近年来,随着计算机技术和情感语义研究的不断发展,计算机情感识别的日益广泛。计算机图像情感分析在心理学领域的应用呈现逐步上升的趋势。在我们的生活中,我们人类的视觉引起的图像信息是最直接、最具体的形式。因此,视觉信息对我们情感的影响非常大。图像成千上万,大量的图像信息给人们带来很大的困难,快速准确地发现相关信息已成为人们关注的焦点。而利用计算机自动分析和理解图像便成为一个有效途径。作为一种高层次的情感语义,不仅要使计算机对图像内容的理解和认识,还要实现有效的组织,分类和图像管理。建立人类感知情感机制的低层次与高层次语义特征之间的联系,成为实现图像情感分类和识别的关键。论文中深入的研究三个方面的问题,实现图像情感语义识别,本文的主要研究内容与创新点为:(1)对图像的低层特征,颜色、纹理和形状特征内容进行阐述。选取典型的提取技术,同时实验得出结果,建立图像低层特征空间;(2)提出建立情感空间,通过情感问卷调查法,建立情感语义数据库,对数据库进行量化处理得到情感空间;(3)在图像情感语义映射方面,我们先利用基于聚类的SVM分类方法,聚类方法选取模糊C均值聚类算法(FCM),但FCM-SVM算法存在不足,再此基础上改进FCM-SVM算法,加入线性判别分析法(LDA),实现更有效的分类性能。论文中综合分析低级特征提取技术和图像情感语义映射机制,突出阐述颜色,纹理和形状特征提取的主要算法,以及图像的高层情感语义识别模块,具体阐明情感建模和情感空间的建立。从规范的角度提出创建图像底层特征与高层情感语义的对应关联,从而建立情感语义识别机制。结合各种图像底层特征映射方法和情感语义映射方法,发现LFCM-SVM是最合适的映射方法。