多媒體信息檢索

1、基于內容的圖象檢索基于內容的圖象檢索u 發(fā)展歷史發(fā)展歷史u 基于內容基于內容CBIRCBIR的圖象檢索的圖象檢索u 基于語義的圖象檢索基于語義的圖象檢索u 未來趨勢未來趨勢n問題的提出問題的提出n當我們的數(shù)字圖像數(shù)量很多時（達到上千張、當我們的數(shù)字圖像數(shù)量很多時（達到上千張、甚至上百萬張），如何快速有效地找到需要的甚至上百萬張），如何快速有效地找到需要的數(shù)字圖像是一項有挑戰(zhàn)性的工作數(shù)字圖像是一項有挑戰(zhàn)性的工作n那么，如何利用計算機輔助檢索圖像呢？（與那么，如何利用計算機輔助檢索圖像呢？（與文本檢索不同，圖像與圖像之間的比較是一個文本檢索不同，圖像與圖像之間的比較是一個復雜的問題）復雜的問題）

2、圖像檢索研究發(fā)展的三個階段圖像檢索研究發(fā)展的三個階段基于文本的圖象檢索基于文本的圖象檢索基于文本的圖象檢索基于文本的圖象檢索n傳統(tǒng)的圖像檢索方法傳統(tǒng)的圖像檢索方法n通過圖片的元數(shù)據(jù)或標引文字進行檢索通過圖片的元數(shù)據(jù)或標引文字進行檢索例：圖像元數(shù)據(jù)例：圖像元數(shù)據(jù)寬度：寬度：210210高度：高度：172172主題：玻璃瓶與草主題：玻璃瓶與草背景：淡灰背景：淡灰內容：內容：6 6個有草的玻璃瓶個有草的玻璃瓶3 3個瓶有紅色液體個瓶有紅色液體3 3個瓶有透明液體個瓶有透明液體n傳統(tǒng)的圖像檢索方法傳統(tǒng)的圖像檢索方法n標引文字的檢索的局限性是：標引文字的檢索的局限性是：n圖片的標引文字主要靠人工輸入圖片

3、的標引文字主要靠人工輸入,工作量大工作量大,主觀性主觀性強。強。對大數(shù)據(jù)量的場合（如對大數(shù)據(jù)量的場合（如Web資源、數(shù)字圖書館資源、數(shù)字圖書館等）應用困難等）應用困難n標引文字無法精確完整的刻畫圖片內容標引文字無法精確完整的刻畫圖片內容n文字描述一維線性的媒體，而圖片是二維非線性的媒體文字描述一維線性的媒體，而圖片是二維非線性的媒體n生成或利用元數(shù)據(jù)的過程實質是在兩種差異很大的媒體生成或利用元數(shù)據(jù)的過程實質是在兩種差異很大的媒體間的翻譯過程，有很大的隨意性和信息損失間的翻譯過程，有很大的隨意性和信息損失基于文本的圖象檢索基于文本的圖象檢索享樂的花園享樂的花園 西班牙馬德里普拉多藝術館西班牙馬德

4、里普拉多藝術館基于內容的圖象檢索基于內容的圖象檢索n基于內容的圖像檢索方法基于內容的圖像檢索方法n一圖勝千言，考慮繞過這些轉換（翻譯）過一圖勝千言，考慮繞過這些轉換（翻譯）過程直接利用圖片去檢索圖片，這就是基于內程直接利用圖片去檢索圖片，這就是基于內容的檢索的出發(fā)點容的檢索的出發(fā)點n基于內容的圖像檢索的英文縮寫：基于內容的圖像檢索的英文縮寫：CBIRContent-Based Image Retrieval n90年代初，國際上就開始了對基于內容的年代初，國際上就開始了對基于內容的多媒體信息檢索方面的研究。多媒體信息檢索方面的研究。n基于內容的圖像檢索基于內容的圖像檢索方法方法n大量原型系統(tǒng)已

