图像情感语义分析技术

图书标准信息

• 作者 陈俊杰 著
• 出版社 电子工业出版社
• 出版时间 2011-04
• 版次 1
• ISBN 9787121063688
• 定价 38.00元
• 装帧 平装
• 开本 16开
• 纸张 胶版纸
• 页数 273页
• 字数 454千字

【内容简介】

　　《图像情感语义分析技术》系统地介绍了情感的认知基础及数学模型、从fMRI数据中解读情绪状态的方法、图像特征提取算法、神经网络和支持向量机、MPEG中图像的描述标准、本体构建和推理方法，并在此基础上结合当前的研究动态，着重对基于强度的多层情感模型、图像特征和情感映射算法、图像特征本体的构建和推理的相关技术进行了讨论，力求向读者展示相关领域的最新研究动态，希望能为从事相关研究的广大读者提供参考，能对图像理解、人机交互技术的发展起到推动作用。

【目录】

第1章　绪论

1.1 图像语义提取技术与发展

1.1.1 图像语义提取技术

1.1.2 图像语义提取研究进展

1.2 情感计算的产生与发展

1.2.1 情感计算的产生及研究内容

1.2.2 情感计算的研究进展

1.2.3 情感计算的应用

1.3 图像特征和情感的关系

1.3.1 颜色与情感的对应

1.3.2 纹理、形状与情感的对应

1.3.3 对象及感兴趣区域与情感的对应

1.4 脑科学与情感计算

1.4.1 脑科学

1.4.2 脑科学的主要研究手段

1.4.3 脑科学研究与情感计算的关系

1.5 本体与图像特征的描述

1.5.1 MPEG标准与本体

1.5.2 本体的构建

本章小结

参考文献

第2章　情感的认知基础

2.1 情绪、情感的关系

2.1.1 什么是情绪和情感

2.1.2 情绪和情感的区别和联系

2.2 情感的范畴表示

2.2.1 基本情绪

2.2.2 复合情绪

2.3 情感的维度表述

2.3.1 情感的维度表示

2.3.2 PAD三维情感模型

2.4 情感的生理特征

2.4.1 面部表情与姿态

2.4.2 皮肤电反应

2.4.3 循环系统

2.4.4 内分泌系统

2.4.5 声音与音调

2.4.6 呼吸

2.4.7 脑电反应

2.5 情绪的内在神经机制

2.5.1 情绪的脑机制

2.5.2 情感的基本环路

2.6 从fMRI数据中解读情绪状态

2.6.1 fMRI基本原理

2.6.2 fMRI实验设计

2.6.3 fMRI数据采集

2.6.4 fMRI数据预处理

2.6.5 fMRI数据脑功能定位分析

2.6.6 基于fMRI数据解读?绪状态

本章小结

参考文献

第3章　情感模型

3.1 基于认知的情感模型

3.1.1 OCC模型

3.1.2 Roseman模型

3.1.3 Scherer模型

3.1.4 非认知的情感模型

3.2 基于概率的模型

3.2.1 隐马尔可夫模型

3.2.2 隐马尔可夫情感模型

3.2.3 状态转移概率矩阵的求取

3.3 多层情感模型

3.3.1 情感影响因素

3.3.2 情感预测系统

3.3.3 实验及结果分析

3.4 情感建模的应用

本章小结

参考文献

第4章　图像特征提取算法

4.1 颜色特征提取算法

4.1.1 颜色空间

4.1.2 颜色直方图

4.1.3 颜色矩

4.1.4 颜色集

4.1.5 颜色相关图

4.2 纹理特征提取算法

4.2.1 纹理特征和纹理分析

4.2.2 基于统计的方法

4.2.3 基于结构的方法

4.2.4 基于频谱的方法

4.3 形状特征提取算法

4.3.1 边界描述

4.3.2 区域描述

4.3.3 几何形状描述

4.4 感兴趣区域特征提取算法

4.4.1 基于拐点的方法

4.4.2 基于灰度变换的方法

4.4.3 基于视觉注意的方法

4.4.4 基于眼动跟踪的方法

4.4.5 权重的确定

4.5 图像特征聚类及结果分析

4.5.1 实验数据

4.5.2 实验步骤及结果分析

本章小结

参考文献

第5章　图像语义提取算法

5.1 径向基概率神经网络算法

5.1.1 径向基函数神经网络

5.1.2 概率神经网络

5.1.3 径向基概率神经网络

5.1.4 径向基概率神经网络的应用

5.2 自组织映射算法

5.2.1 自组织映射网络

5.2.2 自组织映射算法

5.2.3 SOM网络模型的应用

5.3 支持向量机

5.3.1 基本思想

5.3.2 SVM多类分类方法

5.3.3 基于聚类的SVM多类分类方法

5.3.4 LFCM?SVM多类分类方法

5.3.5 LFCM?SVM图像语义映射

5.3.6 图像情感语义映射

5.4 有判定的极小极大规则学习算法

5.4.1 极小极大规则学习方法

5.4.2 有判定的极小极大规则学习算法

5.4.3 规则抽取及简化的实现

本章小结

参考文献

第6章　多媒体信息的描述标准（MPEG标准）

6.1 MPEG1标准与MPEG2标准

6.1.1MPEG1标准

6.1.2MPEG2标准

6.2 MPEG4标准

6.2.1 MPEG4标准的目标

6.2.2 MPEG4标准的组成

6.2.3 MPEG4标准主要特征

6.3 MPEG7标准

6.3.1 MPEG7标准的目标

6.3.2 MPEG7标准的内容

6.3.3 MPEG7标准中的关键技术

6.4 MPEG21标准

6.4.1 MPEG21标准的目标

6.4.2 MPEG21标准框架的基本要素

6.5 MPEG7标准与图形描述

6.5.1 基于MPEG7的颜色描述子

6.5.2 基于MPEG7的纹理描述子

6.5.3 基于MPEG7的其他描述子

6.5.4 基于MPEG7的概述举例

本章小结

参考文献

第7章　本体的构建及推理

7.1 本体的定义及相关概念

7.1.1 本体的定义

7.1.2 本体的结

7.1.3 本体的作用

7.1.4 已有本体的简介

7.2 本体的分类

7.2.1 根据应用主题的分类

7.2.2 根据形式化程度的本体分类

7.2.3 根据研究层次的本体分类

7.3 本体的构建

7.3.1 本体构建的相关知识

7.3.2 本体的构建工具

7.3.3 本体的构建方法

7.4 概念格理论与本体的结合

7.5 模糊概念格的本体结束

7.5.1 融合MPEG7的模糊情感本体框架

7.5.2 模糊图像情感本体框架

7.5.3 模糊形式背景

7.5.4 模糊情感形式概念分析

7.6 本体推理

7.6.1 本体推理方法

7.6.2 模糊情感匹配规则算法

7.7 图像情感本体库构建实验及结果分析

7.7.1 实验数据

7.7.2 实验步骤及结果分析

本章小结

参考文献