場景圖像情感語義分析關(guān)鍵技術(shù)研究.pdf

1、隨著多媒體技術(shù)、互聯(lián)網(wǎng)技術(shù)以及社交網(wǎng)絡(luò)的迅速發(fā)展，人們可以訪問的信息資源空前豐富。圖像數(shù)據(jù)因其形象直觀、蘊(yùn)含信息綜合性強(qiáng)等特點，應(yīng)用領(lǐng)域逐漸增多，其數(shù)量更是以驚人的速度增長。但由于圖像數(shù)據(jù)本身的結(jié)構(gòu)復(fù)雜性、蘊(yùn)含信息的多樣性以及時空的多維性，導(dǎo)致有效的組織和管理大規(guī)模圖像數(shù)據(jù)、快速的檢索用戶需求的圖像成為學(xué)術(shù)界的研究熱點。為此，圖像的情感語義分析和檢索技術(shù)應(yīng)運(yùn)而生，它綜合人工智能、計算機(jī)視覺、模式識別、心理學(xué)以及數(shù)據(jù)庫管理等領(lǐng)域的相關(guān)知識

2、，對圖像數(shù)據(jù)蘊(yùn)含的高層情感語義進(jìn)行分析，旨在獲得圖像蘊(yùn)含的內(nèi)在情感語義信息，建立實用性強(qiáng)的圖像檢索系統(tǒng)。因此，對圖像進(jìn)行情感語義分析和高效檢索技術(shù)的研究有著廣闊的應(yīng)用前景和實用價值。
　　本文以場景圖像為研究對象，對SUN Database數(shù)據(jù)庫中的各類場景圖像進(jìn)行有針對性的情感語義分析和檢索方法研究:從建立開放行為學(xué)實驗環(huán)境下的場景圖像情感語義數(shù)據(jù)獲取平臺開始，選擇并改進(jìn)了OCC情感模型，分析了場景圖像語義理解方面存在的語義模糊

3、性問題，采用粒子群(PSO)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，并由Adaboost算法組合15個BP神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，構(gòu)建強(qiáng)預(yù)測器，對場景圖像的情感語義類別進(jìn)行預(yù)測，搭建了適合大數(shù)據(jù)處理的基于MapReduce并行編程模型的場景圖像檢索平臺，系統(tǒng)地研究了場景圖像的情感語義分析和檢索方法。主要成果及創(chuàng)新點如下:
　　(1)針對人們在理解圖像時存在的語義模糊性問題，本文提出了基于模糊理論的場景圖像情感語義自動標(biāo)注方法。通過選擇OCC

4、情感模型中與場景圖像情感語義相關(guān)性較強(qiáng)的10個情感詞作為基本情感值，本文又定義了3個隸屬變量{非常，中性，幾乎不}來描述人們對場景圖像理解的情感程度，采用基于權(quán)重的不規(guī)則分塊方法提取了場景圖像的顏色視覺特征，并使用T-S模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行語義特征映射，實現(xiàn)了用基本情感值和模糊隸屬度對場景圖像情感語義的自動標(biāo)注，實驗驗證了不同用戶對同一場景圖像的情感理解方向是一致的，但理解的深淺程度有所差異。
　　(2)改進(jìn)了OCC情感模型，提出了融

5、合情緒、性格因素等認(rèn)知因素的改進(jìn)的OCC情感建模方法。本文使用維度觀測量（PAD）模型描述人的情緒因素，得到OCC情感詞與P、A、D各維度值的映射矩陣，使用五因素模型(FFM)模型描述人的性格，將性格分為五大類，再得到性格與情緒的映射矩陣，最后利用得到的兩個映射矩陣將OCC情感模型量化，最終得到了融合情緒、性格因素的OCC情感量化模型。
　　(3)為提高對未知場景圖像情感語義類別的預(yù)測精度，提出了基于Adaboost-PSO-BP

6、神經(jīng)網(wǎng)絡(luò)的場景圖像情感語義類別預(yù)測算法。本文應(yīng)用改進(jìn)的融合情緒、性格因素的OCC情感建模方法提取場景圖像的情感語義特征向量，使用粒子群(PSO)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閡值，將優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)作為弱預(yù)測器，用Adaboost算法組合15個BP神經(jīng)網(wǎng)絡(luò)弱預(yù)測器的輸出構(gòu)建強(qiáng)預(yù)測器，有效的提高了場景圖像情感語義類別的預(yù)測精度。
　　(4)針對大規(guī)模場景圖像數(shù)據(jù)，為實現(xiàn)高效檢索，提出了一種基于MapReduce并行編程模型的場景圖

7、像檢索方案。本文設(shè)計了Hadoop集群并行處理架構(gòu)下，大規(guī)模場景圖像的并行存儲和檢索方法，將Mahout環(huán)境下分布式Mean Shift算法應(yīng)用于場景圖像的特征聚類中，實現(xiàn)特征并行聚類和匹配，提高檢索性能。實驗從檢索準(zhǔn)確率、加速比與效率、數(shù)據(jù)伸縮率等方面驗證了提出的分布式并行檢索方法的高效性。
　　本文圍繞場景圖像的情感語義理解展開研究，從情感語義數(shù)據(jù)的獲取、自動標(biāo)注、情感語義類別的預(yù)測以及大規(guī)模場景圖像數(shù)據(jù)的高效檢索等方面進(jìn)行了