导读:本文包含了基于情感的图像检索论文开题报告文献综述及选题提纲参考文献，主要关键词:男T恤图像,情感语义,支持向量机,图像识别和检索
基于情感的图像检索论文文献综述
张晓萌[1]（2018）在《基于内容的男T恤图像情感语义识别和检索》一文中研究指出目前,计算机技术迅速发展,愈来愈多的图像出现在人类的视野中,图像识别技术成为识别领域中一个重要的探究目标。对图像情感语义层面进行数据挖掘与知识发现,一直以来受到业内的关注,怎样正确识别图像包含的情感信息,在技术上也是一个具有挑战性的工作。利用计算机技术实现图像识别,已经上升到情感语义层次。基于人类视觉的图像情感语义分析是主观的,因此实现图像情感语义分析需要借鉴心理学、图像处理以及模式识别等多领域理论和技术。基于情感语义的图像识别是实现图像情感检索的重要研究内容,服装图像作为图像的一种,以基于视觉特征提取的情感语义分析来实现图像情感语义识别和检索,是本文的主要研究内容。前期经过对男T恤图像情感语义描述的主观评价投票,确定男T恤图像情感语义描述的常用8对描述词,随后通过被测者对每张男T恤图像的8对情感词描述值进行投票,一定数量被测者投票后,可计算并统计每张图像的情感描述词得分的平均值;然后使用因子分析方法,建立了以3个互相独立的因子向量组成的图像情感语义空间。对男T恤的情感因子与其低层特征之间的关联关系进行分析,在HSV颜色空间下处理男T恤图像,得出可用11维特征(10维饱和度-冷暖模糊直方图加1维的彩色对比度)表征第1个因子的情感语义;可用257维(256维的灰度直方图加1维彩色对比度)来表征第2个因子的情感语义;因子3用4维(3维的Tamura纹理特征提取算法的要素参数加1维平均色调)特征来表征第3个因子的情感语义。最后利用支持向量机(SVM)建立了3个情感因子和图像低层特征之间的映射关系模型,可自动的根据男T恤图像的低层特征计算其3个情感因子值,进而算出其8对情感语义描述值,实现了男T恤图像的情感语义识别;根据男T恤图像的3个情感因子向量,利用相似度度量算法,实现了基于内容的男T恤图像情感语义检索。在实验阶段,获得了较好的识别和检索效果。本课题结合服装领域知识和情感心理学等相关知识,找到了男T恤图像情感语义描述值和其低层特征之间的关联关系。通过本课题的研究表明:针对专业领域的图像,结合领域知识有助于实现基于内容的情感语义识别和检索。对基于内容的男T恤图像情感语义识别和检索课题进行研究,研究成果可应用于男T恤的评价、设计、电商等方面,具有一定的应用价值。(本文来源于《北京服装学院》期刊2018-12-01）
逯波,段晓东,王存睿,李泽东[2]（2016）在《基于多图学习的情感图像检索研究》一文中研究指出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。(本文来源于《大连民族大学学报》期刊2016年05期）
武频,陶聪,朱永华,颜宏杰,高宏浩[3]（2015）在《基于情感语义的图像注释与检索》一文中研究指出图像情感语义的注释与检索起步不是很久,涉及了很多学科的综合知识,需要对心理学、计算机科学、生理学等各门学科的知识和前沿成果都有比较深入的了解,这个领域的研究充满了挑战和难度,同时其后续研究也存在着很大的可能性。情感语义是图像语义的最高层次,在图像情感语义注释和检索中起着很重要的作用。文中具体研究了底层特征提取中现有的一些常用方法,构建出图像的底层特征数据库。应用因子分析法对实验收集的用户情感数据库进行分析,构建出情感空间作为图像情感语义注释的基础。首次将LSSVM应用于图像情感语义注释上,实现了图像底层特征到高层情感语义的映射。然后通过相似度计算,在情感空间中完成图像的情感检索。实验结果取得了不错的用户满意度。(本文来源于《计算机技术与发展》期刊2015年10期）
张骞[4]（2014）在《浅谈基于情感的图像检索系统》一文中研究指出介绍了基于情感的图像检索系统产生的原因及概念,分析了图像特征提取技术和图像特征与情感空间映射技术,提出了系统设计的五个模块,以其对系统的建立有一定的参考价值。(本文来源于《电子测试》期刊2014年17期）