5、經(jīng)推出大量原型系統(tǒng)已經(jīng)推出,技術正在逐步走向技術正在逐步走向成熟，已經(jīng)出現(xiàn)一些商用系統(tǒng)。成熟，已經(jīng)出現(xiàn)一些商用系統(tǒng)。n商用系統(tǒng)如：商用系統(tǒng)如：IBM的的QBIC、 Virage的的VIR Image Engine。n原型系統(tǒng)如：原型系統(tǒng)如：UCB的的BlobWorld（形狀）、形狀）、 Stanford的系統(tǒng)（顏色）。的系統(tǒng)（顏色）。n檢索效果仍需改進。檢索效果仍需改進?；趦热莸膱D象檢索基于內容的圖象檢索某些存在的系統(tǒng)nPhotobook, MITnface, texture and shape databasenWebSeek, Columbia UnWWW image search en

6、gineninclude more than 650,000 imagesnImageRover, Boston UnWWW image search enginenuse 32 robots to collect one million images monthlynVideoBook, HKUSTnvideo retrieval systemnQBIC, IBMncommercial system (trademark)nMARS, Illinoisnimage retrieval with relevance feedback mechanismnVideoClip, Columbia

7、Unvideo parsing and editingnPrinceton Universitynhigh-level video representationnNeTra, UCSBnobject-based video representationhttp:/www.cs.sfu.ca/mmbook/furtherv2/node18.htmlhttp:/www.cs.sfu.ca/mmbook/furtherv2/node18.html基于語義的圖象檢索基于語義的圖象檢索Semantic Gap，從圖像視覺特從圖像視覺特 征到圖像語義征到圖像語義的差異的差異系統(tǒng)對用戶特系統(tǒng)對用戶特殊、主觀

8、和個殊、主觀和個性需求的分析性需求的分析和理解和理解用戶用戶語義特征語義特征視覺特征視覺特征語語義義鴻鴻溝溝用用戶戶需需 求求圖象檢索應用示例n藝術畫廊藝術畫廊/博物館博物館n照片存檔照片存檔n紡織品數(shù)據(jù)庫紡織品數(shù)據(jù)庫n商標庫商標庫n醫(yī)學庫醫(yī)學庫n人臉庫人臉庫n設計庫設計庫n地質數(shù)據(jù)庫地質數(shù)據(jù)庫n衛(wèi)星圖象庫衛(wèi)星圖象庫 CBIRn整體框架整體框架n主要檢索策略主要檢索策略 基于顏色特征的圖象檢索基于顏色特征的圖象檢索 基于紋理特征的圖象檢索基于紋理特征的圖象檢索 基于形狀特征的圖象檢索基于形狀特征的圖象檢索 綜合特征檢索綜合特征檢索n相關反饋和自動標注技術相關反饋和自動標注技術 n檢索效果評判檢

9、索效果評判整體框架整體框架特征提取模塊特征提取模塊圖片圖片提取模塊提取模塊特征匹配模塊特征匹配模塊查詢查詢處理模塊處理模塊數(shù)字圖像庫數(shù)字圖像庫 特征索引庫特征索引庫n基于內容的圖像基于內容的圖像檢索系統(tǒng)檢索系統(tǒng)n基于內容的圖像基于內容的圖像檢索系統(tǒng)結構檢索系統(tǒng)結構1）利用圖片樣本檢索利用圖片樣本檢索（Query By Example）n可以由用戶準備圖片樣本可以由用戶準備圖片樣本n可以在圖片庫中瀏覽可以在圖片庫中瀏覽n系統(tǒng)給出各類代表圖像系統(tǒng)給出各類代表圖像n從系統(tǒng)中隨機抽?。z索是一個逐步求精的過程）從系統(tǒng)中隨機抽?。z索是一個逐步求精的過程）2）利用草圖檢索利用草圖檢索3）利用圖像特征模板

10、檢索利用圖像特征模板檢索 如顏色特征模板，指定各種顏色的比率等。如顏色特征模板，指定各種顏色的比率等。4）以上方式結合）以上方式結合 先用草圖或指定特征獲取圖片樣本，再用圖片先用草圖或指定特征獲取圖片樣本，再用圖片樣本檢索樣本檢索CBIR的的4種檢索方式種檢索方式內容匹配的主要策略內容匹配的主要策略特征的表達特征的表達+特征匹配算法特征匹配算法n顏色特征匹配顏色特征匹配n紋理特征匹配紋理特征匹配n形狀特征匹配形狀特征匹配內容匹配的主要策略內容匹配的主要策略n顏色特征匹配顏色特征匹配n基本原理：基本原理： 顏色具有一定的穩(wěn)定性。在許多情況下顏色具有一定的穩(wěn)定性。在許多情況下 ,顏色是描述一幅圖像

