圖像情感語義分析技術(shù)

內(nèi)容概要

　　
本書系統(tǒng)地介紹了情感的認(rèn)知基礎(chǔ)及數(shù)學(xué)模型、從fMRI數(shù)據(jù)中解讀情緒狀態(tài)的方法、圖像特征提取算法、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)、MPEG中圖像的描述標(biāo)準(zhǔn)、本體構(gòu)建和推理方法，并在此基礎(chǔ)上結(jié)合當(dāng)前的研究動態(tài)，著重對基于強(qiáng)度的多層情感模型、圖像特征和情感映射算法、圖像特征本體的構(gòu)建和推理的相關(guān)技術(shù)進(jìn)行了討論，力求向讀者展示相關(guān)領(lǐng)域的最新研究動態(tài)，希望能為從事相關(guān)研究的廣大讀者提供參考，能對圖像理解、人機(jī)交互技術(shù)的發(fā)展起到推動作用。
讀者對象：本書可作為信號處理、計(jì)算機(jī)等專業(yè)碩士研究生和博士研究生的專業(yè)教材，以及本科生的選修教材，也可作為相關(guān)領(lǐng)域科技工作者的參考書。

書籍目錄

第1章　緒論
　1.1圖像語義提取技術(shù)與發(fā)展
　1.1.1圖像語義提取技術(shù)
　1.1.2圖像語義提取研究進(jìn)展
　1.2情感計(jì)算的產(chǎn)生與發(fā)展
　1.2.1情感計(jì)算的產(chǎn)生及研究內(nèi)容
　1.2.2情感計(jì)算的研究進(jìn)展
　1.2.3情感計(jì)算的應(yīng)用
　1.3圖像特征和情感的關(guān)系
　1.3.1顏色與情感的對應(yīng)
　1.3.2紋理、形狀與情感的對應(yīng)
　1.3.3對象及感興趣區(qū)域與情感的對應(yīng)
　1.4腦科學(xué)與情感計(jì)算
　1.4.1腦科學(xué)
　1.4.2腦科學(xué)的主要研究手段
　1.4.3腦科學(xué)研究與情感計(jì)算的關(guān)系
　1.5本體與圖像特征的描述
　1.5.1MPEG標(biāo)準(zhǔn)與本體
　1.5.2本體的構(gòu)建
　本章　小結(jié)
　參考文獻(xiàn)
第2章　情感的認(rèn)知基礎(chǔ)
　2.1情緒、情感的關(guān)系
　2.1.1什么是情緒和情感
　2.1.2情緒和情感的區(qū)別和聯(lián)系
　2.2情感的范疇表示
　2.2.1基本情緒
　2.2.2復(fù)合情緒
　2.3情感的維度表述
　2.3.1情感的維度表示
　2.3.2PAD三維情感模型
　2.4情感的生理特征
　2.4.1面部表情與姿態(tài)
　2.4.2皮膚電反應(yīng)
　2.4.3循環(huán)系統(tǒng)
　2.4.4內(nèi)分泌系統(tǒng)
　2.4.5聲音與音調(diào)
　2.4.6呼吸
　2.4.7腦電反應(yīng)
　2.5情緒的內(nèi)在神經(jīng)機(jī)制
　2.5.1情緒的腦機(jī)制
　2.5.2情感的基本環(huán)路
　2.6從fMRI數(shù)據(jù)中解讀情緒狀態(tài)
　2.6.1fMRI基本原理
　2.6.2fMRI實(shí)驗(yàn)設(shè)計(jì)
　2.6.3fMRI數(shù)據(jù)采集
　2.6.4fMRI數(shù)據(jù)預(yù)處理
　2.6.5fMRI數(shù)據(jù)腦功能定位分析
　2.6.6基于fMRI數(shù)據(jù)解讀?緒狀態(tài)
　本章　小結(jié)
　參考文獻(xiàn)
第3章　情感模型
　3.1基于認(rèn)知的情感模型
　3.1.1OCC模型
　3.1.2Roseman模型
　3.1.3Scherer模型
　3.1.4非認(rèn)知的情感模型
　3.2基于概率的模型
　3.2.1隱馬爾可夫模型
　3.2.2隱馬爾可夫情感模型
　3.2.3狀態(tài)轉(zhuǎn)移概率矩陣的求取
　3.3多層情感模型
　3.3.1情感影響因素
　3.3.2情感預(yù)測系統(tǒng)
　3.3.3實(shí)驗(yàn)及結(jié)果分析
　3.4情感建模的應(yīng)用
　本章　小結(jié)
　參考文獻(xiàn)
第4章　圖像特征提取算法
　4.1顏色特征提取算法
　4.1.1顏色空間
　4.1.2顏色直方圖
　4.1.3顏色矩
　4.1.4顏色集
　4.1.5顏色相關(guān)圖
　4.2紋理特征提取算法
　4.2.1紋理特征和紋理分析
　4.2.2基于統(tǒng)計(jì)的方法
　4.2.3基于結(jié)構(gòu)的方法
