【正文】 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(huì)了我許多東西。 經(jīng)過大量的實(shí)驗(yàn)，在特征數(shù)據(jù)庫 FeatureDB 中，建立了 60 多個(gè)特征文檔，如圖 414。而 5176。 退出系統(tǒng) 在菜單欄中選擇“ e”時(shí)，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) N K 值 1 3 5 7 9 1 2 3 4 5 均值 由表 48 和表 49 可知，當(dāng) k=7 時(shí)， kNN 分類正確率最高，為 。量化 Weighted kNN 分類正確率表 次數(shù) N K 值 1 3 5 7 9 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 24 1 2 3 4 5 均值 由表 46 和表 47 可知，當(dāng) k=9 時(shí)， weighted kNN 分類正確率最高，為 。量化 Weighted kNN 分類正確率表 次數(shù) N K 值 1 3 5 7 9 1 2 3 4 5 均值 由表 44 和表 45 可知，當(dāng) k=3 時(shí)， kNN 分類正確率最高，為 。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(dòng)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(jì)算完成后，屏幕上會(huì)出現(xiàn)一個(gè)選擇菜單，如圖 46 所示，“ d”表示 Demo 演示選項(xiàng)，當(dāng)選擇“ d”時(shí)，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(jì)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 WeightedkNNClassifierTesti 用于實(shí)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(gè)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 TrainingBPNeuralNetworkC 實(shí)現(xiàn)了 39。 近鄰分類器 9 根據(jù)線條方向直方圖特征計(jì)算函數(shù)計(jì)算得到相應(yīng)的特征并顯示計(jì)算結(jié)果 10 msf_EmotionalImgRetrieval.m 用來實(shí)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(duì)應(yīng)的語義名 . 7 用于實(shí)現(xiàn) 39。 神經(jīng)網(wǎng)絡(luò)分類器 ( 基于 Matlab 工具包實(shí)現(xiàn) ). 3 CalcImgLineDirectionHisto 用于計(jì)算圖像的 39。 表 43 程序 子函數(shù)功能 序號(hào) 程序 功能 1 BPNeuralNetworkClassifier.m 實(shí)現(xiàn)了 39。 表 42 原始與改進(jìn)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(píng)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(dòng)靜態(tài) Img_001 6 9 10 動(dòng)態(tài) Img_002 1 3 4 靜態(tài) Img_003 5 6 3 丟棄 Img_004 8 10 8 動(dòng)態(tài) Img_005 1 2 2 靜態(tài) 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 14 圖 42 三位同學(xué)對(duì)互聯(lián)網(wǎng)上搜集的圖片進(jìn)行動(dòng)感評(píng)估 最終，通過同學(xué)們的不懈努力，積極的實(shí)驗(yàn) 和評(píng)估，最終得出了兩種語義的圖像，分別包括 100 幅動(dòng)態(tài)和 100 靜態(tài)的。如果評(píng)分結(jié)果是靜態(tài)，命名為,如果是動(dòng)態(tài)，命名為 。 圖 32 MATLAB 圖標(biāo) 軟硬件環(huán)境的介紹 計(jì)算機(jī)軟硬件配置：主頻為 AMS Athlon(tm) II DualCore M320，內(nèi)存為，操作系統(tǒng)操作平臺(tái)： MATLAB R20xxa 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 13 情感圖像數(shù)據(jù)庫的建立 實(shí)驗(yàn)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(hào)處理。（ 2）數(shù)值和符號(hào)計(jì)算。三個(gè)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)值的集情感數(shù)據(jù)庫系統(tǒng) 圖像感性特征庫 用戶情感信息 學(xué)習(xí)機(jī)制 元數(shù)據(jù)檢索子系統(tǒng) （情感用戶模型） 特征提取子函數(shù) 圖像數(shù)據(jù)庫 用戶檢索要求 檢索到 的圖像 用戶反饋 圖像元數(shù)據(jù) 印象語元數(shù)據(jù) 檢索到元數(shù)據(jù) 基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn) 12 合，這些數(shù)據(jù)被編上行號(hào)和列號(hào)，擁有唯一的名稱。 MATLAB 作為美國 MathWorks 公司的用于概念設(shè)計(jì)，算法開發(fā)，建模仿真，實(shí)現(xiàn)的理想的集成環(huán)境?？梢詫⒏鱾€(gè)樣本和待分類樣本之間的距離作為權(quán)重進(jìn)行計(jì)算，以確定類別：在得到待分類樣本 x 的 k 個(gè)近鄰的已知樣本 { ix , i= 1,2,..., k}后，用如下公式來計(jì)算其最終的類別號(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 的類別標(biāo)簽， ( ), idxx 表示待分類樣本 x 和已知樣本 ix 之間的距離（如可使用歐式距離計(jì)算）。 