《基於感性工學的圖像視覺複雜度情感感知研究》是依託山西大學，由郭小英擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於感性工學的圖像視覺複雜度情感感知研究
- 項目類別：青年科學基金項目
- 項目負責人：郭小英
- 依託單位：山西大學
項目摘要,結題摘要,
項目摘要
圖像複雜度建模是讓計算機模擬人類視覺感知，從而對圖像複雜度進行決策的研究，該研究屬於多學科交叉課題，對圖像工程領域（如圖像水印容量檢測、紅外圖像目標識別、人機互動、圖像美學評估等）具有重要意義。傳統的圖像複雜度算法只考慮圖像的空間頻率分布、直方圖等一些基本特徵，並未充分考慮人類視覺處理系統的感知機制。針對這些不足，項目從視覺感知機制出發，依據感性工學研究手段設計視覺感知實驗，採用眼動儀（Tobii T60）視覺跟蹤與調查問卷的方式進行實驗，研究圖像視覺複雜度感知的影響因素，分析各因素之間的內在聯繫及其與視覺複雜度的關係；設計特徵運算元量化表示影響因素，提取融合視覺感興趣區域的圖像整體和局部特徵；通過機器學習的分類問題與回歸問題，構建圖像低層圖像特徵到視覺複雜度（高層情感語義）之間的映射，建立圖像視覺複雜度等級分類模型與複雜度分數預測模型，賦予計算機相似於人眼視覺系統的圖像視覺複雜度感知能力。
結題摘要
視覺複雜度作為視覺感知的一個基本方面，對人類理解和感知視覺刺激具有重要意義，視覺複雜度的可計算化就是讓計算機模擬人類視覺感知，從而對視覺複雜度感知做出類似於人的決策。本研究以繪畫圖像為研究對象，以構建繪畫圖像視覺複雜度模型為目標。圖像視覺複雜度研究屬於多學科交叉課題，對圖像工程領域（如圖像水印容量檢測、紅外圖像目標識別、人機互動、圖像美學評估等）具有重要意義。項目主要從三個方面進行研究：（1）分析圖像視覺複雜度感知的影響因素；（2）設計特徵運算元量化表示影響因素並進行提取；（3）建立圖像視覺複雜度等級分類模型與複雜度分數預測模型。為了實現研究目標，項目首先從視覺感知機制出發，依據感性工學研究手段設計視覺感知實驗，分析了影響繪畫圖像視覺複雜性的因素，確定了影響人類視覺複雜度感知的主要因素：圖像布局、顏色和內容。其次，項目結合心理學和藝術理論中學習理論和經驗概念，設計出代表上述主要因素的29個全局特徵、局部特徵和顯著的區域特徵。在特徵提取過程中，項目對圖像的分割和顯著性區域提取也進行了研究。最後，項目通過機器學習的分類問題與回歸問題，構建圖像低層圖像特徵到視覺複雜度（高層情感語義）之間的映射，建立圖像視覺複雜度等級分類模型與複雜度分數預測模型。通過多種分類算法和回歸算法的比較，項目提出的隨機森林分類方法在預測繪畫圖像的視覺複雜度方面優於其他圖像複雜度測量方法。結果表明，該方法不僅能夠較好地評價圖像的視覺複雜度，還能夠較好地評價JenAesthetics數據集所涉及的繪畫圖像的審美質量、美感和色彩喜好。本研究有助於理解視覺刺激的視覺複雜性，並有助於從人類視覺感知系統中客觀地測量複雜性。在未來，課題組將重點擴大圖像資料庫，以增加我們提出的方法的穩健性，並將該方法擴展到其他套用。