曹建芳,陈俊杰,杨灿[5]（2014）在《面向自然语言理解的图像情感语义检索》一文中研究指出随着多媒体技术的迅速发展,图像资源的管理和检索日益成为研究热点,目前的图像检索技术因忽略了情感因素而显得力不从心.通过对自然语言分词,应用OCC情感模型,实现了使用自然语言对图像库进行情感语义检索.以百度图片频道下载的800张自然风景图像数据建立图像库并进行测试,实验结果表明取得了良好的检索效果,可为更多类型的图像情感语义检索打好基础,具有一定的实用价值.(本文来源于《湖南科技大学学报(自然科学版)》期刊2014年02期）
于昕,郭浩,李海芳,陈俊杰[6]（2014）在《基于自然语言处理的图像情感语义检索研究》一文中研究指出自然语言问答在情感图像检索中并未广泛应用,对此进行了探索与尝试,设计和实现了一个以自然语言作为检索入口的情感图像检索系统,并给出系统架构及技术方案。研究过程中,引入自然语言处理技术对自然问句进行浅层语义分析,并建立了一个情感映射模型,实现了常用情感词语与该模型之间以及该模型与情感图像之间的映射。另外,还对系统的检索结果进行了评价。通过对系统的实现,为自然语言问答与情感图像检索的结合提供了一种新的思路与方法。(本文来源于《计算机应用与软件》期刊2014年06期）
张宇楠,陈俊杰[7]（2014）在《基于内容的图像情感语义检索研究》一文中研究指出基于内容的图像检索是使用图像的底层视觉特征对图像进行检索,使检索结果在视觉角度上尽可能相似。但能否通过图像的底层特征来准确体现人对图像的视觉感知(即图像的情感语义)有待于进一步的探索。首先构建检索性能较好的基于内容的图像检索系统,并针对分类标准不同的两类图像库进行多次实验。实验证明,图像的情感语义无法通过单一的图像底层特征描述。(本文来源于《计算机应用与软件》期刊2014年05期）
陈慧[8]（2013）在《基于颜色和情感语义特征的感性图像检索》一文中研究指出针对图像底层视觉特征与高层情感语义间的语义鸿沟,分析色彩与情感的关系,建立情感空间,采用概率神经网络建立图像颜色特征与情感空间的映射,融合图像底层视觉特征和人类情感特征,提出并实现了一种感性图像检索方法。实验结果证明了该方法具有较好的效果,为图像情感语义的研究提供了一种行之有效的解决方案。(本文来源于《莆田学院学报》期刊2013年05期）
于昕[9]（2013）在《基于自然语言处理的图像情感语义检索研究》一文中研究指出伴随着计算机的发明与普及,人类开始步入了信息化时代,随后网络的出现,又让信息以指数的形式飞速增长,出现了“知识爆炸”的现象。在面对如此浩瀚的信息,怎样进行有效快速的检索并从中找出我们需要的信息就成为了迫切需要解决的难题。而在传递信息方面,图像具有形象生动的优点,这是另外两种信息载体——文字和声音所无法比拟的。对于图像中各个层次的信息,图像的情感信息作为图像高层语义,更能体现人们对图像的认知和感知,所以图像情感语义的检索就显得尤为重要。另一方面,关于检索入口,自然语言问句比起关键字来说能够处理一些更为复杂的输入,这样就可以更好地满足用户需求。另外,问答系统方面的研究起步较早,现今,无论在理论上还是技术和实际应用方面都已经较为成熟,这就为我们运用自然语言处理技术创造了便利条件。最后,对于检索的对象——情感图像数据库而言,早期主要利用文本对其进行情感标识,但仅用文本描述情感图像容易产生歧义,在这种情况下,采用情感领域内广泛使用的PAD模型进行标识可以很好地解决这方面的问题。基于以上现状,我们提出了一种新的情感图像检索方式：以自然语言问句作为检索入口,PAD标识的情绪刺激图片作为检索对象,将现有较为成熟的自然语言处理技术与图像情感语义检索相结合,实现用户对情感图像的检索。论文的主要工作可以概括为以下几点：(1)设计了基于自然语言处理的图像情感语义检索系统架构,摒弃了以简单的关键字作为输入的检索方式,提出自然语言问句同图像情感语义检索相结合的思想,使得用户不需要拥有较强的图像情感语义领域知识也可以进行操作,从而加强了人机交互。