基于图像特征提取与感性工学的公寓自选人机系统设计

摘 要：本研究结合感性工学语义量化（SD）方法，挑选用户公寓样本图片，通过调查问卷得出11对感性意象词汇，对他们进行等级评价，整理数据，采用因子分析法建立情感空间，然后提取样本图片的基础特征，颜色特征采用颜色直方图法，而图片形状分析则采用Canny算子边缘检测算法。再通过BP神经网络方法映射图像特征与用户感性词汇之间的关系，最后组合实现了用户自选公寓人机交互系统。该系统致力于实现人机交流，对人机交互的发展有一定意义。

关键词：图像特征提取；人机交互系统；BP神经网络；Canny边缘检测算法

中图分类号：TP391

在感性消费的社会里，情感与体验等无形的因素逐渐变成衡量人生活品质的关键要素，在这样的背景下，公寓作为人的生理心理双重港湾，更是不得不考虑住户的感性需求。如何能够实现用户只通过表达自己的情感就找到符合自己需求的公寓图片呢？本文设计了一个自选公寓人机系统，使得用户能方便快捷地获得符合自己情感需求的公寓图片，并进行选择。

1 感性空间

感性空间的建立主要有下面几个步骤：一是搜集挑选用户对于公寓图片的心理感觉形容词对；二是挑选用户进行问卷调查，利用感性工学语义量化（SD）方法，建立用户情感认知空间；三是对多维情感认知空间进行多元分析，简化情感空间的维数。一和二属于调查阶段，三属于分析阶段。

1.1 调查阶段

首先挑选了11对感觉形容词，再加上一对反映用户喜好的形容词，喜欢和不喜欢，共计十二对：喜欢的――不喜欢的，宽广的――狭窄的，温馨的――清冷的，协调的――不协调的，整齐的――杂乱的，优雅的――不优雅的，明亮的――阴冷的，舒适的――不舒适的，柔和的――刚硬的，现代的――传统的，简约的――复杂的，放松的――紧张的。

选取200幅公寓图片，针对上述十二对形容词，邀请120名用户进行等级评价。评价分为五个等级，例如图1的形容词对宽广的――狭窄的，1、2、3、4、5分别表示非常宽广的，有些宽广的，中性，既不宽广也不狭窄的，有些狭窄的，非常狭窄的。

图1 五级评价

这样就得到最终的结果模型，也即用户感性数据库，可描述为：A= ，其中akij为第k个用户对第i个公寓图片的第j个感性词汇对的等级评价，K=120，I=200，J=12，i=1，2，…，I，j=1，2，…，J。

1.2 分析阶段

因子分析的思想是将众多变量之间的内部关系简化成用少数几个公共变量来描述，一般假设某一样本变量由所有变量均有的公共因子和自己独有的特殊因子两部分组成，因子分析的数学模型为：

X=B F+ε， （1）

（i*j）（i*m） （m*j） （i*j）

其中X为i个原变量j个评价标准的i维矩阵，B为因子载荷矩阵，F为m维的公共因子变量矩阵，ε为特殊因子矩阵，因子载荷矩阵是各个原始变量的因子表达式的系数，表达提取的公共因子对原始变量的影响程度。

对于上述感性数据库A，由于akij为第k个用户对第i个公寓图片的第j个感性词汇对的等级评价，于是可求得所有用户对第i个公寓图片的第j个感性词汇对的等级评价，进而可得到一个均值意象评分矩阵A′，A′= ，对该均值意象评分矩阵利用（1）式进行分析，可得到一个m维公共因子矩阵，也即将原感性空间从i维降到m维，并可得形容词在该感性空间的坐标。

2 情感客户模型

建立情感客户模型即建立图像特征空间到用户情感空间的一个映射，为此，需要先对公寓样本图片进行特征提取。

2.1 公寓设计样本图片特征提取

2.1.1 图片颜色特征提取

颜色特征采用颜色直方图法表示，颜色直方图可以是基于不同的颜色空间和坐标系。大部分的数字图像都是用RGB颜色空间表达的，然而为了更接近于人们对颜色的主观认识，首先将RGB颜色空间转换到HSV颜色空间，其转换公式具体为下面（2）、（3）、（4）式：

（2）

（3）

（4）

其中 。再将HSV颜色模型进行颜色量化，最后计算得到颜色直方图。

2.1.2 图片形状特征提取

本文选择Canny算子边缘检测算法对图片形状分析，首先对图像按（5）式灰度化；接着用高斯滤波器平滑滤波，滤波器高斯函数为（6）式，即是根据待滤波的像素点及其邻域点的灰度值按照一定的参数规则进行加权平均，这样可以有效滤去图像中的高频噪声；之后计算图像灰梯度的幅值和方向，并对灰度幅值进行非极大值抑制，即寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除一大部分非边缘的点；剩下的也不都是边缘点，为了减少假边缘，采用双阈值法，选择相对高低两个阈值，由高阈值可以得到一个边缘图像，由于阈值较高，这样图像就含有很少假边缘，但是产生的图像边缘可能有间断，因此又采用了一个低阈值，将高阙值得到的边缘连接成轮廓，在到达轮廓的断点时，选择低阙值直到边缘能够闭合为止；之后采用Hu不变矩对提取出来的轮廓进行特征提取。

