[发明专利]一种基于融合特征的旗袍图像情感语义识别方法有效

专利信息
申请号: 201710249365.1 申请日: 2017-04-17
公开(公告)号: CN107169508B 公开(公告)日: 2020-08-25
发明(设计)人: 胡更生;秦梓轩;楼苏迪;陈梅 申请(专利权)人: 杭州电子科技大学
主分类号: G06K9/62 分类号: G06K9/62;G06K9/46;G06K9/40;G06K9/34;G06T5/30
代理公司: 杭州君度专利代理事务所(特殊普通合伙) 33240 代理人: 杜军
地址: 310018 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 融合 特征 旗袍 图像 情感 语义 识别 方法
【说明书】:

发明公开一种基于融合特征的旗袍图像情感语义识别方法。该方法通过选择具有代表性的适合描述旗袍图像的形容词,提取旗袍图像的颜色和纹理特征,进行特征融合,然后进行图像情感语义学习,用训练出来的情感模型对图像进行情感识别。本发明方法结合颜色和纹理的融合特征,用机器学习方法建立起从旗袍图像底层特征到高层语义的情感语义的映射,构建了旗袍图像情感语义分类模型,实现了对旗袍图像的情感识别。该方法易于实现,具有较高的情感识别准确率。

技术领域

本发明涉及一种基于融合特征的旗袍图像情感语义识别方法,尤其涉及一种融合颜色和纹理特征的旗袍图像情感语义识别方法。

背景技术

人对一幅图像的感知和理解是在语义层次上的,且带有主观性。已有许多研究表明,不同的图像可以唤起人类不同的情感。但目前的图像处理和应用大多忽略了情感的影响和作用。对于服装图像而言,任何一件或一款服装都可以给人带来某种情感感受,有的服装让人感觉高贵,有的让人感觉清新。目前对服装图像的研究大都集中在物体识别方面,从情感语义的角度对服装图像进行研究的比较少。而对于旗袍图像的情感语义研究是尤其少数的。

发明内容

本发明的目的是针对现有方法的不足,提供一种基于特征融合的旗袍图像情感语义识别方法。该方法通过选择具有代表性的适合描述旗袍图像的形容词,提取旗袍图像的颜色和纹理特征,进行特征融合,然后进行图像情感语义学习,用训练出来的情感模型对图像进行情感识别。

本发明方法的技术方案分为图像情感空间及特征空间建立和图像情感语义学习及识别两个过程进行,具体内容如下:

步骤一.形容词选择及情感数据收集:

1.1从30个针对服装图片的形容词中,选出其中具有代表性的一组形容词(古朴沉稳、高贵典雅、温婉浪漫、素净清新)来描述旗袍;

1.2收集n(n350)张旗袍图片,图片均为纯色背景;

1.3将步骤1.2中的图片分组,受测者对一组图片用步骤1.1中的形容词进行风格评价。将形容词组分别用1,2,3,4表示,其中1表示“古朴沉稳”服装,2表示“高贵典雅”服装,3表示“温婉浪漫”服装,4表示“素净清新”服装。将共同被评价的旗袍图片挑选出来,而去除其中风格模糊不清的图片,由此,每张图片分别对应了一种情感,得到最终的情感数据Q,其中Q为一组m(m≤n)×1的数据;

步骤二.图像预处理:

2.1对图像进行特征提取前,首先将步骤1.3中保存的图像进行图像缩放变换,得到尺寸为W×H的图像,其中图像缩放变换采用双三次插值方法,采用双三次内插基函数作为基函数,双三次插值计算按公式(1)进行:

f(i+u,j+v)=ABC (1)

其中,A、B、C均为矩阵,形式如下:

A=[s(v+1) s(v) s(1-v) s(2-v)],

(i,j):原图像的像素坐标,其中,i为横坐标值,j为纵坐标值,i、j均为非负整数;

f(i,j):原图像的像素灰度值;

u:目的像素的周围像素沿横坐标方向离目的像素的距离;

v:目的像素的周围像素沿纵坐标方向离目的像素的距离;

(i+u,j+v):缩放变换后新图像的像素坐标;

f(i+u,j+v):缩放变换后新图像的像素灰度值;

|x|:图像像素沿x方向离原点的距离;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710249365.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top