(2)按照提出的检索方式初步实现了系统,从实际上证明了以自然语言问句作为检索入口,图像情感语义作为检索结果这种检索方式的可行性,也为后人在此方向的继续研究打下了基础。(3)在传统的自然问句语义分析基础上,探讨了如何针对图像情感语义检索这一领域的相关问句进行浅层语义分析。我们对不同的实验人采集了情感问句,建立了情感问句库,然后对其进行了分析与研究,构建了该领域相关的词表、语义块、语义规则等,设计了该受限领域相关的问句分析架构,并且对其进行了实现。(4)根据系统采用的情感图像库特点,讨论了怎样构建相应的情感映射模型来完成检索图像库的任务。构建了中文常用情感词(同义词)词表,并对已有的情感映射模型进行扩展,建立起适用于我们系统的情感映射模型,进而实现了从情感词语到情感图像的映射机制。(5)在本系统检索效果评价方面,我们结合情感语义检索的特点进行了分析,认为传统的检索评价方式并不适用于该系统,取而代之运用问卷方式完成了相关的评价。(本文来源于《太原理工大学》期刊2013-05-01）
张宇楠[10]（2013）在《基于PAD的多特征融合图像情感语义检索研究》一文中研究指出随着多媒体技术的飞速发展,图像信息日益丰富着人们的生活,如何利用计算机准确快速的检索到理想的图像成为当前的一个热门课题。目前学者们提出了许多种图像检索方法,例如基于文本的图像检索方法、基于内容的图像检索方法以及基于图像情感语义分类检索算法等,但它们的检索侧重不同,都不能较完整的表达图像蕴含的信息。因此,文中提出了基于PAD的多特征融合图像情感语义检索方法,分别从以下叁个方面展开：第一,本文采用重迭分块的特征提取算法设计了一个基于底层视觉特征的图像检索系统。通过实验表明,虽然该方法能够较好的体现图像包含的视觉特征,但当以情感为检索目标时,检索效果不佳。第二,为了克服图像视觉特征与情感信息间的“语义鸿沟”,文章提出了采用BP神经网络将视觉特征映射到连续的PAD情感模型中,完成图像情感信息的预测。经过实验测试,该方法对图像情感语义的检索效果较好,但从视觉相似的角度考察,其检索结果并不理想。第叁,本文提出了较为接近人类视觉感知的方法——基于PAD的多特征融合图像情感语义检索。该方法建立在有效的视觉特征与情感信息的基础上,采用多元线性回归的方法对多类特征进行信息融合。在融合过程中,本文设计了科学的行为学实验,使得到的特征融合模型更符合人类的视觉模式。在此基础上设计了验证性系统,通过对实验结果分析,证明该方法能够将图像的视觉特征和情感信息有机的结合起来,提高了检索系统的性能,具有重要的理论意义和现实意义。(本文来源于《太原理工大学》期刊2013-05-01）
基于情感的图像检索论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
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。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基于情感的图像检索论文参考文献
[1].张晓萌.基于内容的男T恤图像情感语义识别和检索[D].北京服装学院.2018
[2].逯波,段晓东,王存睿,李泽东.基于多图学习的情感图像检索研究[J].大连民族大学学报.2016
[3].武频,陶聪,朱永华,颜宏杰,高宏浩.基于情感语义的图像注释与检索[J].计算机技术与发展.2015
[4].张骞.浅谈基于情感的图像检索系统[J].电子测试.2014
[5].曹建芳,陈俊杰,杨灿.面向自然语言理解的图像情感语义检索[J].湖南科技大学学报(自然科学版).2014
[6].于昕,郭浩,李海芳,陈俊杰.基于自然语言处理的图像情感语义检索研究[J].计算机应用与软件.2014
[7].张宇楠,陈俊杰.基于内容的图像情感语义检索研究[J].计算机应用与软件.2014
[8].陈慧.基于颜色和情感语义特征的感性图像检索[J].莆田学院学报.2013
[9].于昕.基于自然语言处理的图像情感语义检索研究[D].太原理工大学.2013
[10].张宇楠.基于PAD的多特征融合图像情感语义检索研究[D].太原理工大学.2013