圖像情感語(yǔ)義分析技術(shù)

第1章　緒論
　1.1圖像語(yǔ)義提取技術(shù)與發(fā)展
　1.1.1圖像語(yǔ)義提取技術(shù)
　1.1.2圖像語(yǔ)義提取研究進(jìn)展
　1.2情感計(jì)算的產(chǎn)生與發(fā)展
　1.2.1情感計(jì)算的產(chǎn)生及研究?jī)?nèi)容
　1.2.2情感計(jì)算的研究進(jìn)展
　1.2.3情感計(jì)算的應(yīng)用
　1.3圖像特征和情感的關(guān)系
　1.3.1顏色與情感的對(duì)應(yīng)
　1.3.2紋理、形狀與情感的對(duì)應(yīng)
　1.3.3對(duì)象及感興趣區(qū)域與情感的對(duì)應(yīng)
　1.4腦科學(xué)與情感計(jì)算
　1.4.1腦科學(xué)
　1.4.2腦科學(xué)的主要研究手段
　1.4.3腦科學(xué)研究與情感計(jì)算的關(guān)系
　1.5本體與圖像特征的描述
　1.5.1MPEG標(biāo)準(zhǔn)與本體
　1.5.2本體的構(gòu)建
　本章　小結(jié)
　參考文獻(xiàn)
第2章　情感的認(rèn)知基礎(chǔ)
　2.1情緒、情感的關(guān)系
　2.1.1什么是情緒和情感
　2.1.2情緒和情感的區(qū)別和聯(lián)系
　2.2情感的范疇表示
　2.2.1基本情緒
　2.2.2復(fù)合情緒
　2.3情感的維度表述
　2.3.1情感的維度表示
　2.3.2PAD三維情感模型
　2.4情感的生理特征
　2.4.1面部表情與姿態(tài)
　2.4.2皮膚電反應(yīng)
　2.4.3循環(huán)系統(tǒng)
　2.4.4內(nèi)分泌系統(tǒng)
　2.4.5聲音與音調(diào)
　2.4.6呼吸
　2.4.7腦電反應(yīng)
　2.5情緒的內(nèi)在神經(jīng)機(jī)制
　2.5.1情緒的腦機(jī)制
　2.5.2情感的基本環(huán)路
　2.6從fMRI數(shù)據(jù)中解讀情緒狀態(tài)
　2.6.1fMRI基本原理
　2.6.2fMRI實(shí)驗(yàn)設(shè)計(jì)
　2.6.3fMRI數(shù)據(jù)采集
　2.6.4fMRI數(shù)據(jù)預(yù)處理
　2.6.5fMRI數(shù)據(jù)腦功能定位分析
　2.6.6基于fMRI數(shù)據(jù)解讀?緒狀態(tài)
　本章　小結(jié)
　參考文獻(xiàn)
第3章　情感模型
　3.1基于認(rèn)知的情感模型
　3.1.1OCC模型
　3.1.2Roseman模型
　3.1.3Scherer模型
　3.1.4非認(rèn)知的情感模型
　3.2基于概率的模型
　3.2.1隱馬爾可夫模型
　3.2.2隱馬爾可夫情感模型
　3.2.3狀態(tài)轉(zhuǎn)移概率矩陣的求取
　3.3多層情感模型
　3.3.1情感影響因素
　3.3.2情感預(yù)測(cè)系統(tǒng)
　3.3.3實(shí)驗(yàn)及結(jié)果分析
　3.4情感建模的應(yīng)用
　本章　小結(jié)
　參考文獻(xiàn)
第4章　圖像特征提取算法
　4.1顏色特征提取算法
　4.1.1顏色空間
　4.1.2顏色直方圖
　4.1.3顏色矩
　4.1.4顏色集
　4.1.5顏色相關(guān)圖          
　4.2紋理特征提取算法        
　4.2.1紋理特征和紋理分析
　4.2.2基于統(tǒng)計(jì)的方法              
　4.2.3基于結(jié)構(gòu)的方法      
　4.2.4基于頻譜的方法             
　4.3形狀特征提取算法
　4.3.1邊界描述         
　4.3.2區(qū)域描述     
　4.3.3幾何形狀描述
　4.4感興趣區(qū)域特征提取算法
　4.4.1基于拐點(diǎn)的方法
　4.4.2基于灰度變換的方法       
　4.4.3基于視覺(jué)注意的方法           
　4.4.4基于眼動(dòng)跟蹤的方法
　4.4.5權(quán)重的確定
　4.5圖像特征聚類及結(jié)果分析
