【正文】 近鄰法，顧名思義，最近鄰法就是已知一個(gè)待分類樣本x，比較它和N個(gè)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(diǎn)，然后將x劃分為這個(gè)最近點(diǎn)的同類樣本中。 BP神經(jīng)網(wǎng)絡(luò)的原理BP神經(jīng)網(wǎng)絡(luò)就是模擬生物的神經(jīng)元之間的傳遞。隱含層也可以包含為一個(gè)或多個(gè)。進(jìn)過2次對(duì)折后的直方圖，如24所示：圖24 改進(jìn)的線條方向直方圖 BP神經(jīng)網(wǎng)絡(luò)分類器 BP神經(jīng)網(wǎng)絡(luò)的概念 BP網(wǎng)絡(luò)簡(jiǎn)稱反相神經(jīng)網(wǎng)絡(luò)，是一種方向傳播的神經(jīng)網(wǎng)絡(luò)。由大量實(shí)驗(yàn)可得，越是接近45176。我們?cè)俅螌?duì)折一次直方圖成0176。重合，直方圖成0176。的時(shí)候線條給人的感覺是相同的，那么我們就可以通過一次對(duì)折將0176。、180176。然后根據(jù)直方圖，我們可以計(jì)算不同圖像之間的直方圖距離，距離差異越小，那么圖像的相似性就越高。因此根據(jù)邊緣點(diǎn)的方向梯度相角度，我們可以得到此點(diǎn)的切線方向角度，并且繪制出邊緣點(diǎn)角度的方向直方圖，便于直觀，我們可以以10176。 線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。從用戶的角度來看，一個(gè)通用的和靈活的解決方案，預(yù)計(jì)將使用方便，在實(shí)際應(yīng)用中的擴(kuò)展。因?yàn)閺?qiáng)烈的關(guān)系影像美學(xué)與情感之間，結(jié)論和提取圖像的美學(xué)的方法，將有助于在情感語義研究。和Datta [15]提出了一種方法來自動(dòng)推斷出審美素質(zhì)的照片使用他們的視覺作為機(jī)器學(xué)習(xí)的內(nèi)容。提出了六個(gè)方面的視覺美學(xué)的基礎(chǔ)上人類視覺系統(tǒng)的模塊化。 結(jié)合影像美學(xué)影像美學(xué)是一個(gè)新的方向，新出現(xiàn)的。它是通過語言描述的信息從網(wǎng)頁中提取集成視覺特征的意味著LSA，為了獲取圖像語義。在信息檢索技術(shù)和語言分析方面，如WordNet的，潛在語義分析（LSA）可能在將來被使用。這些圖像的特征表現(xiàn)在結(jié)構(gòu)化的Web頁面的視覺和語言信息。在個(gè)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(duì)于用戶來說過程是無聊的。然而，沒有性能數(shù)據(jù)是提出證明這種做法是多么的成功。BianchiBerthouze [9,10]提出的KDIME系統(tǒng)，其中，感性自適應(yīng)個(gè)性化圖像檢索可以根據(jù)用戶的感性偏好來實(shí)現(xiàn)。這是考慮個(gè)體差異，增強(qiáng)檢索系統(tǒng)滿意度的一個(gè)重要方向。 個(gè)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(huì)同意。不同的形狀傳達(dá)給人不同的視覺體驗(yàn)，人們會(huì)主觀的賦予它們不同的感情色彩[ 8 ]。圖像中的形狀可以激發(fā)人的感性認(rèn)識(shí)，主要是由于形狀的美學(xué)價(jià)值之一作用的影響。例如，顆粒狀的沙灘給人粗糙的感覺，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心理效果，與人們情感息息相關(guān)。圖像的顏色特征細(xì)致的研究和分析有助于對(duì)人的心理情緒變化進(jìn)行分析，對(duì)是情感圖像檢索的有著十分重要的意義。不同的事物有著不同的顏色特征，因此可以利用顏色特征來區(qū)別不同物體。一言以蔽之，顏色基于其顯著的心理學(xué)反應(yīng)，對(duì)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。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。本小節(jié)圍繞顏色、紋理、形狀等特征開展。 情感圖像檢索特征的分類 情感是一種微妙的心理表現(xiàn)，存在著很大的多義性和主觀性，不同圖像都會(huì)給人不同的感受,而不同的人對(duì)相同的圖像也會(huì)存在各色各樣的情感差異[ 6 ]。例如，我們將能夠?qū)Α耙粋€(gè)宜人的景觀”或“優(yōu)雅的服裝圖像”進(jìn)行檢索。情感語義的圖像檢索（ESIR）可以被視為一個(gè)基于語義的圖像檢索和情感識(shí)別的分支。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(qiáng)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。