率。通過(guò)從最基本的矩陣開(kāi)始練習(xí)，一點(diǎn)點(diǎn)了解，學(xué)習(xí)各種函數(shù)的使用，了解各類(lèi)函數(shù)的功能，即使這樣我對(duì) MATLAB 的了解也是片面的，對(duì)其的認(rèn)知也停留在一堆分散的點(diǎn)上，并不能結(jié)合起來(lái)運(yùn)用，好比大樹(shù)的許多零散的樹(shù)葉，我們現(xiàn)在需要桿將它們組合成一顆大樹(shù)。 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 26 圖 414 特征數(shù)據(jù)庫(kù)文檔 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 27 通過(guò)本次的畢業(yè)設(shè)計(jì)，我學(xué)習(xí)到了很多東西。 圖 412 圖像檢索成功 圖 413 特征數(shù)據(jù)庫(kù) 由圖 413 可看出，此特征數(shù)據(jù)庫(kù)的 size 是 5 200， 5 代表一個(gè) 5 維向量，因?yàn)槲覀冞x擇的是直方圖在 10176。所以綜上所述，當(dāng) k=7， 15176。 2） 當(dāng) 10176。量化 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 21 圖 412 正確檢索到 19 幅與示例圖像相似的動(dòng)態(tài)圖片 4)分類(lèi)器為 Weighted kNN， k=5,10176。kNN39。動(dòng)感 Dynamic39。線(xiàn)條方向直方圖 39。 10176。量化下的原始算法計(jì)算的線(xiàn)條方向直方圖與改進(jìn)算法計(jì)算的線(xiàn)條方向直方圖之間的對(duì)比。 圖 41，第一幅圖片三位同學(xué)打分為： 6， 均值是 ，第二幅圖片打分為 3，均值為 ，所以這兩幅圖片不符號(hào)實(shí)驗(yàn)要求，因此，將這兩幅圖片丟棄。（ 7）通訊系統(tǒng)設(shè)計(jì)與仿真。在本節(jié)課中我們將會(huì)看到這三個(gè)窗口的例子。是目前最好的科學(xué)計(jì)算類(lèi)軟件之一 。換句話(huà)說(shuō)，就是在 N個(gè)已知樣本中選擇 k個(gè)距離 x最近的樣本，設(shè) N 有 n1,n2,n3,n4...ni，i 個(gè)各類(lèi)， k1,k2,k3,...ki 分別屬于 n1,n2,n3,n4...ni，那么 maxjj k 得到的類(lèi)別就是 x的類(lèi)。進(jìn)過(guò) 2 次對(duì)折后的直方圖，如 24 所示： 圖 24 改進(jìn)的線(xiàn)條方向直方圖 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 9 BP 神 經(jīng)網(wǎng)絡(luò)分類(lèi)器 BP 神經(jīng)網(wǎng)絡(luò)的概念 BP 網(wǎng)絡(luò)簡(jiǎn)稱(chēng)反相神經(jīng)網(wǎng)絡(luò)，是一種方向傳播的神經(jīng)網(wǎng)絡(luò)。的時(shí)候線(xiàn)條給人的感覺(jué)是相同的，那么我們就可以通過(guò)一次對(duì)折將 0176。 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 7 線(xiàn)條方向直方圖 圖像的邊緣特征作為圖像的基本特征之一，包含著十分重要的圖像信息，而圖像的邊緣點(diǎn)的方向梯度與圖像的邊緣點(diǎn)方向垂直，那么如果我們求出邊緣點(diǎn)的方向梯度相角值，就能夠容易的解決圖像邊緣點(diǎn)的方向角度，從而統(tǒng)計(jì)出邊緣圖像角度的分布，得出圖像的特征。提出了六個(gè)方面的視覺(jué)美學(xué)的基礎(chǔ)上人類(lèi)視覺(jué)系統(tǒng)的模塊化。