面向情感特征的风景图像分类研究及其实现.docVIP

面向情感特征的风景图像分类研究及其实现 　　摘要：视觉活动是认知外部世界的主要途径，视觉感知源于物体的外形、色彩及纹理。而颜色特征的不同对人类情感变化起着至关重要的作用。鉴于不同风景图像会产生不同的颜色特征和情感特点，如何建立图像颜色特征与用户评价之间的关系并加以鉴别具有重要的研究意义。该文在学习前人提出的各种颜色提取分类算法的基础上，结合图像的颜色直方图对风景图像的颜色特征进行提取，并利用支持向量机的方法对图像进行分类。实验表明，该方法取得了较好的准确率。 　　关键词：情感特征；颜色直方图；特征提取；颜色分类；支持向量机 　　中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2014）28-6727-05 　　视觉活动是人们在社会生产生活中认知外部世界的主要途径，而一副图像中的颜色及其分布的不同能使人类对其产生不同的情感。人们在不同场合根据不同的场景会使用不同的风景图像来表达情感，因此对于风景图像的提取和分类是很有必要的。颜色特征的提取和分类以及如何把底层的语义与高层的情感语义联系在一起也成为数字图像处理研究领域的热点和难点。 　　在对风景图像的处理中，进行模拟人类情感进而分类和准确辨认是十分困难的，因此对颜色特征的提取及分类是对风景图像的内容理解、跟踪与目标识别的重要研究内容。风景图像的分类是指用计算机对图库中的图像进行分析，而后将图像划分到一个语义当中来代替人类对图像的感受。图像分类其实就是基于图像的语义基础上，也是人类对图像的视觉判别的发展。所以针对存在于网络环境中的风景图像的分类是一项艰巨繁重的任务。然而传统的图像分类技术已不能满足现代人的需求，其局限性在于仅仅涉及了图像的客观特征，而没有真正利用人类的情感和生活经验去挖掘图像中的语义信息。为了解决这一问题，该文采用颜色直方图的方法对风景图像进行颜色特征的提取，而对纹理的分类则选择支持向量机（Support Vector Machine，简称SVM）的多类分类器。最后将从建立的情感数据库中对风景图像的情感语义进行人为的分类。 　　1 图像颜色特征值提取 　　1.1图像情感特征 　　广义而言，图像情感特征是指人们看到图像时所激发出的感觉或是情感等各种体验。20世纪以来，日本、欧洲、美洲、韩国等国的学者都陆续开始关注如何依据情感特征对图像的检索。由人类的视觉刺激，视神经的图像刺激图像情感特征，视网膜视觉刺激将收集到发送到视神经，然后发送该信息到大脑的视觉皮层。根据视觉体验，长期记忆的信息处理，神经刺激这些转化为人类自己的意识和激活人的各种心理状态，形成对事物的感觉和认知。从情感特征生成图像的原则包括生理刺激的感觉到人类情感的高级情感体验多层面特征。 　　根据图像的三层语义模型如图1所示，以了解图像的语义的自底向上的过程中形成。语义信息处理铺在一层语义层，精制而成，使图像更接近抽象思维人类的语义表示底层语义层将是有益的，提取图像语义信息也更有意义 [1] 。 　　1.2 颜色特征提取方法 　　图像检索系统中广泛采用颜色特征颜色直方图。它所描述的是不同色彩基调在整幅图像中所占比例[2]，而风景图像具有十分明显的颜色特征，如日落图像主要色彩基调是红色而海边风景图像主要色彩基调是蓝色。所以颜色直方图非常适合用来描述难以进行自动分割的风景图像。 　　计算颜色直方图需要将颜色空间划分成若干个颜色区间对每个小区域进行量化。颜色直方图可通过计算颜色落在每个小区间内的像素得到[3]。 　　1.3 数字化色度空间 　　传统的颜色直方图提取颜色特征选用的是RGB颜色空间，主要原因 RGB颜色空间有利于图像的显示，但是它的缺点在于不具有视觉一致性。例如有三幅单色图像， 颜色分别为绿色（0，255，0）、红色（255，0， 0）和粉红色（255 ，255，0）， 红色图像与绿色图像的欧式距离和红色图像与粉红色图像的欧式距离相等，即红色图像与绿色图像的相似程度等同于红色图像与粉红色图像的相似程度，这不符合人的视觉感觉[4]。该文采用具有视觉一致性的HSV颜色空间替代传统的RGB颜色空间，因为相比较 RGB颜色空间而言，HSV颜色空间更直观，更容易接受，适合于基于颜色的图像相似比较，同时从RGB颜色转换到HSV颜色也方便容易。 　　给定的RGB颜色空间的值（r，g，b），r，g， b（[0，255]），则变换到HSV空间的（h，s，v）值计算如下： 　　1.4 颜色量化 　　对于给定的一幅图像，它的颜色一般会很多，特别是真彩色图像，导致直方图矢量的维数会很多。如果对 HSV空间进行一定程度的量化，然后再计算直方图，能大量减少计算量。在HSV空间中，H从0到360变化时，色调依次呈现为我们熟悉的红、橙、黄、绿、青、蓝、紫，每一种色调对应的H分量