基于圖像特征提取與感性工學的公寓自選人機系統(tǒng)設計

摘 要：本研究結合感性工學語義量化（SD）方法，挑選用戶公寓樣本圖片，通過調(diào)查問卷得出11對感性意象詞匯，對他們進行等級評價，整理數(shù)據(jù)，采用因子分析法建立情感空間，然后提取樣本圖片的基礎特征，顏色特征采用顏色直方圖法，而圖片形狀分析則采用Canny算子邊緣檢測算法。再通過BP神經(jīng)網(wǎng)絡方法映射圖像特征與用戶感性詞匯之間的關系，最后組合實現(xiàn)了用戶自選公寓人機交互系統(tǒng)。該系統(tǒng)致力于實現(xiàn)人機交流，對人機交互的發(fā)展有一定意義。

關鍵詞：圖像特征提?。蝗藱C交互系統(tǒng)；BP神經(jīng)網(wǎng)絡；Canny邊緣檢測算法

中圖分類號：TP391

在感性消費的社會里，情感與體驗等無形的因素逐漸變成衡量人生活品質(zhì)的關鍵要素，在這樣的背景下，公寓作為人的生理心理雙重港灣，更是不得不考慮住戶的感性需求。如何能夠?qū)崿F(xiàn)用戶只通過表達自己的情感就找到符合自己需求的公寓圖片呢？本文設計了一個自選公寓人機系統(tǒng)，使得用戶能方便快捷地獲得符合自己情感需求的公寓圖片，并進行選擇。

1 感性空間

感性空間的建立主要有下面幾個步驟：一是搜集挑選用戶對于公寓圖片的心理感覺形容詞對；二是挑選用戶進行問卷調(diào)查，利用感性工學語義量化（SD）方法，建立用戶情感認知空間；三是對多維情感認知空間進行多元分析，簡化情感空間的維數(shù)。一和二屬于調(diào)查階段，三屬于分析階段。

1.1 調(diào)查階段

首先挑選了11對感覺形容詞，再加上一對反映用戶喜好的形容詞，喜歡和不喜歡，共計十二對：喜歡的——不喜歡的，寬廣的——狹窄的，溫馨的——清冷的，協(xié)調(diào)的——不協(xié)調(diào)的，整齊的——雜亂的，優(yōu)雅的——不優(yōu)雅的，明亮的——陰冷的，舒適的——不舒適的，柔和的——剛硬的，現(xiàn)代的——傳統(tǒng)的，簡約的——復雜的，放松的——緊張的。

選取200幅公寓圖片，針對上述十二對形容詞，邀請120名用戶進行等級評價。評價分為五個等級，例如圖1的形容詞對寬廣的——狹窄的，1、2、3、4、5分別表示非常寬廣的，有些寬廣的，中性，既不寬廣也不狹窄的，有些狹窄的，非常狹窄的。

圖1 五級評價

這樣就得到最終的結果模型，也即用戶感性數(shù)據(jù)庫，可描述為：A= ，其中akij為第k個用戶對第i個公寓圖片的第j個感性詞匯對的等級評價，K=120，I=200，J=12，i=1，2，…，I，j=1，2，…，J。

1.2 分析階段

因子分析的思想是將眾多變量之間的內(nèi)部關系簡化成用少數(shù)幾個公共變量來描述，一般假設某一樣本變量由所有變量均有的公共因子和自己獨有的特殊因子兩部分組成，因子分析的數(shù)學模型為：

X=B F+ε， （1）

（i*j）（i*m） （m*j） （i*j）

其中X為i個原變量j個評價標準的i維矩陣，B為因子載荷矩陣，F(xiàn)為m維的公共因子變量矩陣，ε為特殊因子矩陣，因子載荷矩陣是各個原始變量的因子表達式的系數(shù)，表達提取的公共因子對原始變量的影響程度。

對于上述感性數(shù)據(jù)庫A，由于akij為第k個用戶對第i個公寓圖片的第j個感性詞匯對的等級評價，于是可求得所有用戶對第i個公寓圖片的第j個感性詞匯對的等級評價，進而可得到一個均值意象評分矩陣A′，A′= ，對該均值意象評分矩陣利用（1）式進行分析，可得到一個m維公共因子矩陣，也即將原感性空間從i維降到m維，并可得形容詞在該感性空間的坐標。