圖13是圖像檢索系統(tǒng)的框架。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。由于圖像依靠它的視覺特征來進(jìn)行檢索，根據(jù)視覺特征的相似度進(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。圖12中，第二排和第三排檢索到了著名影星趙薇的照片，因?yàn)殡m然關(guān)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。如圖11所示，利用搜狗圖像搜索引擎輸入關(guān)鍵字“企鵝”后得到的結(jié)果，圖2是利用百度圖像搜索引擎輸入關(guān)鍵字“小燕子”后得到的結(jié)果。接著出現(xiàn)了利用 Web 網(wǎng)頁中圖像的關(guān)鍵字信息來進(jìn)行檢索的引擎技術(shù)。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。但是這樣方法有一定的缺陷。 背景與現(xiàn)狀現(xiàn)如今大多數(shù)的搜索引擎都是基于文本的關(guān)鍵詞搜索，即文本注釋。隨著因特網(wǎng)技術(shù)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(shí)為社會(huì)創(chuàng)造了巨大的經(jīng)濟(jì)效益。目前，人們一般采用形容詞描述圖像的情感語義，例如，燭光給人溫馨溫暖的氣氛等等，日本研究人員早早開展這方面的研究，他們將描述情感語義的形容詞稱作為Kansei(感性的)[ 3 ]。直到上個(gè)世紀(jì)90年代初，伴隨著，互聯(lián)網(wǎng)圖像信息的突飛猛進(jìn)，基于內(nèi)容的圖像檢索技術(shù)(CRIR)成為圖像檢索的主要技術(shù)[ 2 ]。早在上個(gè)世紀(jì)80年代初期，就已經(jīng)形成了基于文本的圖像檢索，它通過提取關(guān)鍵字信息，通過關(guān)鍵字與文本信息進(jìn)行檢索的一門技術(shù)[1]。生活中，很多圖像不但帶有豐富的表面信息，而且蘊(yùn)含了許多情感內(nèi)容，為了滿足用戶主觀的對(duì)于圖像信息的需求，就興起了圖像檢索技術(shù)。本文重點(diǎn)研究線條方向直方圖、kNN、Weighted kNN、BP神經(jīng)網(wǎng)絡(luò)分類器的算法。kNN、Weighted 。使用分類器的原理是：如果分類器分類正確，那么檢索到的結(jié)果都是正確的，反之亦然。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(chǔ)上可以改進(jìn)算法，比較分類的正確性。包括東方和西方作品）。首先，建立一個(gè)包含動(dòng)靜態(tài)的圖像數(shù)據(jù)庫。情感圖像檢索的研究在醫(yī)學(xué)、心理學(xué)、智能科學(xué)、社會(huì)學(xué)、計(jì)算機(jī)學(xué)、農(nóng)業(yè)學(xué)等等領(lǐng)域都有巨大的應(yīng)用價(jià)值。西安郵電大學(xué)畢業(yè)設(shè)計(jì) (論文)成績?cè)u(píng)定表學(xué)生姓名任寧寧性別女學(xué)號(hào)04101118專 業(yè)班 級(jí)計(jì)科1004班課題名稱基于情感圖像檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)課題類型科研題目難度一般畢業(yè)設(shè)計(jì)（論文）時(shí)間2013年9月25日~2014月6日02日 指導(dǎo)教師劉偉 (職稱：副教授)課題任務(wù)完成情況論 文 11 (千字)； 設(shè)計(jì)、計(jì)算說 明書 0 (千字)； 圖紙 0 (張)；其它(含附 件)：指導(dǎo)教師意見 分項(xiàng)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(xué)習(xí)態(tài)度 分； 外文翻譯 分指導(dǎo)教師審閱成績：　　指導(dǎo)教師(簽字)：　　　 　　年　　 月　　日評(píng)閱教師意見分項(xiàng)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(píng)閱成績：　 　評(píng)閱教師(簽字)：　　 　 年　月　 日驗(yàn)收小組意見 分項(xiàng)得分：準(zhǔn)備情況 分； 畢業(yè)設(shè)計(jì)（論文）質(zhì)量 分； （操作）回答問題 分驗(yàn)收成績：　驗(yàn)收教師(組長)(簽字)：　 　 　 　年　月　 日答辯小組意見分項(xiàng)得分：準(zhǔn)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(jì)算方法(填寫本系實(shí)用比例)指導(dǎo)教師成績 