　4.5.1實(shí)驗(yàn)數(shù)據(jù)
　4.5.2實(shí)驗(yàn)步驟及結(jié)果分析
　本章　小結(jié)
　參考文獻(xiàn)
第5章　圖像語(yǔ)義提取算法
　5.1徑向基概率神經(jīng)網(wǎng)絡(luò)算法
　5.1.1徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)
　5.1.2概率神經(jīng)網(wǎng)絡(luò)
　5.1.3徑向基概率神經(jīng)網(wǎng)絡(luò)
　5.1.4徑向基概率神經(jīng)網(wǎng)絡(luò)的應(yīng)用
　5.2自組織映射算法
　5.2.1自組織映射網(wǎng)絡(luò)
　5.2.2自組織映射算法
　5.2.3SOM網(wǎng)絡(luò)模型的應(yīng)用
?5.3支持向量機(jī)
　5.3.1基本思想
　5.3.2SVM多類分類方法
　5.3.3基于聚類的SVM多類分類方法
　5.3.4LFCM?SVM多類分類方法
　5.3.5LFCM?SVM圖像語(yǔ)義映射
　5.3.6圖像情感語(yǔ)義映射
　5.4有判定的極小極大規(guī)則學(xué)習(xí)算法
　5.4.1極小極大規(guī)則學(xué)習(xí)方法
　5.4.2有判定的極小極大規(guī)則學(xué)習(xí)算法
　5.4.3規(guī)則抽取及簡(jiǎn)化的實(shí)現(xiàn)
　本章　小結(jié)
　參考文獻(xiàn)
第6章　多媒體信息的描述標(biāo)準(zhǔn)（MPEG標(biāo)準(zhǔn)）
　6.1MPEG?1標(biāo)準(zhǔn)與MPEG?2標(biāo)準(zhǔn)
　6.1.1MPEG?1標(biāo)準(zhǔn)
　6.1.2MPEG?2標(biāo)準(zhǔn)
　6.2MPEG?4標(biāo)準(zhǔn)
　6.2.1MPEG?4標(biāo)準(zhǔn)的目標(biāo)
　6.2.2MPEG?4標(biāo)準(zhǔn)的組成
　6.2.3MPEG?4標(biāo)準(zhǔn)主要特征
　6.3MPEG?7標(biāo)準(zhǔn)
　6.3.1MPEG?7標(biāo)準(zhǔn)的目標(biāo)
　6.3.2MPEG?7標(biāo)準(zhǔn)的內(nèi)容
　6.3.3MPEG?7標(biāo)準(zhǔn)中的關(guān)鍵技術(shù)
　6.4MPEG?21標(biāo)準(zhǔn)
　6.4.1MPEG?21標(biāo)準(zhǔn)的目標(biāo)
　6.4.2MPEG?21標(biāo)準(zhǔn)框架的基本要素
　6.5MPEG?7標(biāo)準(zhǔn)與圖形描述
　6.5.1基于MPEG?7的顏色描述子
　6.5.2基于MPEG?7的紋理描述子
　6.5.3基于MPEG?7的其他描述子
　6.5.4基于MPEG?7的?述舉例
　本章　小結(jié)
　參考文獻(xiàn)
第7章　本體的構(gòu)建及推理
　7.1本體的定義及相關(guān)概念
　7.1.1本體的定義
　7.1.2本體的結(jié)
　7.1.3本體的作用
　7.1.4已有本體的簡(jiǎn)介
　7.2本體的分類
　7.2.1根據(jù)應(yīng)用主題的分類
　7.2.2根據(jù)形式化程度的本體分類
　7.2.3根據(jù)研究層次的本體分類
　7.3本體的構(gòu)建
　7.3.1本體構(gòu)建的相關(guān)知識(shí)
　7.3.2本體的構(gòu)建工具
　7.3.3本體的構(gòu)建方法
　7.4概念格理論與本體的結(jié)合
　7.5模糊概念格的本體?束
　7.5.1融合MPEG?7的模糊情感本體框架
　7.5.2模糊圖像情感本體框架
　7.5.3模糊形式背景
　7.5.4模糊情感形式概念分析
　7.6本體推理
　7.6.1本體推理方法
　7.6.2模糊情感匹配規(guī)則算法
　7.7圖像情感本體庫(kù)構(gòu)建實(shí)驗(yàn)及結(jié)果分析
　7.7.1實(shí)驗(yàn)數(shù)據(jù)
　7.7.2實(shí)驗(yàn)步驟及結(jié)果分析
　本章　小結(jié)
　參考文獻(xiàn)