2 情感客戶模型

建立情感客戶模型即建立圖像特征空間到用戶情感空間的一個映射，為此，需要先對公寓樣本圖片進行特征提取。

2.1 公寓設計樣本圖片特征提取

2.1.1 圖片顏色特征提取

顏色特征采用顏色直方圖法表示，顏色直方圖可以是基于不同的顏色空間和坐標系。大部分的數(shù)字圖像都是用RGB顏色空間表達的，然而為了更接近于人們對顏色的主觀認識，首先將RGB顏色空間轉(zhuǎn)換到HSV顏色空間，其轉(zhuǎn)換公式具體為下面（2）、（3）、（4）式：

（2）

（3）

（4）

其中 。再將HSV顏色模型進行顏色量化，最后計算得到顏色直方圖。

2.1.2 圖片形狀特征提取

本文選擇Canny算子邊緣檢測算法對圖片形狀分析，首先對圖像按（5）式灰度化；接著用高斯濾波器平滑濾波，濾波器高斯函數(shù)為（6）式，即是根據(jù)待濾波的像素點及其鄰域點的灰度值按照一定的參數(shù)規(guī)則進行加權平均，這樣可以有效濾去圖像中的高頻噪聲；之后計算圖像灰梯度的幅值和方向，并對灰度幅值進行非極大值抑制，即尋找像素點局部最大值，將非極大值點所對應的灰度值置為0，這樣可以剔除一大部分非邊緣的點；剩下的也不都是邊緣點，為了減少假邊緣，采用雙閾值法，選擇相對高低兩個閾值，由高閾值可以得到一個邊緣圖像，由于閾值較高，這樣圖像就含有很少假邊緣，但是產(chǎn)生的圖像邊緣可能有間斷，因此又采用了一個低閾值，將高闕值得到的邊緣連接成輪廓，在到達輪廓的斷點時，選擇低闕值直到邊緣能夠閉合為止；之后采用Hu不變矩對提取出來的輪廓進行特征提取。

Gray=0.299R+0.587G+0.114B （5）

（6）

2.2 建立情感模型

本文采取的是BP神經(jīng)網(wǎng)絡方法，通過神經(jīng)網(wǎng)絡學習圖像特征與用戶感性詞匯之間的關系，結構圖如下：

圖2 BP神經(jīng)網(wǎng)絡結構圖

輸入層維數(shù)為基本顏色的個數(shù)，輸出層維數(shù)為感性詞匯的個數(shù)。我們選擇200幅公寓圖片作為BP神經(jīng)網(wǎng)絡的訓練圖，邀請20位用戶對這些圖像進行情感標注，挑選出代表性詞匯，假設我們得到的詞匯空間為溫馨，清冷，簡約，古典，恬淡，高貴，輕快，優(yōu)雅，分別用（10000000），（01000000）…（00000001）一一對應表示，之后提取圖片的顏色特征，得到十二種基本顏色特征，紅橙黃綠青藍紫褐灰粉黑白，分別用（100000000000），（010000000000）…（000000000001）一一對應表示，這樣就得到神經(jīng)網(wǎng)絡的訓練集。輸入層與輸出層之間隱含層的作用是根據(jù)訓練樣本，學習提取并儲存其內(nèi)在規(guī)律。對于隱含層節(jié)點來說，確定其最佳數(shù)目的常用方法是試湊法，一般以式（7）作為試湊法的初始值：

（7）

式中m為隱層節(jié)點個數(shù)，n為輸入層節(jié)點個數(shù)，l為輸出層節(jié)點個數(shù)，a為1-10之間的常數(shù)。完成訓練后，就可以將訓練樣本以外的數(shù)據(jù)輸入到網(wǎng)絡中，判斷網(wǎng)絡的預測能力。

3 客戶自選公寓設計人機系統(tǒng)