11、最簡便而有效的特征顏色是描述一幅圖像最簡便而有效的特征。 用圖像的顏色信息作為圖像之間進行匹配用圖像的顏色信息作為圖像之間進行匹配的特征依據(jù)。的特征依據(jù)。顏色特征的表達顏色特征的表達n直方圖直方圖n累計直方圖累計直方圖n主色調主色調n圖像的分塊直方圖圖像的分塊直方圖n顏色對距離直方圖顏色對距離直方圖 顏色分布顏色分布n顏色比率顏色比率直方圖HueRGB累計直方圖SIHue 局部累計直方圖局部累計直方圖n計算直方圖距離的方法計算直方圖距離的方法n直方圖相交法直方圖相交法n直方圖距離法直方圖距離法(歐氏距離歐氏距離)n中心矩法中心矩法n計算直方圖距離的方法計算直方圖距離的方法n直方圖相交法直方圖相

12、交法令令: HQ(k)為查詢圖像為查詢圖像Q的直方圖的直方圖 HD(k)為圖片庫圖像為圖片庫圖像D的直方圖的直方圖則兩圖之間的匹配值為：則兩圖之間的匹配值為： L-1 L-1P(Q,D) = minHQ(k), HD(k) / HQ(k) k=0 k=0 n直方圖距離法直方圖距離法(歐氏距離歐氏距離) L-1 P(Q,D) =( HQ(k)- HD(k)2 )1/2 k=0 顏色矩顏色矩（Color Moments） n圖像中任何的顏色分布均可以用它的矩圖像中任何的顏色分布均可以用它的矩來表示來表示 ；n矩也是圖形處理中常用概念矩也是圖形處理中常用概念31)(1(31iNjijipNsNjij

13、ipN1121)(1(21iNjijipN一次矩一次矩（mean） 二階矩（二階矩（variance）三階矩（三階矩（skewness）顏色比率匹配舉例顏色比率匹配舉例2 2：從：從1 1萬張圖片中檢索的結果萬張圖片中檢索的結果顏色比率匹配舉例顏色比率匹配舉例2 2：從：從1 1萬張圖片中檢索的結果萬張圖片中檢索的結果彩色布局匹配舉例彩色布局匹配舉例1 1：從：從1 1萬張圖片中檢索的結果萬張圖片中檢索的結果彩色布局匹配舉例彩色布局匹配舉例2 2：從：從901901張圖片中檢索的結果張圖片中檢索的結果 內容匹配的主要策略內容匹配的主要策略n紋理特征匹配紋理特征匹配n基本原理：基本原理： 雖然圖

14、像的紋理特征在局部區(qū)域內可能沒有規(guī)雖然圖像的紋理特征在局部區(qū)域內可能沒有規(guī)則則 ,但在但在整體上卻往往呈現(xiàn)出一定的規(guī)律性整體上卻往往呈現(xiàn)出一定的規(guī)律性 。 紋理特征主要由紋理的紋理特征主要由紋理的均勻度均勻度、對比度對比度和和方向方向的特征量表示。的特征量表示。n均勻度反映紋理的均勻度反映紋理的尺寸尺寸 n對比度反映紋理的對比度反映紋理的清晰度清晰度n方向反映實體方向反映實體是否有規(guī)則的方向性是否有規(guī)則的方向性。 內容匹配的主要策略內容匹配的主要策略n紋理特征匹配紋理特征匹配n常用的匹配方法有：常用的匹配方法有：n基于傳統(tǒng)數(shù)學模型的共生矩陣法基于傳統(tǒng)數(shù)學模型的共生矩陣法nK-L變換法變換法n紋

15、理譜分析法紋理譜分析法n基于視覺模型的多分辨率分析法基于視覺模型的多分辨率分析法n小波方法小波方法紋理特征匹配舉例紋理特征匹配舉例1 1：從：從1 1萬張圖片中檢索的結果萬張圖片中檢索的結果紋理特征匹配舉例紋理特征匹配舉例2 2：從：從1 1萬張圖片中檢索的結果萬張圖片中檢索的結果3.2 內容匹配的主要策略內容匹配的主要策略n形狀特征匹配形狀特征匹配n基本原理基本原理n形狀是刻劃物體的本質特征之一形狀是刻劃物體的本質特征之一 ,可以針對面可以針對面積積 (可用象素點的個數(shù)計算可用象素點的個數(shù)計算 )、環(huán)形性、環(huán)形性 (即周長即周長 *周長周長 /面積面積 ,周長也用象素點的個數(shù)表示周長也用象素

