《图像情感语义分析技术》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:陈俊杰等著
  • 出 版 社:北京:电子工业出版社
  • 出版年份:2011
  • ISBN:9787121063688
  • 页数:274 页
图书介绍:本书系统地介绍了情感的认知基础及数学模型、从fMRI数据中解读情绪状态的方法、图像特征提取算法、神经网络和支持向量机、MPEG中图像的描述标准、本体构建和推理方法,并在此基础上结合当前的研究动态,着重对基于强度的多层情感模型、图像特征和情感映射算法、图像特征本体的构建和推理的相关技术进行了讨论,力求向读者展示相关领域的最新研究动态,希望能为从事相关研究的广大读者提供参考,能对图像理解、人机交互技术的发展起到推动作用。

第1章 绪论 1

1.1图像语义提取技术与发展 1

1.1.1图像语义提取技术 1

1.1.2图像语义提取研究进展 3

1.2情感计算的产生与发展 4

1.2.1情感计算的产生及研究内容 4

1.2.2情感计算的研究进展 6

1.2.3情感计算的应用 8

1.3图像特征和情感的关系 10

1.3.1颜色与情感的对应 11

1.3.2纹理、形状与情感的对应 14

1.3.3对象及感兴趣区域与情感的对应 16

1.4脑科学与情感计算 16

1.4.1脑科学 16

1.4.2脑科学的主要研究手段 17

1.4.3脑科学研究与情感计算的关系 21

1.5本体与图像特征的描述 22

1.5.1 MPEG标准与本体 22

1.5.2本体的构建 23

本章小结 24

参考文献 25

第2章 情感的认知基础 31

2.1情绪、情感的关系 31

2.1.1什么是情绪和情感 31

2.1.2情绪和情感的区别和联系 32

2.2情感的范畴表示 34

2.2.1基本情绪 34

2.2.2复合情绪 36

2.3情感的维度表述 36

2.3.1情感的维度表示 37

2.3.2 PAD三维情感模型 39

2.4情感的生理特征 40

2.4.1面部表情与姿态 40

2.4.2皮肤电反应 42

2.4.3循环系统 43

2.4.4内分泌系统 44

2.4.5声音与音调 45

2.4.6呼吸 45

2.4.7脑电反应 46

2.5情绪的内在神经机制 46

2.5.1情绪的脑机制 46

2.5.2情感的基本环路 49

2.6从fMRI数据中解读情绪状态 50

2.6.1 fMRI基本原理 50

2.6.2 fMRI实验设计 51

2.6.3 fMRI数据采集 54

2.6.4 fMRI数据预处理 55

2.6.5 fMRI数据脑功能定位分析 57

2.6.6基于fMRI数据解读情绪状态 58

本章小结 65

参考文献 66

第3章 情感模型 69

3.1基于认知的情感模型 69

3.1.1 OCC模型 69

3.1.2 Roseman模型 71

3.1.3 Scherer模型 71

3.1.4非认知的情感模型 72

3.2基于概率的模型 73

3.2.1隐马尔可夫模型 73

3.2.2隐马尔可夫情感模型 75

3.2.3状态转移概率矩阵的求取 77

3.3多层情感模型 78

3.3.1情感影响因素 79

3.3.2情感预测系统 83

3.3.3实验及结果分析 89

3.4情感建模的应用 93

本章小结 94

参考文献 94

第4章 图像特征提取算法 97

4.1颜色特征提取算法 97

4.1.1颜色空间 97

4.1.2颜色直方图 102

4.1.3颜色矩 105

4.1.4颜色集 106

4.1.5颜色相关图 106

4.2纹理特征提取算法 106

4.2.1纹理特征和纹理分析 106

4.2.2基于统计的方法 107

4.2.3基于结构的方法 112

4.2.4基于频谱的方法 112

4.3形状特征提取算法 117

4.3.1边界描述 117

4.3.2区域描述 120

4.3.3几何形状描述 120

4.4感兴趣区域特征提取算法 122

4.4.1基于拐点的方法 123

4.4.2基于灰度变换的方法 124

4.4.3基于视觉注意的方法 125

4.4.4基于眼动跟踪的方法 127

4.4.5权重的确定 129

4.5图像特征聚类及结果分析 135

4.5.1实验数据 135

4.5.2实验步骤及结果分析 136

本章小结 142

参考文献 142

第5章 图像语义提取算法 145

5.1径向基概率神经网络算法 145

5.1.1径向基函数神经网络 145

5.1.2概率神经网络 147

5.1.3径向基概率神经网络 149

5.1.4径向基概率神经网络的应用 152

5.2自组织映射算法 156

5.2.1自组织映射网络 156

5.2.2自组织映射算法 157

5.2.3 SOM网络模型的应用 157

5.3支持向量机 160

5.3.1基本思想 161

5.3.2 SVM多类分类方法 165

5.3.3基于聚类的SVM多类分类方法 167

5.3.4 LFCM-SVM多类分类方法 169

5.3.5 LFCM-SVM图像语义映射 172

5.3.6图像情感语义映射 178

5.4有判定的极小极大规则学习算法 181

5.4.1极小极大规则学习方法 182

5.4.2有判定的极小极大规则学习算法 182

5.4.3规则抽取及简化的实现 185

本章小结 194

参考文献 194

第6章 多媒体信息的描述标准(MPEG标准) 196

6.1 MPEG-1标准与MPEG-2标准 196

6.1.1 MPEG-1标准 196

6.1.2 MPEG-2标准 198

6.2 MPEG-4标准 201

6.2.1 MPEG-4标准的目标 201

6.2.2 MPEG-4标准的组成 201

6.2.3 MPEG-4标准主要特征 202

6.3 MPEG-7标准 206

6.3.1 MPEG-7标准的目标 207

6.3.2 MPEG-7标准的内容 208

6.3.3 MPEG-7标准中的关键技术 212

6.4 MPEG-21标准 214

6.4.1 MPEG-21标准的目标 214

6.4.2 MPEG-21标准框架的基本要素 214

6.5 MPEG-7标准与图形描述 216

6.5.1基于MPEG-7的颜色描述子 216

6.5.2基于MPEG-7的纹理描述子 218

6.5.3基于MPEG-7的其他描述子 219

6.5.4基于MPEG-7的描述举例 222

本章小结 227

参考文献 227

第7章 本体的构建及推理 229

7.1本体的定义及相关概念 229

7.1.1本体的定义 230

7.1.2本体的结构 231

7.1.3本体的作用 231

7.1.4已有本体的简介 232

7.2本体的分类 233

7.2.1根据应用主题的分类 233

7.2.2根据形式化程度的本体分类 233

7.2.3根据研究层次的本体分类 233

7.3本体的构建 234

7.3.1本体构建的相关知识 234

7.3.2本体的构建工具 241

7.3.3本体的构建方法 243

7.4概念格理论与本体的结合 248

7.5模糊概念格的本体约束 252

7.5.1融合MPEG-7的模糊情感本体框架 252

7.5.2模糊图像情感本体框架 259

7.5.3模糊形式背景 261

7.5.4模糊情感形式概念分析 262

7.6本体推理 266

7.6.1本体推理方法 266

7.6.2模糊情感匹配规则算法 266

7.7图像情感本体库构建实验及结果分析 267

7.7.1实验数据 267

7.7.2实验步骤及结果分析 267

本章小结 271

参考文献 271