论文部分内容阅读
当今社会,信息科学技术的发展进入了蓬勃快速的阶段,诸多重要信息越来越多的以文本信息的方式体现,同时也包含在图像之中,为了及时从相关媒介获得对应的信息,人们研究出了许多可以精准获取任意图像信息的方法。本文以图像作为讨论的重点,主要研究图像的内容与其对应的情感之间的联系,旨在解决对传统的数字图像用基于内容的方式检索造成的“语义鸿沟”问题,通过对图像的情感语义进行检索,以期达到便捷查询用户所需图像的目的。在基于情感的图像语义映射模块中,相关学者对神经网络算法的使用较多,而传统的神经网络算法往往泛化能力较差且收敛速度慢,本文提出的使用模糊神经网络算法来进行图像情感语义映射,将神经网络与模糊逻辑进行结合,以弥补模糊逻辑在自我学习方面的不足和神经网络对于模糊类问题处理效率低的缺陷,同时引入遗传算法和蚁群算法来对模糊神经网络进行优化,以进一步提高情感语义映射的准确率,并作用到图像检索模块中。本文的主要研究工作及内容如下:(1)对数字图像的颜色、形状等特征进行模糊化处理作为模糊神经网络的输入量,在网络的输出端对不同情感类别的图像打上相应的标签以开始训练过程,训练过程完成得到分类模型后输入待映射图片的颜色和形状特征,在模型的输出端解模糊化后得到对应的情感特征向量,实现图像的情感语义映射。(2)本文中采用遗传算法和蚁群算法来分别对模糊神经网络进行优化,以提高映射的准确率。遗传算法是将模糊神经网络的权值和阈值进行二进制编码以作为优化过程的初始个体,代入到适应度函数中,选取适应度最高的两个个体进行交叉、突变等遗传操作,最终得到使适应度函数值最高的染色体串,即为实验中的最优权值和阈值。蚁群算法是将模糊神经网络的权值和阈值设置成对应的由多个随机非零数组成的集合,在蚁群到食物源的最佳路径的搜索过程中,从每个集合里找到最佳的权值与阈值,代入到模糊神经网络中,以此提升情感语义映射的准确率。(3)在图像检索模块中,本文提出了一种序贯相似性检测算法来对图像进行匹配,该算法的思想是找到与数据集中的图像进行匹配的待匹配图像的最佳子模板,以提高检索的准确率。实验中引入颜色相关图中的颜色自相关图和颜色模糊相关图两种方法来作为对比实验,以比较使用不同方法的检索效果的优劣。