16、點的個數(shù)表示 )、主軸方向、偏心率、圓形率、連通性、正切角主軸方向、偏心率、圓形率、連通性、正切角等形狀特征進行匹配。等形狀特征進行匹配。n形狀檢索主要有兩種方法形狀檢索主要有兩種方法1）針對）針對圖像邊緣輪廓線圖像邊緣輪廓線進行的檢索進行的檢索2）針對）針對圖形矢量特征圖形矢量特征進行的檢索進行的檢索傅立葉描述符、小波描述符、不變矩等傅立葉描述符、小波描述符、不變矩等綜合特性檢索基于內容的圖像檢索基于內容的圖像檢索的早期工作的早期工作n找到所謂的找到所謂的“最佳最佳”特征或特征組合；特征或特征組合；n基于基于“最佳最佳”特征或特征組合提高圖像檢索精確度特征或特征組合提高圖像檢索精確度 ；假設

17、已經(jīng)有了最佳特征假設已經(jīng)有了最佳特征n用戶來選擇他所關心的一種或多種圖像視覺特征；如用戶來選擇他所關心的一種或多種圖像視覺特征；如果用戶選擇了多個特征，則還需要用戶來指定各特征果用戶選擇了多個特征，則還需要用戶來指定各特征之間的權重；之間的權重； n根據(jù)用戶所選定的特征和指定的權重，以及相應特征根據(jù)用戶所選定的特征和指定的權重，以及相應特征的的“最佳最佳”表示，由檢索系統(tǒng)找出與用戶提交的作為表示，由檢索系統(tǒng)找出與用戶提交的作為查詢范例（查詢范例（query example）的圖像相似的其他圖像。）的圖像相似的其他圖像。 圖象檢索中的相關反饋機制圖象檢索中的相關反饋機制Review of Mul

18、timedia Information Retrieval ModelnObject Representation: a collection of features nQuery Model: query-by-examplenRetrieval Model: matches a query to an object matches each feature individually in each feature space combines answers from each feature to determine the overall similaritynIssues: init

19、ial query representation may not capture the users information need.the weights (i.e., relative importance) of individual features may not be known a priori.niiiiageQueryceDisWSimilarity1)Im(tan*nDistanceDistance是檢索系統(tǒng)定義的是檢索系統(tǒng)定義的距離距離；nQueryQueryi i 和和Imagei分別是例子圖象和被檢索圖象對應分別是例子圖象和被檢索圖象對應的的特征特征；nW Wi i

20、是用戶指定的是用戶指定的特征權值特征權值，它反映了用戶的偏好。，它反映了用戶的偏好。相關反饋技術分類相關反饋技術分類 n查詢向量優(yōu)化（逐步查詢向量優(yōu)化（逐步改變目標改變目標） ；n特征權重調整（逐步特征權重調整（逐步限制目標限制目標） 查詢向量優(yōu)化查詢向量優(yōu)化根據(jù)用戶反饋信息來調整查詢點，使之更加接近理根據(jù)用戶反饋信息來調整查詢點，使之更加接近理想查詢點，再用調整后的查詢點去重新計算檢索結想查詢點，再用調整后的查詢點去重新計算檢索結果。在每次相關反饋中，用戶都會提交一些他所認果。在每次相關反饋中，用戶都會提交一些他所認為的與查詢相關或者不相關的例子（文本或圖像）為的與查詢相關或者不相關的例子（

21、文本或圖像），稱為，稱為反饋正例反饋正例和和反饋負例反饋負例。查詢向量優(yōu)化算法的。查詢向量優(yōu)化算法的具體做法是移動查詢點，使之更加靠近反饋正例在具體做法是移動查詢點，使之更加靠近反饋正例在特征空間中所對應的點，同時遠離反饋負例所對應特征空間中所對應的點，同時遠離反饋負例所對應的點，通過這種方式來接近的點，通過這種方式來接近理想查詢點理想查詢點。大量實驗。大量實驗結果表明，采用優(yōu)化后的查詢點重新計算的檢索結結果表明，采用優(yōu)化后的查詢點重新計算的檢索結果明顯優(yōu)于前一次的查詢結果。果明顯優(yōu)于前一次的查詢結果。 )1()1(NRDiiNDiiRDNDNQQ反饋反饋正例正例（positive examp

