随着互联网行业的发展以及各行业需求,起着传达信息和宣传教育作用的图像越来越多的出现在人们的视野中。然而,图像能够让人记住的程度参差不齐。面对如此泛滥的视觉信息,如何选择出能够让人类记住的图像作为宣传、教育的插图是计算机视觉需要解决的一个问题。图像记忆强度的预测可以很好的预测出图像能够被人记住的概率,将这种预测方法应用到广告宣传,教育插图和摄影作品等的选择上,为工作人员的工作提供了便利。随着深度学习的发展,越来越多的学者们使用卷积神经网络模型结构进行图像特征的提取,这种提取深度特征的方法在表征图像和提取方法上都占有优势。然而已有的图像记忆强度预测模型的预测效果还不是很接近人类一致性,存在着图像特征表达不完全的问题。针对现有的图像记忆强度预测模型存在的问题和考虑到图像表达的情感因素,同时受到Celikkale提出的将图像的两种有效特征进行融合来预测图像记忆强度的模型的启发。本文提出了基于情感分析的图像记忆强度预测模型。该模型包括三部分:第一部分是获得图像的图像描述并通过图像描述情感倾向性和情感倾向性强度算法提取图像的情感特征。第二部分是通过深度网络提取图像的深度特征。第三部分是将两个图像特征进行特征融合并通过支持向量回归映射成为图像记忆强度。最后,为了对本文提出的图像记忆强度预测模型进行有效性验证。首先在Emotion图像数据集使用图像描述情感倾向性和情感倾向性强度算法对图像的情感分类进行准确性验证。另外使用La Mem图像数据集进行带有情感特征和未带有情感特征的预测模型进行实验,将实验得到的数据与数据集中的参考值进行斯皮尔曼相关性计算,对两个实验结果进行对比分析。然后分别在SUN和La Mem数据集上进行本文提出的图像记忆强度预测模型实验,将模型预测效果与已有的图像记忆强度预测模型的预测效果对比。对实验结果进行分析为本文提出的图像描述情感倾向性和情感倾向性强度算法是有效的。同时,图像情感作为图像记忆强度预测模型的特征是有效的。本文提出的基于情感分析的图像记忆强度预测模型是有效且可行的,将两种特征融合在一定程度上提升了预测结果。