【正文】 最后，我還要感謝我的舍友王靜，吳倩，徐蘇三位同學(xué)的幫助，使得我能夠順利完成圖像的分類工作，在這里對她們表示衷心的感謝。致謝能順利完成本課題的研究，首先我要感謝劉偉老師的精心指導(dǎo)和無私的幫助，劉偉老師從事圖像檢索研究數(shù)十年，以其淵博的學(xué)識和豐富的教誨，耐心指導(dǎo)和引領(lǐng)我們開展畢設(shè)的每一個環(huán)節(jié)。那么，接下來的畢設(shè)工作好比那樹干，使我系統(tǒng)的了解了MATLAB，所以說，沒有畢設(shè)的確教會了我許多東西。經(jīng)過大量的實驗，在特征數(shù)據(jù)庫FeatureDB中，建立了60多個特征文檔，如圖414。而5176。 在菜單欄中選擇“e”時，系統(tǒng)彈出圖412提示信息，系統(tǒng)完成檢索，構(gòu)建了圖413的特征數(shù)據(jù)庫。10176。量化Weighted kNN分類正確率表次數(shù)NK值1357912345均值由表48和表49可知，當(dāng)k=7時，kNN分類正確率最高。量化Weighted kNN分類正確率表次數(shù)NK值1357912345均值由表46和表47可知，當(dāng)k=9時，weighted kNN分類正確率最高。量化Weighted kNN分類正確率表次數(shù)NK值1357912345均值由表44和表45可知，當(dāng)k=3時，kNN分類正確率最高。不同的分類器分別是BP、kNN、Weighted kNN。量化圖 411 正確檢索到19幅與示例圖像相似的動態(tài)圖片3) 分類器為Weighted kNN，k=3,10176。量化當(dāng)特征數(shù)據(jù)庫計算完成后，屏幕上會出現(xiàn)一個選擇菜單，如圖46所示，“d”表示Demo演示選項，當(dāng)選擇“d”時，彈出圖47，選擇一張示例圖片，系統(tǒng)根據(jù)根據(jù)圖片的語義特征，在已分類的圖像特征數(shù)據(jù)子庫里，利用余弦距離計算示例圖片和子庫中各圖片的距離，然后按照距離由小到大的順序排列輸出。 近鄰分類器15用于實現(xiàn)權(quán)重 39。 圖像 11根據(jù)圖像數(shù)據(jù)庫中所有圖像文件的文件名分析得到相關(guān)語義信息12根據(jù)每個語義類訓(xùn)練樣本所占的比例生成訓(xùn)練和測試樣本集合及其語義標(biāo)簽值集合13實現(xiàn)了 39。 近鄰分類器9根據(jù)線條方向直方圖特征計算函數(shù)計算得到相應(yīng)的特征并顯示計算結(jié)果10用來實現(xiàn)情感圖像檢索, 檢索 39。5查找給定目錄下的指定類型的所有文件, 并返回文件名表6根據(jù)文件名分析得到其對應(yīng)的語義名.7用于實現(xiàn) 39。 神經(jīng)網(wǎng)絡(luò)分類器( 基于 Matlab 工具包實現(xiàn) ).3用于計算圖像的 39。表43 程序 子函數(shù)功能序號程序功能1實現(xiàn)了 39。表42 原始與改進線條方向直方圖正確率5176。單位量，第二行是在10176。、15176。圖41 模棱兩可的圖像表41 同學(xué)評估情感圖像的部分匯總表圖片名稱同學(xué)A同學(xué)B同學(xué)C均值動靜態(tài)Img_0016910動態(tài)Img_002134靜態(tài)Img_003563丟棄Img_0048108動態(tài)Img_005122靜態(tài) 圖42 三位同學(xué)對互聯(lián)網(wǎng)上搜集的圖片進行動感評估最終，通過同學(xué)們的不懈努力，積極的實驗和評估，最終得出了兩種語義的圖像，分別包括100幅動態(tài)和100靜態(tài)的。如果評分結(jié)果是靜態(tài)，,如果是動態(tài)。圖32 MATLAB圖標(biāo)　 軟硬件環(huán)境的介紹計算機軟硬件配置：主頻為AMS Athlon(tm) II DualCore M320，操作系統(tǒng)操作平臺：MATLAB R2008a 情感圖像數(shù)據(jù)庫的建立實驗中搜集了風(fēng)景圖像、自然圖像，藝術(shù)類圖像，如兵馬俑、雕塑、油畫、國畫等等一些具有地方特色的圖像。（6）數(shù)字信號處理。（2）數(shù)值和符號計算。三個重要的窗口有命令窗口；圖像窗口；編輯/調(diào)試窗口；它們的作用分別為輸入命令；顯示圖形；充許使用者創(chuàng)建和修改MATLAB 程序。