22、le） DR和負例和負例（negative example DN ）?？梢愿鶕?jù)這些）。可以根據(jù)這些反饋對初始查詢反饋對初始查詢Q進行調整，具體做法是提高進行調整，具體做法是提高相關關鍵字相關關鍵字/特征向量（正例的關鍵字）的權特征向量（正例的關鍵字）的權重，降低無關關鍵字（負例的關鍵字）的權重重，降低無關關鍵字（負例的關鍵字）的權重。查詢向量優(yōu)化查詢向量優(yōu)化特征權重調整特征權重調整以圖像檢索為例，每幅圖像都對應著特征空間中一以圖像檢索為例，每幅圖像都對應著特征空間中一個個N N維特征向量，而檢索開始時特征空間每一維度上維特征向量，而檢索開始時特征空間每一維度上的的權重都是相等的權重都是相等的。

23、在相關反饋中，檢查所有反饋。在相關反饋中，檢查所有反饋正例和負例的特征向量：假設所有反饋正例在某個正例和負例的特征向量：假設所有反饋正例在某個維度上的值相差很大，則說明這個維度和用戶查詢維度上的值相差很大，則說明這個維度和用戶查詢的關系并不密切，因此可以的關系并不密切，因此可以降低降低該維度上的權重；該維度上的權重；反之，如果所有正例在某個維度上的值非常接近，反之，如果所有正例在某個維度上的值非常接近，則說明該維度很好地反映了查詢中的某個特點，因則說明該維度很好地反映了查詢中的某個特點，因此應該此應該提高提高該維度的權重。該維度的權重。特征權重調整特征權重調整圖像檢索相關反饋過程描述圖像檢索相

24、關反饋過程描述圖像檢索相關反饋過程描述圖像檢索相關反饋過程描述圖像檢索相關反饋過程描述圖像檢索相關反饋過程描述1st iterationUserFeedbackDisplay2nd iterationDisplayUserFeedbackEstimation &Display selectionFeedbackto system niiiiageQueryceDisWSimilarity1)Im(tan*n向量優(yōu)化向量優(yōu)化改變的是改變的是Query；n特征權重特征權重調整改變的是調整改變的是W；n因此，每次反饋后，與前次檢索結果對因此，每次反饋后，與前次檢索結果對比，總會發(fā)生改變比，總

25、會發(fā)生改變n一般而言，一般而言，Distance函數(shù)函數(shù)保持不變保持不變；相關反饋中的兩個重要步驟相關反饋中的兩個重要步驟n歸一化歸一化（使每類特征的值域相同，存在可比使每類特征的值域相同，存在可比性性）n權值調整權值調整（使每個特征的重要性不同，體現(xiàn)使每個特征的重要性不同，體現(xiàn)主觀性主觀性）反饋與非反饋的區(qū)別反饋與非反饋的區(qū)別n在非反饋中，可以認為存儲在數(shù)據(jù)庫中的圖像對象都在非反饋中，可以認為存儲在數(shù)據(jù)庫中的圖像對象都是客觀的，它們的各級特征權重都是固定的。對于查是客觀的，它們的各級特征權重都是固定的。對于查詢詢Q，在以計算機為中心（非交互式）的方法中，也，在以計算機為中心（非交互式）的方法

26、中，也被認為是被認為是客觀客觀的，即其所有權值也是固定的。由于固的，即其所有權值也是固定的。由于固定了權值，該方法往往不能有效反映出圖像的高層語定了權值，該方法往往不能有效反映出圖像的高層語義和用戶的查詢要求。此外，該方法還要求用戶在查義和用戶的查詢要求。此外，該方法還要求用戶在查詢中指定一組精確的權值，這對于一般用戶來說是難詢中指定一組精確的權值，這對于一般用戶來說是難以做到的。以做到的。n與此相反，采用相關反饋的交互式檢索方法將查詢看與此相反，采用相關反饋的交互式檢索方法將查詢看成是成是主觀主觀的。在檢索過程中，它根據(jù)用戶的反饋信息的。在檢索過程中，它根據(jù)用戶的反饋信息動態(tài)調整特征權重，因

