基于曲率方向特征的图像情感语义分类① - 计算机系统应用.pdf

2009 年 第 2 期 计 算 机 系 统 应 用 ① 基于曲率方向特征的图像情感语义分类 Image Emotional Semantic Classification Based on Curvature Direction Features 于 瀛 陈 勇 (重庆师范大学 数学与计算机科学学院 重庆 400047) 摘 要： 利用图像的低阶特征对高阶情感语义“静感”和“动感”进行分类。提出了一种新的特征向量——边 缘点曲率方向向量，作为图像分类特征，然后利用支持向量机完成分类的工作。对油画、中国画等艺 术图像进行了分类实验，实验结果表明该方法能够取得良好的效果。 关键词： 图像分类 情感语义 特征提取 曲率方向向量 支持向量机 从上世纪 90 年代初开始，基于内容的图像检索 低阶图像信息结合起来，转化为情感层次的词组，对 (Content-base image retrievl, CBIR)技术在图像检 图像和视频进行了高层语义描述[5] ，但已反映的情感 索和信息检索领域受到广泛关注，并逐渐成为图像检 在人类的情感范畴中占的比例还很低。因此，基于情 索的一种主流技术。依据语义的复杂性，一般将语义 感语义的图像分类和检索还有很大的改进空间。 分为三个层次:从原始图像出发，第一层为低层特征 在图像的特征描述中，轮廓能够具体的反映出图 层，包含了颜色、形状、纹理等图像的视觉特征及其 像的边界和区域的特征。轮廓有其自身的美学表现价 组合，这个层次还没有利用图像的语义信息，基于内 值，图像中某些轮廓特征可以刺激人产生感性认识， 容的图像检索目前就处于该层次;第二层为对象语义 轮廓也因此包含有情感语义。已有研究者根据图像轮 层或语义模板层，需要根据一定的逻辑推理和识别以 廓提取的特征来对图像进行语义分类，例如，边缘直 [6] [7] 获得图像中包含的对象类别以及对象的空间位置关 方图 和改良后的边缘直方图 以及线条加权方向长 [8] 系，或者通过语义模板匹配判断图像属于某些语义类; 度向量 等。本文主要研究艺术图像所表达的“静感” 第三层为抽象的语义层，包含了场景语义、行为语义、 与“动感”这一组截然不同的情感的分类问题。提出 情感语义等，需要对所描述的对象和场景的含义进行 了一种新的特征向量——边缘点曲率方向向量，使用 高层推理，将图像内容和抽象概念联系起来。