情感计算理论认识与思考

为了实现在人机交互中,从人类操作计算机变为计算机辅助人类,使计算机从认知型变为直觉型,提出了情感计算研究,试图创建一种能感知、识别和理解人的情感,并能针对人的情感做出智能、灵敏、友好反应的计算机系统。介绍了有关情感计算的研究内容和国内研究现状,阐述了研究思路,并分析了情感计算研究面临的诸多挑战。     

基于特征融合的图像情感语义识别研究

针对图像情感语义识别中特征提取的问题,提出了一种加权值的图像特征融合算法,并应用于图像情感语义识别。该方法根据不同特征对情感语义的影响不同,在提取出颜色、纹理和形状特征后通过加权融合为新的特征输入量,并用SVM来实现情感语义的识别。实验结果表明,这种算法比单独使用某种图像特征有更高的准确率。     

一种基于图元的多级图像检索系统

针对目前两类图像检索方法存在的不足，提出了一种基于图元的多级图像检索系统框架，通过在检索系统中搭建“语义词典”和“图元特征库”两个模块，完成了两种检索方法的有机结合，在现有技术水平上提高了图像检索系统的性能。     

基于感兴趣区域的图像情感特征提取算法研究

随着图像检索系统的发展,现有的各种图像特征提取方法已不能很好的满足用户的需要.另外,合理组织和管理图像数据库已渐渐成为用户检索的关键所在.基于感兴趣区域的图像情感特征提取算法融合了图像感兴趣区域及非感兴趣区域权重并由提取出的图像的颜色及纹理特征得到对应的特征向量.之后利用SOM聚类分析方法实现图像加权前后特征聚类,实验结果表明,该特征提取算法提取出的图像特征向量作为聚类输入不仅可以提高聚类准确率而且更适合对实际数据的聚类.     

基于情感的视听关联问题

听觉和视觉不是孤立进行的独立过程,而是相互关联的.如人们在观看一段视频的过程中,产生视觉刺激的图像和产生听觉刺激的音乐分别作用于人,对人的情感产生一定的影响.而这两种刺激在作用于人的过程之中是否存在相互影响、进而影响人的情感的现象呢？本文针对这一问题,对相关领域的研究现状进行了文献综述,探索性地给出了基于情感的视听关联的基本问题、研究目的、研究内容、范围界定、研究方法等,试图确立视听关联研究的框架与体系结构.     

一种基于随机森林的连续情感识别和跟踪算法

现有的大多数情感识别算法在进行连续情感识别时稳健性较差,影响了识别的精度。为此,文中提出一种基于随机森林的连续情感识别和跟踪算法,可持续识别出人脸在正常交流过程中的各种情感。在训练阶段,首先重建输入图像的三维脸部模型。并通过图像融合来构建连续情感表示(CEP)和用户无关情感表示(UIEP)。然后,由三维脸部形态、CEP图像及其情感值构成增强型训练集,并利用该训练集来构建随机森林。在情感估计阶段,随机森林同时进行两种回归操作：一种是针对三维脸部表情的跟踪;一种是针对当前情感的识别。当前时间步骤的CEP图像和之前时间步骤的三维脸部形态作为输入,计算当前时间步骤的情感值和三维脸部形态作为输出。当随机森林没有合适的输出时,利用UIEP图像进行复原优化,获得经过复原的三维脸部形态和情感。仿真实验结果表明,所提算法的性能达到要优于当前大多数情感识别算法,实时连续情感识别时的皮尔逊相关系数也较高。     

基于加权K近邻算法的抽象画图像情感分布预测

现有的大部分图像情感分类计算主要致力于预测图像情感的类别,没有考虑观察者对于图像情感不同的主观感受,因此仅对图像进行情感分类并不能满足现实需要.本文提出采用加权K 近邻算法对数据集中每幅抽象画图像进行离散情感的分布预测,首先提取图像的情感特征,不同的K 值,按照距离加权为每幅图像预测对应的情感分布情况,然后与数据集已知的情感分布进行比较.以Abstract 图像库作为数据集进行实验,并验证了算法的有效性.     

