数字图像的美学度量方法研究开题报告

1. 研究目的与意义（文献综述）

美学一直被认为是一个哲学问题，其度量主要根据人的主观感受进行判断，人类每天90%以上的信息来源于视觉，人们往往根据美感进行一系列的判断与决策。而如今由于网络视频以及一系列技术的迅速发展，人类本身面对大量的数据越来越难以很好地进行处理，因此谋求通过科学技术的发展，人类越来越希望可以通过计算机进行对美学的度量。希望可以在生活应用方面更好地通过对美丑的理解来使得产品制造，图像处理等方面达到令人满意的效果。

图像美学的定义可以认为是人类在观察图像时引发的美学兴趣，对于数字图像的美学度量方法的研究，其目的主要在于希望计算机可以模拟出人类的审美思维和视觉，进而对于图像进行美学度量，使得计算机能够对图像的“美”进行定量的分析评价。例如评价美学指数，描述图像的美学风格等等。通过对图像的美学分析，计算和评估，分析判断用户的美学感受，使得用户得到更好的生活体验，对于人机交互的和谐实现有着重要的意义。

针对图像美学分类及评价，宾夕法尼亚大学的wang率先实现了图像视觉分类与美学特征的关联。不少相关学者在其成果上进行研究，其中wong等将视觉注意机制引入美学分类，提取出区域特征，他们基于摄影美学的相关简单规则，提取了包括图像亮度，色彩分布，景深等35个图像特征，并且特征选取了最有效的15个特征，使用支持向量机的方法对高美感和低的图像进行了分类，随后利用多元线性回归，利用图像特征评估图像美感分数，获得了更好的分类效果；wu等实现了图像美感标签的自动标记；卡内基梅隆大学的li等人从艺术美学角度出发，设计了相应的艺术美学特征，实现了绘画作品的美学视觉质量的高低两类别分类；marchesotti等设计了一种图像低层局部特征描述子来评估图像美学质量，给出了新的图像特征提取思路。

2. 研究的基本内容与方案

首先，学习研究已有的美学评价方法，分析现有方法的优缺点。近年来，不少研究人员对美学评价方法进行了研究，并取得了长足的发展。datta等人作为研究该领域的先驱最先意识到图像视觉特征与图像审美之间的关系。然后输入特征训练分类器，将图像分为高美感与低美感两类。除了图像的全局视觉特征，图像的区域特征特别是关键区域特征也成为了研究热点。上述地城的视觉特征虽然取得了不错的效果，但是它们无法充分直观的揭示图像的美学特征与人类视觉感知之间的关系。这些存在的不足，鼓励着更多的研究者寻求用更加有效的方法解决这个问题。

接下来分析图像的美学属性，选择美学度量属性集;从文献中了解到，目前的美学评价算法主要提取低层视觉特征，高层美学特征较少，因此需要结合美术等相关理论基础，寻找人类感知与美学密切相关的特征，并采取适当的数学方式进行描述。

最后综合美学评价方法与现代化技术构建数字图像的美学度量模型。目前的研究通常将图像美学评价作为一个机器学习看待，这个过程主要是将提取的各种图形特征最终映射为美学价值。而机器学习分为有监督学习与无监督学习，在图像美学研究中，监督学习应用更广泛。此外现将美学研究分类分为回归问题和分类问题。但这样的处理会使结果的精确度受到很大影响。因此分类模型利用了支持向量机（svm）实现，而分数预测模型则利用支持向量回归算法（svr）实现。

3. 研究计划与安排

1-3周：查阅文献，完成开题报告

4-6周：总体设计，完成论文综述

7-10周：设计算法，功能模块设计

4. 参考文献（12篇以上）

[1].高寒, 唐降龙, 刘家锋,等. 基于图像分类的图像美学评价研究[j]. 智能计算机与应用, 2013(4):39-41.

[2].王伟凝, 蚁静缄, 徐向民,等. 可计算的图像美学分类与评估[j]. 计算机辅助设计与图形学学报, 2014, 26(7):1075-1083.

[3].陶则恩. 数码人像照片美感评价研究[d]. 云南大学.2015.