基于情感视觉单词的图像情感分类算法

"一种基于情感视觉单词的图像分类算法 .pdf" 本文主要介绍了一种创新的图像分类算法，该算法特别关注图像的情感分类。由吕微微、宋泽海和冯松鹤等人提出的这一方法是基于bag of emotional words模型，它利用视觉心理学的理论，通过显著区域加权的方式来构建图像的情感视觉单词表示，从而实现对图像情感语义的精确分类。 首先，算法的核心在于提取图像的特征。研究人员采用了彩色描述子CSIFT（Color SIFT）作为图像的特征表示，这是一种结合了色彩信息和尺度不变特征变换（SIFT）的特征提取方法，能够有效地捕捉图像中的颜色和形状信息，这对于理解和识别图像的情感内容至关重要。 接下来，为了构建情感视觉单词，算法会检测图像中的显著区域。显著性检测用于识别图像中最吸引人注意的部分，这些区域往往与图像的情感信息紧密相关。然后，对这些显著区域进行加权处理，以强调它们在情感表达中的重要性。加权过程考虑了显著区域的大小、位置以及色彩等因素，确保情感视觉单词的构建更符合人类的情感感知模式。 情感视觉单词向量由此建立，这个向量反映了图像中各个情感视觉单词的出现频率，并且这些频率经过加权处理，更好地表达了图像的整体情感语义。最后，利用支持向量机（SVM）这种多类别分类器，将加权频率作为图像的情感表示，进行情感分类。SVM因其优秀的分类性能和泛化能力，常被用于复杂问题的解决，包括图像分类。 实验结果显示，该算法在图像情感分类任务上的表现优于传统的图像情感分类方法，证明了其有效性和创新性。这种方法的提出不仅提高了分类准确性，也为未来在图像情感理解领域的深入研究提供了坚实的基础。 关键词涉及到的关键技术有：图像情感分类、情感视觉单词、显著区域、加权以及CSIFT特征。该论文的发表，对于理解人的情感反应如何与图像内容关联，以及如何通过计算方法模拟这种理解，都具有重要的理论和实践价值。 中图分类号：TP391，表明这属于计算机科学和技术领域，特别是与信息处理相关的部分。此外，英文标题"Anovel emotional words based image classification algorithm"进一步强调了这是一个新颖的图像分类算法，重点在于情感分析。该研究工作是在北京交通大学计算机与信息技术学院进行的，展示了中国在该领域的研究实力。