摘要: 图像中蕴涵着丰富的情感信息，图像的底层视觉特征，如颜色、纹理、形状等与图像的情感语义具有一定的对应关系。揭示图片的情感特征不仅能更深刻地描述图像，还可以将其应用于图像的人性化检索等领域。由于视觉特征到高层语义的映射通常是非线性的，... 展开 图像中蕴涵着丰富的情感信息，图像的底层视觉特征，如颜色、纹理、形状等与图像的情感语义具有一定的对应关系。揭示图片的情感特征不仅能更深刻地描述图像，还可以将其应用于图像的人性化检索等领域。由于视觉特征到高层语义的映射通常是非线性的，难于为其建立模型，因此利用计算机模拟人类情感对图像情感语义准确理解是人工智能领域公认的难题。 近年来，研究人员在进行相关问题的研究中投入了大量精力，主要的方法是引入人工智能和机器学习技术结合分类或聚类算法，通过人工交互，机器学习以及利用外部信息源等方法来实现。图像情感规则抽取的研究重点在于创建一个根据图像基本特征可对其进行感知和识别，并对图像特征中所包含的情感信息进行可理解化的描述。要实现针对图像的特征所包含的情感信息以可理解性较好的规则的形式表达出来，首先要选择适合的神经网络来对图像的特征及其情感间的映射关系进行学习。 由于人类情感具有一定的复杂性、模糊性以及不确定性，虽然目前已经有很多图像情感方面的研究，但它们大多偏重于针对有限的几种典型情感进行辨识和分类，远未达到人类所赋予计算机理解和解释人类在真实世界中面对复杂多变的外界环境时所产生的各种各样的情感现象的学习以及准确分辨的能力。因此，对图像情感进行规则抽取是十分有必要的。 本文的主要工作如下： (1)通过分析对情感变化产生影响的图像低阶特征，利用已通过心理学实验进行情感标注的中国情绪图片库中的风景图片，对其颜色特征采用HSV颜色空间内的非均匀量化方法，提取出图像的主颜色； (2)将其中一部分图片的颜色特征以及与其相对应的情感特征作为神经网络的训练集，训练标准三层BP神经网络； (3)分析了已有的RX规则抽取算法，并在此基础上提出了基于免疫规划的神经网络规则抽取算法，该算法根据适应度函数的大小，不断更新种群来求得最优的隐层单元激活值聚类效果，并通过列举各神经元输入与输出的关系来形成形式简洁，精度高，可理解性好的合取规则。 应用本文所提出的算法建立图像低阶特征到高阶情感的映射，实验结果表明具有较高的准确率和效率。 收起