基于模糊理论的场景图像情感语义标注方法研究

电子技术和成像技术的发展导致数字图像迅速增长,依靠先进的技术提取图像蕴含的情感语义并对其自动标注正是当前各行业急需解决的问题。为此提出了一种基于模糊理论的场景图像情感语义标注方法,通过计算模糊隶属度描述图像的情感程度,使用Adaboost算法和RBF神经网络实现,解决了图像自动标注中的语义模糊问题。使用百度图片频道上下载的869张场景图像进行训练和测试,实验通过与人工标注结果相比较,取得了良好的标注效果,可为更多类型的图像情感自动标注打好基础,具有一定的实用价值。     

基于分块主颜色的图像检索方法研究与实现

颜色直方图法是基于内容的图像检索系统通常采用的方法。提出了一种基于分块主颜色的检索方法，克服了颜色直方图无法表达颜色空间分布信息的缺陷，将简化的二次式距离计算方法应用到分块主颜色的匹配中，降低了算法复杂度，提高了计算效率和对图像相似度判断的准确率，从而提高了图像检索的效率。据此实现的图像检索系统的运行结果表明，该方法的查准率和查全率比颜色直方图法有明显提高。     

基于选择性集成的情感识别

当前，情感识别已经成为情感计算中一个重要研究问题。传统的情感识别方法有人工神经网络（ANN）的 情感识别、模糊集的情感识别、支持向量机的情感识别和隐马尔可夫模型（HMM）的情感识别等。将选择性集成的 方法应用到情感识别中，该方法通过训练数据集的随机数抽取、训练，得到一批候选分类器，并通过差异性计算，挑选出大于平均差异性水平的分类器用来做最终情感识别。实验表明，该方法比传统的识别方法以及bagging集成 方法的效果都好,能有效地提高情感识别的精度。     

基于多图学习的情感图像检索研究

构建了一个统一的多图学习框架,来验证在不同类别情感图像中,使用不同级别特征在情感图像检索上的性能表现。首先,提取每个图像在不同层级上的共有特征,其中,从元素级别提取的一般特征作为底层特征;可解释的属性特征作为中层特征;而情感图像的语义感念描述作为高层特征。其次,为每种类型的特征构建一个图模型来验证情感图像检索的性能。最后,将多个图模型合并在一个规范化的框架内来学习每个图模型的优化权重。通过在5个不同数据集上得到的实验结果验证了所提方法的有效性。     

男西装情感因子空间研究

服装款式复杂多变,而目前服装情感描述大多是定性描述,对各类服装的情感描述词也未进行系统分析.建立服装情感空间是实现计算机对服装图像情感识别及量化评价的重要前提.通过对男西装情感描述词的筛选、投票、初步确定、相关性分析、因子分析等过程进行了研究,最后得出一个2维的男西装情感因子空间,这样每幅图像对应着该因子空间上的2维坐标值,使得在因子空间上定义男西装图像间的情感相似度和对男西装图像按情感相似性进行评估和索引成为可能,为下一步实现男西装图像情感的机器评估和图像情感语义识别、检索奠定了基础.该方法同样可以扩展到其他类别的服装.     

基于颜色、形状的情感图像检索

图像所含的内容丰富多彩,是用物理特征无法完整表达的.目前常用的图像检索技术是基于内容的图像检索,检索出的图像在某些程度上无法满足用户的需求.提出了一种基于颜色和形状的情感图像检索方法,讨论了图像的物理特征--颜色和形状的提取与表达.分析不同颜色、特征所激起人的不同情感的反应,建立情感库,用模糊神经网络建立底层物理特征到高层语义特征的联系,实现基于情感语义的图像检索,实现真正的以人为主导的信息检索,提高人机交互的和谐性和检索效率.     

多特征组合和用户反馈的图像检索算法

针对单一特征只能描述图像内容部分信息的缺陷,为获得更高准确率的图像检索结果,设计一种基于多特征组合和用户反馈相融合的图像检索算法.首先提取图像的多种特征,将其组合形成图像检索的特征向量,并采用欧氏距离计算图像间的相似度,实现图像初步检索;然后通过用户对图像初步检索结果进行评价和反馈,并采用机器学习算法根据反馈结果对图像初步检索结果进行调整,实现图像的精确检索;最后采用图像库检索的标准数据进行仿真测试.测试结果表明,该算法获得了稳定的图像检索结果,图像检索准确率明显高于其他算法.     

