基于本体的情感图像检索研究

基于本体的情感图像检索研究

论文摘要

随着现代计算机技术、网络技术、语义网技术和多媒体技术的迅速发展,随着人机交互系统的快速发展,视觉特征中的情感信息近年来正越来越受到人们的重视,特别是在特征提取和图像分类等领域,而目前的图像处理和应用大多忽略了情感的影响和作用。有效地挖掘图像和情感之间的关系,是情感计算在图像处理方面的探索,是一个崭新的且很有挑战的课题。图像本身不仅包括了视觉特征,还包括了文字信息和情感信息。目前流行的图像检索系统是基于图像可视化特征(颜色、纹理和形状)的基于内容的图像检索系统,其在检索过程中缺乏“情感”、缺乏“人性”,检索结果欠缺。如果将图像进行情感的标注,将图像特征与人类情感关联,将能够对和谐的人机交互、装演和基于情感计算等工程做出相应的贡献。在本文中,先剖析本体论、MPEG-7、情感分类等相关理论知识,然后结合本体论(Ontology)的原理,根据MPEG-7的描述框架(MDS)把图像的特征的描述由XML转换成RDF(Resource Description Framework)和OWL(Web Ontology Language)描述,将图像特征数据转换成基于OWL描述的数据,使用RDF和OWL来组织图像的情感语义结构信息,构建一个基于本体的图像情感语义描述模型。通过对图像物理特征(主要是颜色和形状)的描述,根据情感分类,根据Jena推理规则的构造语法与OWL推理规则构建自定义推理机,实现从图像底层特征到情感空间的映射,进一步实现基于情感的图像检索。在实现上,本文实验使用protégé3.4构建本体文件,Jena2.5.7解析OWL数据,Eclipse作为开发环境,建立情感语义推理规则库,实现自定义的推理机,从而验证本文提出的检索方法。

论文目录

  • 摘要
  • Abstract
  • 目录
  • Contents
  • 第1章 绪论
  • 1.1 传统图像检索存在的问题
  • 1.2 情感图像检索的意义及现状
  • 1.2.1 研究的意义
  • 1.2.2 国内外研究的热点及现状
  • 1.3 本文的主要工作及创新点
  • 第2章 本体、情感分类及MPEG-7 的解析
  • 2.1 本体理论
  • 2.1.1 Ontology 的定义
  • 2.1.2 本体描述语言
  • 2.1.3 描述逻辑
  • 2.1.4 描述逻辑与OWL 的关系
  • 2.1.5 OWL 与RDFS 的关系
  • 2.2 情感相关理论
  • 2.2.1 情感分类
  • 2.2.2 情感计算
  • 2.2.3 情感计算的应用
  • 2.3 MPEG-7 相关内容
  • 2.3.1 MPEG-7 标准内容
  • 2.3.2 MPEG-7 的基本概念
  • 2.3.3 MPEG-7 中多媒体描述方案
  • 2.4 本章小结
  • 第3章 图像特征与情感关系
  • 3.1 颜色特征与情感
  • 3.1.1 颜色空间
  • 3.1.2 主颜色提取
  • 3.2 形状特征与情感
  • 3.2.1 形状特征提取
  • 3.2.2 形状特征的表示
  • 3.3 本章小结
  • 第4章 基于本体的情感图像检索模型
  • 4.1 基于本体的图像情感语义描述框架
  • 4.2 基于本体的情感图像识别系统框架
  • 4.2.1 基于本体的特征描述
  • 4.2.2 基于JENA 的情感推理机制及解析工具
  • 4.3 情感语义提取相关技术
  • 4.4 情感语义检索中本体语义规则
  • 4.4.1 本体语义推理规则
  • 4.4.2 语义检索中相似度计算
  • 4.5 本章小结
  • 第5章 基于情感的图像检索系统实现
  • 5.1 情感语义信息提取系统概述
  • 5.2 情感语义检索系统概述
  • 5.3 图像本体构建设计
  • 5.4 本体提取模块设计
  • 5.5 本体推理模块设计
  • 5.6 本体查询模块设计
  • 5.7 主要设计步骤
  • 5.8 实验结果与分析
  • 5.9 本章小结
  • 总结与展望
  • 6.1 本文总结
  • 6.2 后续工作与展望
  • 参考文献
  • 攻读学位期间发表的学术论文
  • 致谢
  • 详细摘要
  • 相关论文文献

    • [1].基于内容语义的医学图像检索综述[J]. 科技视界 2020(04)
    • [2].基于多示例学习的图像检索方法[J]. 网络安全技术与应用 2019(04)
    • [3].基于机器学习的大规模船舶图像检索机制[J]. 舰船科学技术 2019(18)
    • [4].基于大数据的图像检索关键技术[J]. 电子技术与软件工程 2018(09)
    • [5].个性化图像检索和推荐[J]. 北京邮电大学学报 2017(03)
    • [6].特定区域的舰船图像检索研究[J]. 舰船科学技术 2020(12)
    • [7].基于深度学习的青藏高原畜牧业多目标动物图像检索研究[J]. 软件 2020(07)
    • [8].基于图像场景和语义信息的图像检索[J]. 中国高新科技 2018(01)
    • [9].基于深度学习与拓展查询的商标图像检索方法[J]. 网络新媒体技术 2018(01)
    • [10].分组排序多特征融合的图像检索方法[J]. 计算机研究与发展 2017(05)
    • [11].基于自反馈的动态权值图像检索方法[J]. 沈阳航空航天大学学报 2013(06)
    • [12].以计算机为基础的色彩图像检索方法与研究[J]. 计算机光盘软件与应用 2013(12)
    • [13].基于颜色特征与纹理特征的图像检索[J]. 硅谷 2012(06)
    • [14].基于盲取证的医学图像检索及语义表达研究综述[J]. 电脑知识与技术 2012(22)
    • [15].网络图像检索行为与心理研究[J]. 中国图书馆学报 2011(05)
    • [16].基于遗传算法的图像检索中特征权重自动调整[J]. 计算机工程与应用 2008(02)
    • [17].图像检索研究进展[J]. 南京工业职业技术学院学报 2008(02)
    • [18].基于兴趣点局部分布特征的图像检索研究[J]. 微型电脑应用 2019(12)
    • [19].基于内容的医学图像检索研究进展[J]. 激光与光电子学进展 2020(06)
    • [20].海量图像检索系统关键技术研究[J]. 信息与电脑(理论版) 2020(14)
    • [21].基于内容的医学图像检索综述[J]. 信息与电脑(理论版) 2020(15)
    • [22].基于轻量级神经网络的服装图像检索[J]. 科学技术创新 2020(31)
    • [23].基于内容的医学图像检索方法综述[J]. 重庆理工大学学报(自然科学) 2018(12)
    • [24].全局和局部特征的图像检索(英文)[J]. Journal of Central South University 2018(02)
    • [25].反馈机制的大规模舰船图像检索[J]. 舰船科学技术 2018(08)
    • [26].基于改进特征的图像检索方法研究[J]. 西北工业大学学报 2018(04)
    • [27].基于多图学习的情感图像检索研究[J]. 大连民族大学学报 2016(05)
    • [28].大数据分析技术在海量激光图像检索中的应用[J]. 数码世界 2020(01)
    • [29].基于移动Agent的图像检索[J]. 数码世界 2018(09)
    • [30].基于半监督学习的一种图像检索方法[J]. 计算机应用研究 2013(07)

    标签:;  ;  ;  

    基于本体的情感图像检索研究
    下载Doc文档

    猜你喜欢