數(shù)組是一組數(shù)據(jù)值的集合，這些數(shù)據(jù)被編上行號和列號，擁有唯一的名稱。MATLAB作為美國MathWorks公司的用于概念設(shè)計，算法開發(fā)，建模仿真，實現(xiàn)的理想的集成環(huán)境?？梢詫⒏鱾€樣本和待分類樣本之間的距離作為權(quán)重進行計算，以確定類別：在得到待分類樣本x 的k 個近鄰的已知樣本{ , 1,2,..., k}后，用如下公式來計算其最終的類別號(式中是距離權(quán)重): (23) (24)其中表示樣本 的類別標(biāo)簽，表示待分類樣本和已知樣本之間的距離（如可使用歐式距離計算）。k近鄰法：如圖26所示是最近鄰法的一個擴展，基本思路是:對于一個待分類樣本，比較它和N個已知分類樣本之間的距離，選取出k個和它距離最近的樣本，看這k個樣本中，那一類的樣本最多，那么就將x劃分到那一類去。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖25所示。圖像的動感越強烈，通過改進后的直方圖，也可以發(fā)現(xiàn)圖像之間的同類之間的距離也越來越小，異類之間的距離也越來越大了。到90176。與90176。為量化，統(tǒng)計出這些邊緣點的直方圖，例如下圖2223所示，圖223為靜態(tài)圖像示例，圖21為動態(tài)示例。這是一個具有挑戰(zhàn)性的課題，在未來隨著每一種解決方案特定領(lǐng)域的不斷提高。一定的視覺特征的基礎(chǔ)上直覺是提取區(qū)分美學(xué)愉悅的和令人不快的圖像。彼得斯[13]。羅伯托[12]提出了一種分類方法，叫做無監(jiān)督圖像分類法。 結(jié)合Web文本的關(guān)鍵字信息現(xiàn)在越來越多的圖片來自于網(wǎng)絡(luò)。在該系統(tǒng)中，感性用戶模型提出了通過用戶評估該系統(tǒng)來建立相關(guān)的反饋錄入，以便來構(gòu)建記錄每個人的主觀性。然而，情緒感受是非常主觀的，強烈依賴于個人的性格。例如，線條形態(tài)的不同會給人不同的感受，垂線給人以正直、公平、莊嚴、嚴肅；水平線給人寬廣、無線延伸、遐想、安靜、有活力；曲線給人以柔美、優(yōu)亞、有節(jié)奏感。 紋理中的情感實際上，紋理特征是顏色特征的另一種的表達形式的存在，它是一種表面的視覺屬性，表達了包含在物體表面的情感信息。顏色是最直接、最敏感的視覺特征，是描述情感圖像最有效的特征之一，具有鮮明性、獨特性、合適性、聯(lián)想性和穩(wěn)定性等特點，在外界環(huán)境（軟件和硬件）和自生特點等因素的變化下都表現(xiàn)出超強的健壯性。 顏色中的情感顏色是組成美麗圖像的元素之一。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。它通常是以形容詞的形式表示，即快樂，浪漫，輝煌等等。加之，圖像內(nèi)容的豐富性和多樣性，用戶心理的變化的主觀性，對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的具有挑戰(zhàn)性的研究課題，具有十分重要的意義。圖12 百度圖像搜索示例 另一種是基于內(nèi)容的圖像檢索 ，顧名思義，它是根據(jù)圖像的內(nèi)容進行檢索的。因此客觀上講，目前的圖像搜索引擎，從本質(zhì)上并沒有解決這一難題，搜索結(jié)果不能達到預(yù)期的目標(biāo)。雖然文字注解概括了抽象的圖像信息，但是由于用戶對事物的主觀性和文化背景的差異，人們對同一件事物的描述可能存在不同的理解，那么，當(dāng)用戶查詢時錄入的關(guān)鍵詞與數(shù)據(jù)庫中的關(guān)鍵詞不匹配或者不存在時，將會導(dǎo)致查詢失敗。為了滿足人們的需求，每天都會產(chǎn)生巨量的數(shù)字圖像，這樣確實是帶來了人們便利，但是用戶無論使用何種信息，首先都得面臨如何查詢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。其實，CRIR就是采用圖像的顏色、紋理、形狀以及本身包含的不同層次結(jié)構(gòu)和語義信息來對圖像進行檢索的，主要依據(jù)圖像的相似性進行判斷的。近年來，圖像檢索技術(shù)已成為什么熱門的研究課題。通過改進訓(xùn)練樣本可以改進提高分類率。