| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-13页 |
| 1.1.1 图像情感语义研究的产生 | 第9-10页 |
| 1.1.2 图像情感语义的研究工作及应用 | 第10-11页 |
| 1.1.3 云南版画与图像情感语义研究的结合 | 第11-13页 |
| 1.2 论文内容介绍 | 第13-17页 |
| 第二章 图像情感分析概述 | 第17-25页 |
| 2.1 情感的认知基础 | 第17-18页 |
| 2.1.1 情绪与情感的关系 | 第17-18页 |
| 2.1.2 基本情绪 | 第18页 |
| 2.2 图像与情感 | 第18-23页 |
| 2.2.1 颜色与情感 | 第18-21页 |
| 2.2.2 纹理、形状与情感 | 第21-23页 |
| 2.3 情感模型 | 第23页 |
| 2.4 图像特征到情感语义的映射 | 第23-24页 |
| 2.5 版画情感的表达 | 第24页 |
| 2.6 小结 | 第24-25页 |
| 第三章 图像特征提取 | 第25-43页 |
| 3.1 图像颜色特征提取 | 第25-37页 |
| 3.1.1 颜色空间 | 第25-28页 |
| 3.1.1.1 RGB颜色空间 | 第25-26页 |
| 3.1.1.2 HSV颜色空间 | 第26-27页 |
| 3.1.1.3 OHTA颜色空间 | 第27-28页 |
| 3.1.2 颜色空间的比较和相互转化 | 第28-29页 |
| 3.1.3 颜色直方图 | 第29-31页 |
| 3.1.3.1 全局直方图 | 第29-30页 |
| 3.1.3.2 累积颜色直方图 | 第30-31页 |
| 3.1.3.3 主色调直方图 | 第31页 |
| 3.1.4 图像颜色特征的量化 | 第31-37页 |
| 3.2 图像纹理特征提取 | 第37-42页 |
| 3.2.1 纹理特征 | 第37页 |
| 3.2.2 纹理分析 | 第37-38页 |
| 3.2.3 边缘直方图 | 第38-41页 |
| 3.2.4 图像纹理特征的提取方法 | 第41-42页 |
| 3.3 小结 | 第42-43页 |
| 第四章 支持向量机与聚类分析技术 | 第43-57页 |
| 4.1 SVM基本思想 | 第43页 |
| 4.2 SVM二分类方法 | 第43-50页 |
| 4.2.1 线性分类 | 第43-47页 |
| 4.2.1.1 最优超平面 | 第44-46页 |
| 4.2.1.2 线性分类器 | 第46-47页 |
| 4.2.2 非线性分类 | 第47-50页 |
| 4.3 SVM多类分类方法 | 第50-52页 |
| 4.3.1 o ne-against-one(1-a-l) | 第50页 |
| 4.3.2 one-against-rest(1-a-r) | 第50-51页 |
| 4.3.3 叉树算法 | 第51-52页 |
| 4.4 基于聚类的SVM多分类方法(FCM-SVM) | 第52-54页 |
| 4.4.1 基本原理 | 第52-53页 |
| 4.4.2 应用分析 | 第53-54页 |
| 4.5 基于聚类分析的SVM与LDA融合分类方法(LFCM-SVM) | 第54-56页 |
| 4.5.1 LDA原理 | 第54-55页 |
| 4.5.2 应用分析 | 第55-56页 |
| 4.6 小结 | 第56-57页 |
| 第五章 实验成果 | 第57-71页 |
| 5.1 版画情感语义映射 | 第57-61页 |
| 5.1.1 实现流程 | 第57-58页 |
| 5.1.2 算法描述 | 第58-59页 |
| 5.1.3 实验平台与实验工具 | 第59页 |
| 5.1.4 图像选择 | 第59-60页 |
| 5.1.5 具体实现 | 第60-61页 |
| 5.2 版画情感映射改进算法的实验结果 | 第61-69页 |
| 5.2.1 实验模糊化—设置阈值η | 第61-62页 |
| 5.2.2 实验结果评测标准 | 第62页 |
| 5.2.3 实验实现及结果 | 第62-64页 |
| 5.2.4 颜色特征识别的实验结果比较 | 第64-66页 |
| 5.2.5 纹理特征识别的实验结果比较 | 第66-68页 |
| 5.2.6 LFCM-SVM与FCM-SVM的比较 | 第68-69页 |
| 5.3 实验分析 | 第69-70页 |
| 5.4 小结 | 第70-71页 |
| 第六章 论文总结 | 第71-73页 |
| 附录 | 第73-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