基于字典统计耦合归一化多重距离的图像检索算法

针对当前彩色图像检索技术容易受到色彩干扰,鲁棒性不强等不足,提出了一种字典统计耦合归一化多重距离的彩色图像检索算法.首先,将图像量化并转换成一维信号;然后,引入字典统计,将一维信号进行字典编码,并计算编码后的图像多样值;在归一化字典距离的基础上,嵌入字典编码图像的多样值,从而定义了归一化多重距离(NMD)的相似度量准则,利用NMD对查询图像与数据库图像的多样值进行比较与识别,搜索出与查询图像具有相同特征的最相似图像,完成目标检索.在COREL数据库的实验结果表明:相对于当前常用的检索技术,该检索算法具有更高的查准率和查全率,可对彩色图像完成精确检索,有效减低了色彩对检索性能的干扰.     

基于紧凑局部描述符聚类矢量签名的Web规模图像检索研究

当前图像检索技术普遍是从图像中提取一组局部视觉描述符来完成图像搜索,导致时耗严重以及所需的索引存储容量巨大,难以用于Web规模(1-millions)图像检索。对此,提出了基于紧凑局部描述符聚类矢量签名的Web规模图像检索机制。引入k-means聚类,计算每个聚类对应的描述符的均值μc与协方差矩阵Tc,得到每个聚类中的图像签名Tic;嵌入主成分分析,减小聚类协方差与图像描述符协方差之间的误差,优化图像签名Tic,增强表达能力;再基于Gram矩阵的低秩逼近,耦合子空间线性投影,设计紧凑局部张量聚类矢量签名机制,减小签名容量和增加识别能力;最后,对该紧凑矢量签名进行二值化处理,获取超小型签名,完成图像检索,减少索引存储容量。研究了不同参数对本文二值化紧凑矢量签名的影响。并在1-million图像数据中测试了本文图像检索机制性能。仿真结果表明:与当前检索技术相比,本文机制拥有更高的检索精度和效率;且索引存储容量更小,具备更好的可扩展性。     

基于RGB分量小波分解的数字图书馆图像检索技术

图像检索技术是数字图书馆进一步发展的核心技术,目前主要受到检索准确度和检索速度之间矛盾的制约.为此提出了一种基于RGB分量小波分解的图像检索方法.首先,利用原始图像信息生成RGB三色分量图像.然后,将每一幅分量图像进行小波分解,求取其低频分量成分.最后,利用RGB三色分量图像的低频成分进行融合,生成最终的相似性测度.实验结果表明,此方法可以在确保准确性的前提下,快速地实现图像检索.     

局部阴影条件下基于梯度直方图的模糊相关图像检索

在局部阴影条件下对图像进行检索会受到多种因素的干扰,影响检索结果的可靠性。针对局部阴影条件,提出一种基于梯度直方图的模糊相关图像检索方法,采用ICA降噪方法对局部阴影条件下的图像进行降噪处理,依据频域对图像进行增强处理。通过Sobel算子提取图像边缘,求出水平方向与垂直方向的亮度差分相近值,确定出每个方向关键边缘像素的数量,建立图像边缘梯度直方图。依据梯度直方图,通过斯皮尔曼等级相关系数求出检索图像与图像库内模糊相关图像的相关系数,确定出图像间的相近度,将相近度最高的图像看作模糊相关图像检索结果。经实验验证,所提方法检索效果好,检索性能高。     

基于内容的图像特征相关性检索方法

针对目前基于内容的图像检索系统在模型优化及通用性设计等方面的局限性，以图像单一特征描述和提取方法为基础，根据人机交互的相关反馈原理，分析图像组合特征归一化权值系数，提出一套图像特征相关性检索新方案，并在着重对基于内容的图像特征相关性检索算法研究基础上，参照国际标准MPEG－7所提供的通用性系统设计规范，对新方案下的图像检索通用模型进行概念设计，为解决基于内容的图像检索技术在Internet上实用化的瓶颈问题，提供一条新的思路，实验结果验证了新方案的合理性。     

图像检索技术综述

对于一个图像检索系统,最重要的是信息获取的准确性、快速性和有效性.通过对现有信息检索技术的分析和比较,包括基于内容的信息检索、基于语义的信息检索、基于反馈的信息检索和基于知识的信息检索,指出了现有图像检索系统的难点和不足,同时指出了图像检索技术的发展趋势和研究方向.