并且結(jié)合Weighted kNN、kNN、BP神經(jīng)網(wǎng)絡(luò)三種分類器對情感圖像數(shù)據(jù)庫進行分類，分類提高了圖像檢索的正確率。在互聯(lián)網(wǎng)上收集200幅包含“動感”和“靜感”內(nèi)容的藝術(shù)圖像（如油畫、水粉畫、中國畫。如何有效地模擬人觀察圖像后所引起的情感感覺，并使用帶有感情色彩的語義表述圖像，是一個具有很大挑戰(zhàn)性的前沿課題。 (5)2013年11月2日下學(xué)期開學(xué)前兩周：準(zhǔn)備資料，迎接中期檢查。具體進度安排： (1)2013年9月25日27日：開始選題，制訂計劃。Jinsub建立了基于多層反饋神經(jīng)網(wǎng)絡(luò)的彩色圖案的情感評估系統(tǒng)，顯示出比前人的線性系統(tǒng)評估結(jié)果更高的準(zhǔn)確率。（4）KNN、BP神經(jīng)網(wǎng)絡(luò)分類器的設(shè)計與實現(xiàn)；神經(jīng)網(wǎng)絡(luò)（NN，neural network）是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出來的，是對人腦動能的若干特性的簡化、抽象和模擬的數(shù)學(xué)模型。,180176。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）對圖像進行邊緣檢測，得到的邊緣圖像中每個邊緣像素都具有一個梯度模值M(x,y)和一個方向梯度相角值θ(x,y)： (1) 其中，θ∈(90176。、解決的思路及實現(xiàn)預(yù)期目標(biāo)的可行性分析(1)情感圖像檢索的背景、目的和意義；(2)情感圖像數(shù)據(jù)庫的構(gòu)建；實驗收集中了包括油畫、水粉畫、中國畫等在內(nèi)的彩色藝術(shù)圖像200 幅，請5 位年齡在20~25 歲的男女大學(xué)生參與，每人都對圖像的動感作出評估，將圖像分別用0，1，2 表示，其中0 表示“靜感”圖像，2 表示“動感”圖像，而1 表示中間類，表示圖像介于靜感和動感之間，我們在試驗中將1類從圖像庫中去除。目前情感圖像檢索主要涉及以下四個方面的研究內(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情感變化的特征；2）定義用戶情感信息的描述方式（印象語元數(shù)據(jù)），即用戶用來表達心理的形容詞（也稱為印象語，Impression Words）在計算機中的處理和表達方式；3）計算圖像感性特征與用戶情感需求之間的語義相關(guān)性，即建立用戶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，也即建立情感用戶模型（Affective User Model）；4）通過學(xué)習(xí)機制，根據(jù)用戶的不同，自適應(yīng)調(diào)整情感用戶模型，提高檢索的準(zhǔn)確性，即個性化情感用戶模型。因此我們引入了情感計算這個概念，情感計算的目的是通過賦予計算機識別、理解、表達和適應(yīng)人的情感的能力來建立和諧的人機環(huán)境。 心理學(xué)研究表明，圖像中含有情感信息，不同的圖像會喚起人類不同的情感?！耙詧D搜圖”功能具有重要的應(yīng)用價值。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似的技術(shù)路線，即采用Web網(wǎng)頁中與圖像關(guān)聯(lián)的文字信息（即圖像標(biāo)簽文字）來完成搜索任務(wù)。13) 2014年6月11日：畢業(yè)設(shè)計答辯。9) 2014年3月13日：中期檢查。4) 2013年10月30日前各專業(yè)負責(zé)人審查本專業(yè)指導(dǎo)教師的任務(wù)書。該計算機安裝有Matlab 2008或以上版本軟件（或其他開發(fā)平臺軟件）、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）。（4）設(shè)計出情感圖像檢索原型系統(tǒng)。通過本設(shè)計可以較為熟練的掌握圖像處理程序設(shè)計方法，并對圖像處理和圖像檢索技術(shù)有一定的了解。本人完全清楚本聲明的法律后果，申請學(xué)位論文和資料若有不實之處，本人愿承擔(dān)相應(yīng)的法律責(zé)任。 論文作者簽名： （簽字）時間： 年 月 日指導(dǎo)教師簽名：