　4.2.4基于頻譜的方法
　4.3形狀特征提取算法
　4.3.1邊界描述
　4.3.2區(qū)域描述
　4.3.3幾何形狀描述
　4.4感興趣區(qū)域特征提取算法
　4.4.1基于拐點(diǎn)的方法
　4.4.2基于灰度變換的方法
　4.4.3基于視覺注意的方法
　4.4.4基于眼動跟蹤的方法
　4.4.5權(quán)重的確定
　4.5圖像特征聚類及結(jié)果分析
　4.5.1實(shí)驗(yàn)數(shù)據(jù)
　4.5.2實(shí)驗(yàn)步驟及結(jié)果分析
　本章　小結(jié)
　參考文獻(xiàn)
第5章　圖像語義提取算法
　5.1徑向基概率神經(jīng)網(wǎng)絡(luò)算法
　5.1.1徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
　5.1.2概率神經(jīng)網(wǎng)絡(luò)
　5.1.3徑向基概率神經(jīng)網(wǎng)絡(luò)
　5.1.4徑向基概率神經(jīng)網(wǎng)絡(luò)的應(yīng)用
　5.2自組織映射算法
　5.2.1自組織映射網(wǎng)絡(luò)
　5.2.2自組織映射算法
　5.2.3SOM網(wǎng)絡(luò)模型的應(yīng)用
?5.3支持向量機(jī)
　5.3.1基本思想
　5.3.2SVM多類分類方法
　5.3.3基于聚類的SVM多類分類方法
　5.3.4LFCM?SVM多類分類方法
　5.3.5LFCM?SVM圖像語義映射
　5.3.6圖像情感語義映射
　5.4有判定的極小極大規(guī)則學(xué)習(xí)算法
　5.4.1極小極大規(guī)則學(xué)習(xí)方法
　5.4.2有判定的極小極大規(guī)則學(xué)習(xí)算法
　5.4.3規(guī)則抽取及簡化的實(shí)現(xiàn)
　本章　小結(jié)
　參考文獻(xiàn)
第6章　多媒體信息的描述標(biāo)準(zhǔn)（MPEG標(biāo)準(zhǔn)）
　6.1MPEG?1標(biāo)準(zhǔn)與MPEG?2標(biāo)準(zhǔn)
　6.1.1MPEG?1標(biāo)準(zhǔn)
　6.1.2MPEG?2標(biāo)準(zhǔn)
　6.2MPEG?4標(biāo)準(zhǔn)
　6.2.1MPEG?4標(biāo)準(zhǔn)的目標(biāo)
　6.2.2MPEG?4標(biāo)準(zhǔn)的組成
　6.2.3MPEG?4標(biāo)準(zhǔn)主要特征
　6.3MPEG?7標(biāo)準(zhǔn)
　6.3.1MPEG?7標(biāo)準(zhǔn)的目標(biāo)
　6.3.2MPEG?7標(biāo)準(zhǔn)的內(nèi)容
　6.3.3MPEG?7標(biāo)準(zhǔn)中的關(guān)鍵技術(shù)
　6.4MPEG?21標(biāo)準(zhǔn)
　6.4.1MPEG?21標(biāo)準(zhǔn)的目標(biāo)
　6.4.2MPEG?21標(biāo)準(zhǔn)框架的基本要素
　6.5MPEG?7標(biāo)準(zhǔn)與圖形描述
　6.5.1基于MPEG?7的顏色描述子
　6.5.2基于MPEG?7的紋理描述子
　6.5.3基于MPEG?7的其他描述子
　6.5.4基于MPEG?7的?述舉例
　本章　小結(jié)
　參考文獻(xiàn)
第7章　本體的構(gòu)建及推理
　7.1本體的定義及相關(guān)概念
　7.1.1本體的定義
　7.1.2本體的結(jié)
　7.1.3本體的作用
　7.1.4已有本體的簡介
　7.2本體的分類
　7.2.1根據(jù)應(yīng)用主題的分類
　7.2.2根據(jù)形式化程度的本體分類
　7.2.3根據(jù)研究層次的本體分類
　7.3本體的構(gòu)建
　7.3.1本體構(gòu)建的相關(guān)知識
　7.3.2本體的構(gòu)建工具
　7.3.3本體的構(gòu)建方法
　7.4概念格理論與本體的結(jié)合
　7.5模糊概念格的本體?束
　7.5.1融合MPEG?7的模糊情感本體框架
　7.5.2模糊圖像情感本體框架
　7.5.3模糊形式背景
　7.5.4模糊情感形式概念分析
　7.6本體推理
　7.6.1本體推理方法
　7.6.2模糊情感匹配規(guī)則算法
　7.7圖像情感本體庫構(gòu)建實(shí)驗(yàn)及結(jié)果分析
　7.7.1實(shí)驗(yàn)數(shù)據(jù)
　7.7.2實(shí)驗(yàn)步驟及結(jié)果分析
　本章　小結(jié)
　參考文獻(xiàn)