20 (％) 評(píng)閱成績 30 (％) 驗(yàn)收成績 30 (％) 答辯成績 20 (％)學(xué)生實(shí)得成績(百分制)指導(dǎo)教師成績 評(píng)閱成績 驗(yàn)收成績 答辯成績 總評(píng) 答辯委員會(huì)意見畢業(yè)論文(設(shè)計(jì))總評(píng)成績(等級(jí))： 院答辯委員會(huì)主任(簽字)： 院(簽章) 年 月 日備注西安郵電大學(xué)畢業(yè)論文(設(shè)計(jì))成績?cè)u(píng)定表(續(xù)表)目錄摘要 IAbstract 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(shì) 5 7 7 BP神經(jīng)網(wǎng)絡(luò)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(shí)驗(yàn)平臺(tái)MATLAB介紹 11 軟硬件環(huán)境的介紹 12 13 情感圖像數(shù)據(jù)庫的建立 13 線條方向直方圖的改進(jìn)算法與原始算法的分類正確率的比較 15 程序的運(yùn)行和結(jié)果分析 16 27致謝 28參考文獻(xiàn) 29摘要研究表明，許多圖像中里都包含著一定的感情色彩，不同的圖像會(huì)喚起人類不同的情感。 (6)下學(xué)期開學(xué)2014年6月2日：完成畢設(shè)并參加畢業(yè)設(shè)計(jì)答辯。 (4)2013年10月28日11月12日：開題報(bào)告答辯。 (2)2013年9月30日：?jiǎn)?dòng)科研訓(xùn)練，明確要求。完成本課題的工作方案： （1）學(xué)習(xí)圖像處理、圖像檢索、模式識(shí)別中和本畢業(yè)設(shè)計(jì)相關(guān)的知識(shí)； （2）熟練掌握Matlab語言程序設(shè)計(jì)方法； （3）構(gòu)建好測(cè)試用的“情感語義圖像數(shù)據(jù)庫”； （4）完成“線條方向直方圖”算法； （5）完成《開題報(bào)告》； （6）完成外文翻譯。Hayashi使用了反向傳播規(guī)則的神經(jīng)網(wǎng)絡(luò)來建立圖像特征與印象詞間的聯(lián)系，%的準(zhǔn)確率。做為一種建立非線性映射的一個(gè)強(qiáng)有力的工具，神經(jīng)網(wǎng)絡(luò)方法在圖像情感研究中得到了廣泛的應(yīng)用。神經(jīng)網(wǎng)絡(luò)由許多具有非線性映射能力的神經(jīng)元組成，神經(jīng)元之間通過權(quán)系數(shù)相連接，其信息分布式存儲(chǔ)于聯(lián)接權(quán)系數(shù)中，使網(wǎng)絡(luò)具有很高的容錯(cuò)性和魯棒性，這一特點(diǎn)使得其具有能夠解決模式識(shí)別問題的潛力，人工神經(jīng)網(wǎng)絡(luò)所提供的學(xué)習(xí)能力，大大放松了傳統(tǒng)識(shí)別方法所需的約束條件，使其對(duì)某些識(shí)別問題顯示出極大的優(yōu)越性。對(duì)于不符合分類的要求，有必要對(duì)直方圖進(jìn)行修正。)。α∈(0176。,90176。（3）“線條方向直方圖”算法的設(shè)計(jì)與實(shí)現(xiàn)； 動(dòng)感和靜感是一對(duì)人類常有的情感，根據(jù)線條與圖像動(dòng)感感覺之間的聯(lián)系，使用圖像的低層特征來對(duì)藝術(shù)圖像進(jìn)行“動(dòng)感”和“靜感”的分類，采用了改進(jìn)的邊緣方向直方圖作為特征，并使用概率神經(jīng)網(wǎng)絡(luò)（PNN）進(jìn)行分類，達(dá)較高的準(zhǔn)確率，是對(duì)圖像情感語義分類研究的有益探索。最后得到若干幅圖像，其中“靜感”類圖片若干張，“動(dòng)感”類圖片若干張。北京航空航天大學(xué)的陳斌證明了圖象的分形維數(shù)與情感特性具有一定關(guān)系，并根據(jù)這種關(guān)系，提出了用計(jì)算機(jī)自動(dòng)產(chǎn)生和諧分布圖案的算法。 在圖像檢索系統(tǒng)的早期應(yīng)用有日本的“Art Museum”和“IQI系統(tǒng)”，能夠使用印象詞（impressionwords）如（自然的、優(yōu)雅的、華麗的等）檢索圖畫；最近的BianchiBerthouz的Kagent圖像檢索系統(tǒng)，比一般的系統(tǒng)更注重用戶的情感需求；還有Chile大學(xué)正在研制的TEXRET系統(tǒng)，希望使用類似人類感覺的定性描述來檢索紋理圖像[21]；意大利的Colombo等還在圖像情感研究的基礎(chǔ)上，還進(jìn)行了視頻圖像的語義檢索研究，用于廣告、電視等視頻檢索[5]。因此情感圖像檢索將從用戶的情感需求出發(fā)，探索高層次的用戶情感和低層次的圖像特征之間的聯(lián)系，建立交互式動(dòng)態(tài)的情感圖像檢索模