k近鄰法：如圖 26 所示是最近鄰法 的一個(gè)擴(kuò)展，基本思路是 :對(duì)于一個(gè)待分類樣本，比較它和 N 個(gè)已知分類樣本之間的距離，選取出 k 個(gè)和它距離最近的樣本，看這 k 個(gè)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(dòng)感越強(qiáng)烈，通過改進(jìn)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(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。這是一個(gè)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(píng)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(gè)人的主觀性。然而，情緒感受是非常主觀的，強(qiáng)烈依賴于個(gè)人的性格。例如，線條形態(tài)的不同會(huì)給人不同的感受，垂線給人以正直、公平、莊嚴(yán)、嚴(yán)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(shí)際上，紋理特征是顏色特征的另一種的表達(dá)形式的存在，它是一種表面的視覺屬性，表達(dá)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(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。 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(qiáng)。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(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(jìn)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(dá)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(duì)事物的主觀性和文化背景的差異，人們對(duì)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(shí)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(shí)，將會(huì)導(dǎo)致查詢失敗。為了滿足人們的需求，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(shí)， 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(duì)圖像進(jìn)行檢索的，主要依據(jù)圖像的相似性進(jìn)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(jìn)訓(xùn)練樣本可以改進(jìn)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(duì)情感圖像數(shù)據(jù)庫進(jìn)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(dòng)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(gè)具有很大挑戰(zhàn)性的前沿課題。 (5)20xx 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(jìn)度安排： (1)20xx 年 9 月 25 日 27 日：開始選題，制訂計(jì)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(píng)估系統(tǒng)，顯示出比前人的線性系統(tǒng)評(píng)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(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)上提出來的，是對(duì)人腦動(dòng)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(duì)圖像進(jìn)行邊緣檢測，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。 、 解決的思路及實(shí)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(shí)驗(yàn)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(qǐng) 5 位年齡在 20~25 歲的男女大學(xué)生參與，每人都對(duì)圖像的動(dòng)感作出評(píng)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(dòng)感 ”圖像，而 1 表示中間類，表示圖像介于靜感和動(dòng)感之間，我們?cè)谠囼?yàn)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(gè)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(dá)心理的形容詞（也稱為印象語， 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(jī)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(gè)性化情感用戶模型。 因此我們引入了情感計(jì)算這個(gè)概念，情感計(jì)算的目的是通過賦予計(jì)算機(jī)識(shí)別、理解、表達(dá)和適應(yīng)人的情感的能力來建立和諧的人機(jī)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(huì)喚起人類不同的情感。 “以圖搜圖 ”功能具有重要的應(yīng)用價(jià)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) 20xx 年 6 月 11 日：畢業(yè)設(shè)計(jì)答辯。 9) 20xx 年 3 月 13 日：中期檢查。 4) 20xx 年 10 月 30 日 前 各專業(yè)負(fù)責(zé)人審查本專業(yè)指導(dǎo)教師的任務(wù)書。該計(jì)算機(jī)安裝有 Matlab 20xx 或以上版本軟件（或其他開發(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）。（ 4）設(shè)計(jì)出情感圖像檢索原型系統(tǒng)。通過本設(shè)計(jì)