赵婧琦，李宇蕊，杜明晶+，刘静玮

(1.江苏师范大学 美术学院，江苏 徐州 221100；2.江苏师范大学 计算机科学与技术学院，江苏 徐州 221100；3.中国航天科工集团第二研究院 七〇六所，北京 100854)

0 引 言

长久以来，针对绘画作品情感分析的研究备受关注。随着计算机视觉技术的日益成熟，研究人员开始运用计算机进行大规模的绘画情感分析[1]。

相对于具象画，抽象画采用的是无逻辑的创作风格和非具象的表现手法[2]。由于缺少具体物象的描述，因此其较难与特定的情感建立直观联系。这使得抽象画的情感分析变得非常困难和复杂。该问题引起了诸多学者的关注，涌现了诸多采用监督学习方法的抽象画情感分析的研究。监督学习表现取决于数据集规模和标注质量，但人工标注耗时且易受主观影响。因此，无监督学习在抽象画情感分析中具有极大的应用前景。

针对抽象画的情感分析问题，本文提出了一种基于三支特征表示的多核聚类方法(multiple kernel K-means using three-way features，MKKM-3WF)。首先采用本文提出的基于三支决策的颜色特征表示方法和纹理特征表示方法以及改进的深度学习模型，分别提取抽象画的颜色特征、纹理特征和高层语义特征；然后使用核函数构建不同特征的相似度矩阵；最后采用多核聚类算法完成多特征融合与图像的情感划分。

1 相关工作

1.1 抽象画情感分析

本节主要探讨抽象画图像情感分析领域的研究进展。该领域的早期研究深受自然语言处理工作的启发。例如，Yanulevskaya等[3]将文本处理中的词袋模型引入到抽象画图像处理中，提出了一套视觉词袋表征框架，并运用支持向量机分类模型实现情感预测。……