图像可以为观察者传达丰富的情感,近年来图像情感分类成为计算机情感分析领域一个新的研究课题。情感作为一种高层语义,与图像的底层特征之间存在“语义鸿沟”。如何寻找到图像中的情感特征,建立符合人类感知的情感描述机制,成为实现图像情感分类的关键。本文结合视觉认知理论、心理学、模式识别等领域的知识,对图像的情感分类问题进行了研究。首先,由于人类感性层面上的认知经常会受到图像中的显著区域的影响,并且高层认知使得人类会更注意图像中的人脸表情与特定目标,本文提出一个改进情境感知显著区域检测的多特征融合图像情感分类方法。扩大显著区域提取范围,结合人类高层认知提取图中人脸区域,最终形成图像情感感兴趣内容区域,最后进行多特征融合并描述完成分类过程。该算法能够滤除图像中部分非情感干扰信息,提高了分类正确率。其次,针对图像画面中时常出现人脸的情况,提高人脸表情分类在图像情感分类中的地位,构造多分类器情感语义描述分类框架。按照图中是否检测出人脸以及人脸区域占比做不同的分类处理,自底向上对图像进行情感语义描述并分类。该框架可以明显提高数据集中部分数据出现人物的图像情感识别精度。最后,提出基于Sentibank检测构造情感值的图像情感分类方法。该方法的基本思想是将图像转化为文本描述,考虑到图像用词组序列描述时,词组本身也是有情感类别之分的。通过计算ANPs的文本情感值做为权重,对ANPs响应进行加权,构造图像的情感值用来进行情感预测。实验证明,此方法较常见的将ANP响应进行分类的方法相比,提高了分类正确率。