学位论文 > 优秀研究生学位论文题录展示

基于颜色特征的家居设计图像情感语义分类

作　者: 李娉婷
导　师: 石跃祥
学　校: 湘潭大学
专　业: 计算机科学与技术
关键词: 家居设计图 情感语义 图像分类 颜色特征 正交最小二乘法
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 74次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着现代文明的飞速发展,家居设计已经成为社会文化的一个重要组成部分,家不再仅仅是作为一个遮风避雨的居所而存在,人们对家居环境和氛围提出更高的要求。为了满足人们对于家居设计的个性化追求,互联网和生活中各种风格的家居设计图像越来越多,如何有效的分类管理大量的家居设计图像以便于用户搜索成为一个亟待解决的问题。而家居设计的风格主要是根据人们对整个室内环境的感性反应来分类的,因此分析和提取图像的情感语义,并将其应用到家居设计图像的分类和检索中是十分必要的。本文针对家居设计图像的情感语义分类作了如下工作:第一、由于室内环境中颜色特征直接影响人的心理活动,并且家居设计图像的背景环境是比较复杂的,纹理和形状特征的提取比较困难,因此选择了颜色特征作为图像的感性特征,并且针对全局颜色特征提取方法造成局部颜色信息丢失的缺陷,提出采用图像的全局和局部相结合的颜色特征提取方法;第二、从人的视觉感知系统出发,通过阅读文献和调查实验,分析和统计了人们对家居设计图像的颜色特征的感性认知和理解,建立了一个图像颜色特征与基于人的情感反映的家居风格的映射关系;第三、选择径向基函数神经网络(RBFNN)作为家居设计图的分类器,针对RBFNN网络规模较大和训练速度较慢等缺陷和不足,本文采用正交最小二乘法来对其进行优化。最后,根据前面提出来的方法,即先提取家居设计图像的颜色特征,然后根据人对颜色的感知和理解分析其相应的情感语义,最后结合RBF神经网络分类器完成图像分类。开发了一个基于颜色特征的家居设计图情感语义分类系统,并采集了大量家居设计图像集对系统进行测试和评估,取得了较好的分类效果,实验表明本文开发的家居设计图分类系统具有一定的有效性和准确性。本文的工作也证明了提取图像的情感语义,并根据情感语义进行分类是可行的,是对图像情感语义分类研究的一次有益探索。

全文目录


摘要  4-5
Abstract  5-9
第1章 绪论  9-13
  1.1 研究背景和意义  9-10
  1.2 国内外的研究现状  10-12
  1.3 论文的工作安排  12-13
第2章 图像情感语义的相关研究及方法  13-30
  2.1 情感理论和研究应用  13-16
    2.1.1 情感理论  13-15
    2.1.2 情感的研究与应用  15-16
  2.2 基本特征的提取  16-22
    2.2.1 颜色特征  16-18
    2.2.2 形状特征  18-20
    2.2.3 纹理特征  20-22
    2.2.4 对象空间关系特征  22
  2.3 特征相对应的情感语义分析  22-27
    2.3.1 颜色特征与情感语义  22-25
    2.3.2 形状特征与情感语义  25-26
    2.3.3 纹理特征与情感语义  26
    2.3.4 对象空间关系与情感语义  26-27
  2.4 情感语义图像分类  27-29
    2.4.1 图像语义模型  27-28
    2.4.2 情感语义描述方法  28-29
  2.5 本章小结  29-30
第3章 家居设计图的情感语义提取  30-42
  3.1 情感语义提取  30-31
    3.1.1 图像内容描述模型  30-31
    3.1.2 情感语义提取框架  31
  3.2 图像分割  31-33
  3.3 一种新的颜色特征提取方法  33-39
    3.3.1 颜色空间的选择  33-36
    3.3.2 颜色空间的量化  36-37
    3.3.3 颜色特征的提取  37-39
  3.4 颜色特征对应的家居风格  39-41
  3.5 本章小结  41-42
第4章 家居设计图分类器的设计  42-49
  4.1 RBFNN 的工作原理  42-44
    4.1.1 径向基函数的定义  42-43
    4.1.2 RBFNN 的拓扑结构  43-44
    4.1.3 RBFNN 分类的理论基础  44
  4.2 RBFNN 的改进算法  44-46
  4.3 RBFNN 的训练过程  46-47
  4.4 本章小结  47-49
第5章 家居设计图分类系统实现  49-55
  5.1 实验的整体流程  49-51
    5.1.1 系统框架图  49
    5.1.2 实验平台  49
    5.1.3 实验图像采集  49-50
    5.1.4 实验步骤  50-51
  5.2 实验结果  51-52
  5.3 实验结果分析  52-54
  5.4 本章小结  54-55
第6章 总结与展望  55-57
  6.1 本文的工作总结  55-56
  6.2 下一步工作展望  56-57
参考文献  57-61
致谢  61-62
附录A 攻读硕士学位期间录用的论文  62

相似论文

  1. 基于“词袋”模型的图像分类系统,TP391.41
  2. 基于粒子滤波的目标跟踪算法研究,TP391.41
  3. 基于学习与交互的本征图像求解方法研究,TP391.41
  4. 头肩图像视频的自动分割,TP391.41
  5. 多模式图像检索方法研究,TP391.41
  6. 基于内容的图像检索技术研究,TP391.41
  7. 基于内容的商品图像分类技术研究,TP391.41
  8. 票据图像分类的技术研究,TP391.41
  9. 基于广义组合多核高斯函数的图像分类方法研究,TP391.41
  10. 基于MRF模型和统计建模的SAR图像地物分类方法研究,TN957.52
  11. 基于计算机图像处理的叶片氮素检测系统研究,TP391.41
  12. 多颜色空间融合的颜色特征提取方法及应用,TP391.41
  13. 多特征结合与支持向量机集成在图像分类中的应用,TP391.41
  14. 遥感图像分块分类技术的研究与应用,TP751
  15. 支持向量机在矿区遥感监测图像分类中的应用研究,TP751
  16. 视频图像中运动车辆检测与跟踪技术的研究,TP391.41
  17. 基于量子进化RBF网络的图像识别,TP391.41
  18. 基于特征选择和支持向量机的纹理图像分类,TP391.41
  19. 基于内容的图像检索技术研究,TP391.41
  20. 基于颜色和纹理特征的彩色图像分割算法研究,TP391.41
  21. 基于T-S模糊模型的循环流化床烟气脱硫系统建模的研究,X701.3

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com