這些圖像的特征表現(xiàn)在結(jié)構(gòu)化的 Web 頁(yè)面的視覺(jué) 和語(yǔ)言信息。這是考慮個(gè)體差異，增強(qiáng)檢索系統(tǒng)滿(mǎn)意度的一個(gè)重要方向。例如，顆粒狀的沙灘給人粗糙的感覺(jué)，家具的木質(zhì)花紋又給人一安適感，這些紋理特征都帶給人們不同的視覺(jué)心基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 5 理效果，與人們情感息息相關(guān)。從色調(diào)上看，一般將色彩分為暖色調(diào)和冷色調(diào)，不同的色調(diào)帶給人不同的感受，性別的差異對(duì)相同色調(diào)的感知也是有差異的。情感語(yǔ)義的圖像檢索（ ESIR）可以被視為一個(gè)基于語(yǔ)義的圖像檢索和情感識(shí)別的分支。由于圖像依靠它的視覺(jué)特征來(lái)進(jìn)行檢索，根據(jù)視覺(jué)特征的相似度進(jìn)行比較，然后按照相似度進(jìn)行排序并且將結(jié)果返回給用戶(hù)。另一方面，關(guān)鍵字對(duì)文本的描述能力有限，很難全面的反映圖像內(nèi)容的中心思想。目前，人們一般采用形容詞描述圖像的情感語(yǔ)義，例如，燭光給人溫馨溫暖的氣氛等等，日本研究人員早早開(kāi)展這方面的研究，他們將描述情感語(yǔ)義的形容詞稱(chēng)作為 Kansei(感性的 )[ 3 ]。 本文重點(diǎn)研究線(xiàn)條方向直方圖、 kNN、 Weighted kNN、 BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器的算法。 包括東方和西方 作品 ）。 (6)下學(xué)期開(kāi)學(xué) 20xx 年 6 月 2 日：完成畢設(shè)并參加畢業(yè)設(shè)計(jì)答辯。 Hayashi使用了反向傳播規(guī)則的神經(jīng)網(wǎng)絡(luò)來(lái)建立圖像特征與印象詞間的聯(lián)系，達(dá)到了 %的準(zhǔn)確率。)。最后得到若干幅圖像，其中 “靜感 ”類(lèi)圖片若干張， “動(dòng)感 ”類(lèi)圖片若干張。另一方面，視覺(jué)信息是人類(lèi)從客觀世界獲得信息的主要來(lái)源，人向外界獲取的信息中，視覺(jué)成分約占總數(shù)的 80%，圖像則是視覺(jué)感知的結(jié)果和表現(xiàn)形式?；趦?nèi)容的圖像檢索（ contentbased image retrieval， CBIR）是有望解決上述問(wèn)題的關(guān)鍵技術(shù)。 西安郵電大學(xué) 畢業(yè)設(shè)計(jì) (論文 )開(kāi)題報(bào)告 計(jì)算機(jī)學(xué)院 院（系） 計(jì)算機(jī)科學(xué)與技術(shù) 專(zhuān)業(yè) 10 級(jí) 04 班 課題名稱(chēng)： 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 學(xué)生姓名 ： 任寧寧 學(xué)號(hào) ： 04101118 指導(dǎo)教師： 劉 偉 報(bào)告日期： 20xx年 11月 02 日 隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)特別是因特網(wǎng)技術(shù)的發(fā)展，以及近年來(lái)消費(fèi)型電子產(chǎn)品（如數(shù)碼相機(jī)、帶拍照功能的手機(jī)、電子攝像機(jī)等）的普及，使得數(shù)字圖像等多媒體數(shù)據(jù)的規(guī)模急劇膨脹，每天都有巨量的數(shù)字圖像產(chǎn)生、發(fā)布和共享。 5) 20xx 年 11 月 1 日 8 日： 完成《開(kāi)題報(bào)告》的撰寫(xiě)工作 、準(zhǔn)備開(kāi)題報(bào)告答辯工作 6) 20xx 年 11 月 7 日：開(kāi)題報(bào)告答辯。 