27、此更準確地體現(xiàn)了用戶的信息動態(tài)調整特征權重，因此更準確地體現(xiàn)了用戶的信息需求，還解除了要求用戶指定權重的負擔。需求，還解除了要求用戶指定權重的負擔。ReferencenMultimedia Analysis and Retrieval System (MARS)Yong Rui et al. Relevance feedback: A powerful tool for interactive content-based image retrieval. - 1998Using weight to capture users preferencenPic-HunterIngemar J. Co

28、x et al. The Bayesian image retrieval system, pichunter, theory, implementation, and psychophysical experiments. - 2000Images are associated with a probability being the users targetBayesian learning難點與挑戰(zhàn)n被檢索出來的結果總是小部分，能否依賴小部分結果去判斷整個圖象數(shù)據(jù)庫中正例與反例？nLittle labeled Samples (Negative or Positive)nLarge Un

29、labeled Samples;nUnbalance ViewnUsers feedback is sometimes inconsistent, how to deal with?nLong term relevance feedback難點與挑戰(zhàn)基于內容的圖像檢索效果評判基于內容的圖像檢索效果評判 查全率查全率(precision): 在一次查詢過程中，用戶所查在一次查詢過程中，用戶所查到的相關圖像的數(shù)目和數(shù)據(jù)庫中與目標圖像相關到的相關圖像的數(shù)目和數(shù)據(jù)庫中與目標圖像相關的所有圖像數(shù)目之比；的所有圖像數(shù)目之比；查準率查準率(recall): 次查詢過程中所查到的相關圖像次查詢過程中所查到的相

30、關圖像數(shù)目同該次查到的所有圖像數(shù)目之比，數(shù)目同該次查到的所有圖像數(shù)目之比，用戶在評價算法的時候，可以預先選定含有特有目標的圖像用戶在評價算法的時候，可以預先選定含有特有目標的圖像作為一組相關的圖像，然后根據(jù)返回的結果計算查全率和查作為一組相關的圖像，然后根據(jù)返回的結果計算查全率和查準率查全率和查準率越高，說明該檢索算法的效果越準率查全率和查準率越高，說明該檢索算法的效果越好好基于語義的圖象檢索基于語義的圖象檢索圖像檢索系統(tǒng)的用戶往往是根據(jù)圖像的語義內容，直觀地進行圖像檢索系統(tǒng)的用戶往往是根據(jù)圖像的語義內容，直觀地進行分類并判別圖像之間的相似性。這就包含了高層語義特征，這分類并判別圖像之間的相似

31、性。這就包含了高層語義特征，這些浯義內容包含了人對圖像內容的理解，這種理解是無法直接些浯義內容包含了人對圖像內容的理解，這種理解是無法直接從圖像的視覺特征獲得的，而需要用一些概念來表達。為了提從圖像的視覺特征獲得的，而需要用一些概念來表達。為了提高現(xiàn)有基于內容圖像檢索系統(tǒng)的能力，必須利用更多的語義方高現(xiàn)有基于內容圖像檢索系統(tǒng)的能力，必須利用更多的語義方面的信息，共中面臨的主要困難來自兩個方面：面的信息，共中面臨的主要困難來自兩個方面：提供高層語義的描述方式；提供高層語義的描述方式；有將低層的圖像視覺特征映射到高層浯義的方法，有將低層的圖像視覺特征映射到高層浯義的方法，即圖像語義提取方法即圖像語義提取方法 情感語義情感語義空間關系語義空間關系語義場景語義場景語義行為語義行為語義特征語義特征語義對象語義對象語義特定的形狀、顏色、紋理特特定的形狀、顏色、紋理特征及其組合，如征及其組合，如“紅色的圓紅色的圓”對象的出現(xiàn)，如對象的出現(xiàn)，如“一匹馬，長一匹馬，長城城”對象之間的空間關系，如對象之間的空間關系，如“房房子前面的人子前面的人”對象所處的場景，如對象所處的場景，如“日出，日出，沙灘沙灘”圖像所表示的行為或活動，如圖像所表示的行為或活動，如“一場足球賽一場足球賽”圖像給人帶來的主觀情感，圖像給人帶來的主觀情感，“讓人興奮或讓人害怕的圖像讓人興奮或讓人害怕的圖像”邏輯語義邏輯語義抽