自然图像构图分析和美学评价

发布时间：2024-02-22 12:46

　　可计算图像美学分析旨在让计算机模拟人类对图像美学的感知,分析图像在构图、光影、颜色、景深等方面的美学属性,自动地做出在美学方面的质量评价。可计算图像美学涉及计算机视觉、摄影学、绘画、视觉艺术、脑科学、神经科学、美学心理学等多个研究领域,是多学科相互交叉的创新性研究课题,其美学分析结果可以为图像增强、图像修复算法的参数优化、图像摄影系统的性能评估以及图像风格转换结果的评估提供重要的依据和参考。此外,图像美学分析也在艺术创作、智能机器人、电子商务等领域具有重要应用潜力。本文针对自然图像美学分析进行了深入的研究,旨在利用深度学习方法提高图像构图建模能力、美学质量预测精度。研究内容主要从图像构图建模以及图像美学质量评价两个方面展开。在图像构图建模方面,研究了线性透视的建模和消失点的检测问题;在图像美学质量评价方面,探索了由单一模态信息到多模态信息的图像美学质量评价方法。本文的主要创新点概括如下:1.提出了一种基于卷积神经网络的自然图像线性透视建模方法。现有线性透视建模方法往往需要知道消失点位置的先验知识,并且只能进行简单场景的线性透视建模。在本文中,我们提出使用卷积神经网络的线性透视建模方法,...

【文章页数】：135 页

【学位级别】：博士

【部分图文】：

图2.3多种多样的线性透视表示形式

第二章基于卷积神经网络的自然图像线性透视建模基于图像分割的方法需要知道消失点位置，然而，在实际应用中，自然场景的消失点位置往往难以获得。基于图像分割的方法只能表征简单的线性透视场景。而在实际应用过程中，自然场景线性透视表征方式是多种多样的，如图2.3所示，可以巧妙地利用风车、螺旋....

图3.2语义纹理特征融合网络的整体结构框图

第三章基于语义纹理特征融合网络的自然图像构图分析中主要消失点检测二个子网络包含五个卷积模块以及四个SE（Squeeze-and-Excitation）模块。STFN整体架构如图3.2所示，网络的详细参数设置详见表格3.1。在每一个卷积模块中，都包含卷积、池化、以及非线性层，为了表....

图3.4SE模块的详细架构

第三章基于语义纹理特征融合网络的自然图像构图分析中主要消失点检测其中(·)代表网络输出的特征图，代表主干网络需要学习的参数，代表分支网络的参数，代表网络各个分支的预测结果的加权值。最终得到的边缘预测结果是由上述预测结果的进一步融合：=(,1...).(3-2)HED详细的网络架构....

图3.11VIPSL数据库上与相关消失点检测算法客观对比结果

西安电子科技大学博士学位论文图3.10语义纹理融合网络消失点检测主观实验结果图3.11VIPSL数据库上与相关消失点检测算法客观对比结果46

本文编号：3906774