要求開(kāi)發(fā)出的程序滿(mǎn)足正確性和執(zhí)行效率的要求，并在上述（ 1）中構(gòu)建的圖像數(shù)據(jù)庫(kù)上完 成計(jì)算機(jī)算法驗(yàn)證實(shí)驗(yàn)。 論文作者簽名： （簽字）時(shí)間： 年 月 日 指導(dǎo)教師簽名： （簽字）時(shí)間： 年 月 日 西 安 郵 電 大 學(xué) 畢 業(yè) 設(shè) 計(jì) (論文 ) 任 務(wù) 書(shū) 學(xué)生姓名： 任寧寧 指導(dǎo)教師： 劉偉 職稱(chēng)： 副教授 學(xué)院： 計(jì)算機(jī)學(xué)院 專(zhuān)業(yè)： 計(jì)算 機(jī) 科學(xué)與技術(shù) 題目： 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 一、任務(wù)與要求 圖像中含有情感信息，不同的圖像會(huì)喚起人類(lèi)不同的情感。通過(guò)本設(shè)計(jì)可以較為熟 練的掌握?qǐng)D像處理程序設(shè)計(jì)方法，并對(duì)圖像處理和圖像檢索技術(shù)有一定的了解。該計(jì)算機(jī)安裝有 Matlab 20xx 或以上版本軟件（或其他開(kāi)發(fā)平臺(tái)軟件）、 Microsoft Word 字處理軟件（或具有相似功能的其他軟件）、 ACDSee 圖像瀏覽軟件（或具有相似功能的其 他軟件）。 9) 20xx 年 3 月 13 日：中期檢查。目前的商用 Web 圖像搜索引擎，如Google 和百度都是采用和文本搜索類(lèi)似的技術(shù)路線(xiàn)，即采用 Web 網(wǎng)頁(yè)中與圖像關(guān)聯(lián)的文字信息（即圖像標(biāo)簽文字）來(lái)完成搜索任務(wù)。 心理學(xué)研究表明，圖像中含有情感信息，不同的圖像會(huì)喚起人類(lèi)不同的情感。目前情感圖像檢索主要涉及以下四個(gè)方面的研究?jī)?nèi)容： 1）定義圖像的感性特征（圖像元數(shù)據(jù)），即抽取圖像中較容易引起用戶(hù)情感變化的特征； 2）定義用戶(hù)情感信息的描述方式（印象語(yǔ)元數(shù)據(jù)），即用戶(hù)用來(lái)表達(dá)心理的形容詞（也稱(chēng)為印象語(yǔ)， Impression Words）在計(jì)算機(jī)中的處理和表達(dá)方式； 3）計(jì)算圖像感性特征與用戶(hù)情感需求之間的語(yǔ)義 相關(guān)性，即建立用戶(hù)高層次的情感信息和圖像低層次的感性特征之間的聯(lián)系，也即建立情感用戶(hù)模型（ Affective User Model）； 4）通過(guò)學(xué)習(xí)機(jī)制，根據(jù)用戶(hù)的不同，自適應(yīng)調(diào)整情感用戶(hù)模型，提高檢索的準(zhǔn)確性，即個(gè)性化情感用戶(hù)模型。 Jain 等人提出的邊緣方向直方圖方法，使用 canny 算子（ σ＝ 1，高斯濾波器寬度＝ 4）對(duì)圖像進(jìn)行邊緣檢測(cè)，得到的邊緣圖像中每個(gè)邊緣像素都具有一個(gè)梯度模值 M(x,y)和一個(gè)方向梯 度相角值 θ(x,y)： ? ? ? ? 122 2f x , y f x , yM x , y = +xy????? ? ? ???? ? ? ???? ? ? ???（ ） ? ? ? ? ? ?f x,y f x,yθ x,y =a r c tgxx?????????? (1) 其中， θ∈ (90176。 （ 4） KNN、 BP 神經(jīng)網(wǎng)絡(luò)分類(lèi)器的設(shè)計(jì)與實(shí)現(xiàn)； 神經(jīng)網(wǎng)絡(luò)（ NN， neural work）是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出來(lái)的，是對(duì)人腦動(dòng)能的若干特性的簡(jiǎn)化、抽象和模擬的數(shù)學(xué)模型。 具體進(jìn)度安排： (1)20xx 年 9 月 25 日 27 日：開(kāi)始選題，制訂計(jì)劃。