1、隨著多媒體技術(shù)、互聯(lián)網(wǎng)技術(shù)以及社交網(wǎng)絡(luò)的迅速發(fā)展，人們可以訪問(wèn)的信息資源空前豐富。圖像數(shù)據(jù)因其形象直觀、蘊(yùn)含信息綜合性強(qiáng)等特點(diǎn)，應(yīng)用領(lǐng)域逐漸增多，其數(shù)量更是以驚人的速度增長(zhǎng)。但由于圖像數(shù)據(jù)本身的結(jié)構(gòu)復(fù)雜性、蘊(yùn)含信息的多樣性以及時(shí)空的多維性，導(dǎo)致有效的組織和管理大規(guī)模圖像數(shù)據(jù)、快速的檢索用戶需求的圖像成為學(xué)術(shù)界的研究熱點(diǎn)。為此，圖像的情感語(yǔ)義分析和檢索技術(shù)應(yīng)運(yùn)而生，它綜合人工智能、計(jì)算機(jī)視覺(jué)、模式識(shí)別、心理學(xué)以及數(shù)據(jù)庫(kù)管理等領(lǐng)域的相關(guān)知識(shí)

2、，對(duì)圖像數(shù)據(jù)蘊(yùn)含的高層情感語(yǔ)義進(jìn)行分析，旨在獲得圖像蘊(yùn)含的內(nèi)在情感語(yǔ)義信息，建立實(shí)用性強(qiáng)的圖像檢索系統(tǒng)。因此，對(duì)圖像進(jìn)行情感語(yǔ)義分析和高效檢索技術(shù)的研究有著廣闊的應(yīng)用前景和實(shí)用價(jià)值。
　　本文以場(chǎng)景圖像為研究對(duì)象，對(duì)SUN Database數(shù)據(jù)庫(kù)中的各類場(chǎng)景圖像進(jìn)行有針對(duì)性的情感語(yǔ)義分析和檢索方法研究:從建立開(kāi)放行為學(xué)實(shí)驗(yàn)環(huán)境下的場(chǎng)景圖像情感語(yǔ)義數(shù)據(jù)獲取平臺(tái)開(kāi)始，選擇并改進(jìn)了OCC情感模型，分析了場(chǎng)景圖像語(yǔ)義理解方面存在的語(yǔ)義模糊

3、性問(wèn)題，采用粒子群(PSO)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，并由Adaboost算法組合15個(gè)BP神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，構(gòu)建強(qiáng)預(yù)測(cè)器，對(duì)場(chǎng)景圖像的情感語(yǔ)義類別進(jìn)行預(yù)測(cè)，搭建了適合大數(shù)據(jù)處理的基于MapReduce并行編程模型的場(chǎng)景圖像檢索平臺(tái)，系統(tǒng)地研究了場(chǎng)景圖像的情感語(yǔ)義分析和檢索方法。主要成果及創(chuàng)新點(diǎn)如下:
　　(1)針對(duì)人們?cè)诶斫鈭D像時(shí)存在的語(yǔ)義模糊性問(wèn)題，本文提出了基于模糊理論的場(chǎng)景圖像情感語(yǔ)義自動(dòng)標(biāo)注方法。通過(guò)選擇OCC

4、情感模型中與場(chǎng)景圖像情感語(yǔ)義相關(guān)性較強(qiáng)的10個(gè)情感詞作為基本情感值，本文又定義了3個(gè)隸屬變量{非常，中性，幾乎不}來(lái)描述人們對(duì)場(chǎng)景圖像理解的情感程度，采用基于權(quán)重的不規(guī)則分塊方法提取了場(chǎng)景圖像的顏色視覺(jué)特征，并使用T-S模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行語(yǔ)義特征映射，實(shí)現(xiàn)了用基本情感值和模糊隸屬度對(duì)場(chǎng)景圖像情感語(yǔ)義的自動(dòng)標(biāo)注，實(shí)驗(yàn)驗(yàn)證了不同用戶對(duì)同一場(chǎng)景圖像的情感理解方向是一致的，但理解的深淺程度有所差異。
　　(2)改進(jìn)了OCC情感模型，提出了融

5、合情緒、性格因素等認(rèn)知因素的改進(jìn)的OCC情感建模方法。本文使用維度觀測(cè)量（PAD）模型描述人的情緒因素，得到OCC情感詞與P、A、D各維度值的映射矩陣，使用五因素模型(FFM)模型描述人的性格，將性格分為五大類，再得到性格與情緒的映射矩陣，最后利用得到的兩個(gè)映射矩陣將OCC情感模型量化，最終得到了融合情緒、性格因素的OCC情感量化模型。
　　(3)為提高對(duì)未知場(chǎng)景圖像情感語(yǔ)義類別的預(yù)測(cè)精度，提出了基于Adaboost-PSO-BP

6、神經(jīng)網(wǎng)絡(luò)的場(chǎng)景圖像情感語(yǔ)義類別預(yù)測(cè)算法。本文應(yīng)用改進(jìn)的融合情緒、性格因素的OCC情感建模方法提取場(chǎng)景圖像的情感語(yǔ)義特征向量，使用粒子群(PSO)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閡值，將優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)作為弱預(yù)測(cè)器，用Adaboost算法組合15個(gè)BP神經(jīng)網(wǎng)絡(luò)弱預(yù)測(cè)器的輸出構(gòu)建強(qiáng)預(yù)測(cè)器，有效的提高了場(chǎng)景圖像情感語(yǔ)義類別的預(yù)測(cè)精度。
　　(4)針對(duì)大規(guī)模場(chǎng)景圖像數(shù)據(jù)，為實(shí)現(xiàn)高效檢索，提出了一種基于MapReduce并行編程模型的場(chǎng)景圖

7、像檢索方案。本文設(shè)計(jì)了Hadoop集群并行處理架構(gòu)下，大規(guī)模場(chǎng)景圖像的并行存儲(chǔ)和檢索方法，將Mahout環(huán)境下分布式Mean Shift算法應(yīng)用于場(chǎng)景圖像的特征聚類中，實(shí)現(xiàn)特征并行聚類和匹配，提高檢索性能。實(shí)驗(yàn)從檢索準(zhǔn)確率、加速比與效率、數(shù)據(jù)伸縮率等方面驗(yàn)證了提出的分布式并行檢索方法的高效性。
　　本文圍繞場(chǎng)景圖像的情感語(yǔ)義理解展開(kāi)研究，從情感語(yǔ)義數(shù)據(jù)的獲取、自動(dòng)標(biāo)注、情感語(yǔ)義類別的預(yù)測(cè)以及大規(guī)模場(chǎng)景圖像數(shù)據(jù)的高效檢索等方面進(jìn)行了