Gray=0.299R+0.587G+0.114B （5）

（6）

2.2 建立情感模型

本文采取的是BP神经网络方法，通过神经网络学习图像特征与用户感性词汇之间的关系，结构图如下：

图2 BP神经网络结构图

输入层维数为基本颜色的个数，输出层维数为感性词汇的个数。我们选择200幅公寓图片作为BP神经网络的训练图，邀请20位用户对这些图像进行情感标注，挑选出代表性词汇，假设我们得到的词汇空间为温馨，清冷，简约，古典，恬淡，高贵，轻快，优雅，分别用（10000000），（01000000）…（00000001）一一对应表示，之后提取图片的颜色特征，得到十二种基本颜色特征，红橙黄绿青蓝紫褐灰粉黑白，分别用（100000000000），（010000000000）…（000000000001）一一对应表示，这样就得到神经网络的训练集。输入层与输出层之间隐含层的作用是根据训练样本，学习提取并储存其内在规律。对于隐含层节点来说，确定其最佳数目的常用方法是试凑法，一般以式（7）作为试凑法的初始值：

（7）

式中m为隐层节点个数，n为输入层节点个数，l为输出层节点个数，a为1-10之间的常数。完成训练后，就可以将训练样本以外的数据输入到网络中，判断网络的预测能力。

3 客户自选公寓设计人机系统

图3给出了该人机系统的框图，图4给出了用户自选流程，用户可以对显示的图片进行选择，文中选取的是200幅公寓图片，但系统图片库中远远超过这个数目，而且系统管理人员会及时更新图片库，所以要求系统能够对更新的图片进行感性注释，当用户输入的是系统形容词库中所没有的形容词时，系统能够进行训练学习，找到其感性空间中对应坐标，并且系统可以该形容词汇自动记忆并加入感性形容词库。

图3 客户自选公寓人机系统框图 图4 用户自选公寓流程

4 实验及分析

本文共选取了200幅公寓图片，邀请用户对图片进行评价和量化，形成情感数据库，当用户提出形容词配对自选公寓时，从图片库中找出符合条件的样本，并显示出来。图5为“清冷的”显示结果。实验中用户感觉较好。

图5 自助公寓系统获取图像

5 结束语

本文将感性工学方法与图像特征提取相结合用于设计人机系统，研究出一种情感模型，通过神经网络方法，使得图片的特征空间可以映射到客户情感空间，从而完成了自选公寓系统最重要的部分，致力于实现人机之间的和谐交流。在公寓样本图像的分析这个问题上，包括图像选取是否涵盖所有类型，包括怎样使提取的特征更准确代表图像，比如有的学者将图像的全局颜色特征和局部特征相结合，等等，未来研究中可以着重这些方面，进一步完善。

参考文献：

[1]黄，赖茂生.图像情感特征的分类与提取[J].计算机应用，2008（03）.

[2]许青，陈坤，彭兆元.基于感性工学的消费者需求分析[J].设计艺术研究，2012（03）.

[3]汪霞，张晓如，冯成.基于颜色、形状的情感图像检索[J].科学技术与工程，2009（11）.

[4]薛雨丽，毛峡，张帆.BHU人脸表情数据库的设计与实现[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]汤凌洁.感性工学方法之考察[D].南京艺术学院，2008：21-39.

[7]苏建宁，李鹤歧.应用数量化一类理论的感性意象与造型设计要素关系的研究[J].兰州理工大学学报，2005（02）.

[8]柯惠新，黄京华，沈浩.调查研究中的统计分析法[M].北京：北京广播学院出版社，1999.

[9]靳清泽.基于神经网络的图像特征和情感映射规则的研究[D].太原理工大学，2012.

[10]李清勇，胡宏，施智平.基于纹理语义特征的图像检索研究[J].计算机学报，2006（01）.

[11]李海芳，柳凌燕，陈俊杰.基于免疫规划的神经网络规则抽取算法[J].电脑开发与应用，2010（07）.

[12]刘红岩，陈剑，陈国青.数据挖掘中数据分类算法综述[J].清华大学学报（自然科学版），2002（06）：727-730.

[13]王上飞，陈恩红，王胜惠.基于情感模型的感性图像检索[J].电路与系统学报，2003（06）.

作者简介：陈梦倩（1988-），女，江苏大丰人，研究生在读，研究方向：数字媒体技术；通信作者：张建敏（1976-），女，回族，贵州人，副教授，硕士，研究方向：数字媒体技术。

作者单位：贵州大学电子信息学院，贵阳 550003