圖3給出了該人機系統(tǒng)的框圖，圖4給出了用戶自選流程，用戶可以對顯示的圖片進行選擇，文中選取的是200幅公寓圖片，但系統(tǒng)圖片庫中遠遠超過這個數(shù)目，而且系統(tǒng)管理人員會及時更新圖片庫，所以要求系統(tǒng)能夠?qū)Ω碌膱D片進行感性注釋，當用戶輸入的是系統(tǒng)形容詞庫中所沒有的形容詞時，系統(tǒng)能夠進行訓練學習，找到其感性空間中對應坐標，并且系統(tǒng)可以該形容詞匯自動記憶并加入感性形容詞庫。

圖3 客戶自選公寓人機系統(tǒng)框圖 圖4 用戶自選公寓流程

4 實驗及分析

本文共選取了200幅公寓圖片，邀請用戶對圖片進行評價和量化，形成情感數(shù)據(jù)庫，當用戶提出形容詞配對自選公寓時，從圖片庫中找出符合條件的樣本，并顯示出來。圖5為“清冷的”顯示結果。實驗中用戶感覺較好。

圖5 自助公寓系統(tǒng)獲取圖像

5 結束語

本文將感性工學方法與圖像特征提取相結合用于設計人機系統(tǒng)，研究出一種情感模型，通過神經(jīng)網(wǎng)絡方法，使得圖片的特征空間可以映射到客戶情感空間，從而完成了自選公寓系統(tǒng)最重要的部分，致力于實現(xiàn)人機之間的和諧交流。在公寓樣本圖像的分析這個問題上，包括圖像選取是否涵蓋所有類型，包括怎樣使提取的特征更準確代表圖像，比如有的學者將圖像的全局顏色特征和局部特征相結合，等等，未來研究中可以著重這些方面，進一步完善。

參考文獻：

[1]黃崑，賴茂生.圖像情感特征的分類與提取[J].計算機應用，2008（03）.

[2]許彧青，陳坤，彭兆元.基于感性工學的消費者需求分析[J].設計藝術研究，2012（03）.

[3]汪霞，張曉如，馮成.基于顏色、形狀的情感圖像檢索[J].科學技術與工程，2009（11）.

[4]薛雨麗，毛峽，張帆.BHU人臉表情數(shù)據(jù)庫的設計與實現(xiàn)[J]，2007（02）.

[5]Akiya Inoue，Takeshi Kurosawa，Motoi Iwashita，Ken Nishimatsu.Customer Choice-Behavior Modeling Applied to Kansei Engineering.2011 International Conference on Biometrics and Kansei Engineering.

[6]湯凌潔.感性工學方法之考察[D].南京藝術學院，2008：21-39.

[7]蘇建寧，李鶴歧.應用數(shù)量化一類理論的感性意象與造型設計要素關系的研究[J].蘭州理工大學學報，2005（02）.

[8]柯惠新，黃京華，沈浩.調(diào)查研究中的統(tǒng)計分析法[M].北京：北京廣播學院出版社，1999.

[9]靳清澤.基于神經(jīng)網(wǎng)絡的圖像特征和情感映射規(guī)則的研究[D].太原理工大學，2012.

[10]李清勇，胡宏，施智平.基于紋理語義特征的圖像檢索研究[J].計算機學報，2006（01）.

[11]李海芳，柳凌燕，陳俊杰.基于免疫規(guī)劃的神經(jīng)網(wǎng)絡規(guī)則抽取算法[J].電腦開發(fā)與應用，2010（07）.

[12]劉紅巖，陳劍，陳國青.數(shù)據(jù)挖掘中數(shù)據(jù)分類算法綜述[J].清華大學學報（自然科學版），2002（06）：727-730.

[13]王上飛，陳恩紅，王勝惠.基于情感模型的感性圖像檢索[J].電路與系統(tǒng)學報，2003（06）.

作者簡介：陳夢倩（1988-），女，江蘇大豐人，研究生在讀，研究方向：數(shù)字媒體技術；通信作者：張建敏（1976-），女，回族，貴州人，副教授，碩士，研究方向：數(shù)字媒體技術。

作者單位：貴州大學電子信息學院，貴陽 550003