章節(jié)摘錄

版權(quán)頁：插圖：的圖像進(jìn)行人工標(biāo)注就是一種簡單的圖像預(yù)處理方式，這種方式費(fèi)時費(fèi)力，存在一定的缺陷。反饋學(xué)習(xí)是在提取語義的過程中加入人工干預(yù)，常見的有相關(guān)反饋方法。朱興全等通過用戶的相關(guān)反饋來調(diào)整每幅圖像對應(yīng)的關(guān)鍵詞權(quán)值，即用戶反饋的過程在語義上就是修改權(quán)值的過程。He等根據(jù)用戶的反饋來構(gòu)造語義矩陣。Liu提出一個半自動策略對圖像語義進(jìn)行標(biāo)注，根據(jù)用戶對查詢結(jié)果的相關(guān)反饋來產(chǎn)生和修改語義注釋?；谕獠啃畔⒃吹恼Z義提取方法是根據(jù)圖像外部的相關(guān)信息，獲取與圖像語義相關(guān)的語義信息的。Shen提取網(wǎng)頁中的文本內(nèi)容作為該網(wǎng)頁中圖像的內(nèi)容描述。srihai將圖像的標(biāo)題作為圖像的注解。張華等提出一種利用圖像語義詞典從網(wǎng)頁中的圖像外部文本信息中提取該網(wǎng)頁中圖像語義信息的方法?；谕獠啃畔⒃吹姆椒ɡ猛獠啃畔慝@取圖像語義，具有一定的優(yōu)越性。但是當(dāng)圖像的外部信息不易得到，或者外部信息非常少的時候，采用這種方法獲取圖像語義就比較困難了。1.2 情感計(jì)算的產(chǎn)生與發(fā)展1.2.1 情感計(jì)算的產(chǎn)生及研究內(nèi)容情感是人類智能的一個不可分割的部分，它在人的感知、推理、決策、計(jì)劃、創(chuàng)造及社交等諸多活動中起著不可或缺的作用。1995年美國MIT媒體實(shí)驗(yàn)室Picarld教授提出了情感計(jì)算（AffectiveComputing）一詞并給出了定義，即情感計(jì)算是關(guān)于情感、情感產(chǎn)生及影響情感方面的計(jì)算。其目的是賦予計(jì)算機(jī)識別、理解、表達(dá)和適應(yīng)人情感的能力。情感計(jì)算研究的重點(diǎn)就是通過各種傳感器獲取由人的情感所引起的生理及行為特征信號，建立“情感模型”，從而創(chuàng)建感知、識別和理解人類情感，并能針對用戶的情感做出智能、靈敏、友好反應(yīng)的個人計(jì)算系統(tǒng)，縮短人機(jī)之間的距離，營造真正和諧的人機(jī)環(huán)境。

編輯推薦

《圖像情感語義分析技術(shù)》由電子工業(yè)出版社出版。

圖書封面

圖書標(biāo)簽Tags

無

評論、評分、閱讀與下載

---

    圖像情感語義分析技術(shù) PDF格式下載

---