如何有效地模擬人觀察圖像后所引起的情感感覺(jué)，并使用帶有感情色彩的語(yǔ)義表述圖像，是一個(gè)具有很大挑戰(zhàn)性的前沿課題。并且結(jié)合 Weighted kNN、 kNN、 BP神經(jīng)網(wǎng)絡(luò) 三種分類(lèi)器對(duì)情感圖像數(shù)據(jù)庫(kù)進(jìn)行分類(lèi)，分類(lèi)提高了圖像檢索的正確率。近年來(lái)，圖像檢索技術(shù)已成為什么熱門(mén)的研究課題。為了滿(mǎn)足人們的需求，每天都會(huì)產(chǎn)生巨量的數(shù)字圖像，這樣確實(shí)是帶來(lái)了人們便利，但是用戶(hù)無(wú)論使用何種信息，首先都得面臨如何查詢(xún)自己所需的圖像信息，于是就出現(xiàn)了兩種圖像檢索方法即基于文本的圖像檢索和基于內(nèi)容的圖像檢索。因此客觀上講，目前的圖像 搜索引擎，從本質(zhì)上并沒(méi)有解決這一難題，搜索結(jié)果不能達(dá)到預(yù)期的目標(biāo)。加之，圖像內(nèi)容的豐富性和多樣性，用戶(hù)心理的變化的主觀性，對(duì)圖像檢索的研究提出了挑戰(zhàn)，因此情感圖像檢索的研究是目前十分熱門(mén)的具有挑戰(zhàn)性的研究課題，具有十分重要的意義。此外，圖像檢索的結(jié)果也將隨著情感圖像內(nèi)容的參與而增強(qiáng)。 顏色是最直接、最敏感的視覺(jué)特征，是描述情感圖像最有效的特征之一，具有鮮明性、獨(dú)特性、合適性、聯(lián)想性和穩(wěn)定性等特點(diǎn)，在外界環(huán)境（軟件和硬件）和自生特點(diǎn)等因素的變化下都表現(xiàn)出超強(qiáng)的健壯性。例如，線(xiàn)條形態(tài)的不同會(huì)給人不同的感受，垂線(xiàn)給人以正直、公平、莊嚴(yán)、嚴(yán)肅；水平線(xiàn)給人寬廣、無(wú)線(xiàn)延伸、遐想、安靜、有活力；曲線(xiàn)給人以柔美、優(yōu)亞、有節(jié)奏感。在該系 統(tǒng)中，感性用戶(hù)模型提出了通過(guò)用戶(hù)評(píng)估該系統(tǒng)來(lái)建立相關(guān)的反饋錄入，以便來(lái)構(gòu)建記錄每個(gè)人的主觀性。 羅伯托 [12]提出了一種分類(lèi)方法，叫做無(wú)監(jiān)督圖像分類(lèi)法。一定的視覺(jué)特征的基礎(chǔ)上直覺(jué)是提取區(qū)分美學(xué)愉悅的和令人不快的圖像。為量化，統(tǒng)計(jì)出這些邊緣點(diǎn)的直方圖，例如下圖 2 2 23 所示，圖 2 23 為靜態(tài)圖像示例，圖 21 為動(dòng)態(tài)示例。到 90176。 BP 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖25 所示?？梢詫⒏鱾€(gè)樣本和待分類(lèi)樣本之間的距離作為權(quán)重進(jìn)行計(jì)算，以確定類(lèi)別：在得到待分類(lèi)樣本 x 的 k 個(gè)近鄰的已知樣本 { ix , i= 1,2,..., k}后，用如下公式來(lái)計(jì)算其最終的類(lèi)別號(hào) (式中 iw是距離權(quán)重 ): ? ? ? ?kiii=1kii=1w C xC x =w?? (23) ? ?i 2i1w=d x,x (24) 其中 ()Cx 表示樣本 x 的類(lèi)別標(biāo)簽， ( ), idxx 表示待分類(lèi)樣本 x 和已知樣本 ix 之間的距離（如可使用歐式距離計(jì)算）。數(shù)組是一組數(shù)據(jù)值的集情感數(shù)據(jù)庫(kù)系統(tǒng) 圖像感性特征庫(kù) 用戶(hù)情感信息 學(xué)習(xí)機(jī)制 元數(shù)據(jù)檢索子系統(tǒng) （情感用戶(hù)模型） 特征提取子函數(shù) 圖像數(shù)據(jù)庫(kù) 用戶(hù)檢索要求 檢索到 的圖像 用戶(hù)反饋 圖像元數(shù)據(jù) 印象語(yǔ)元數(shù)據(jù)