在计算机视觉领域中有两项主要的美学类研究任务:图像美学质量增强和图像美学质量评价。图像美学质量增强是利用增强模型有目的的强调或改变图像的某些特性,改善图像的视觉效果,给人以“美”的感受;图像美学质量评价是通过构建高性能的图像美学自动化评估模型,评价图像的美学质量。现有大多数的美学类相关模型都是基于公开数据集建立的,但美学类相关研究任务具有很强的主观性,不同的个体有不同的美感认知,这种通用的美学类模型忽略了个体主观性的考虑。在图像美学质量增强的研究中,本文按照符合用户审美喜好的美学规则,提升图像的美学质量,得到了图像的个性化美学增强效果;在图像美学质量评价的研究中,本文通过引入用户交互手段,使模型可以对用户评估的主观性进行建模,从而修正算法自身的评估结果,提高了美学质量评价模型的评估准确率。本文主要研究内容如下:(1)本文搭建了一个网页版用户友好型的数据收集平台,收集了60位用户的个性化数据,构建了集美学评价和美学增强为一体的包含3768组图像的个性化数据集,为个性化相关的研究工作提供数据基础。(2)本文提出了一个基于强化学习的个性化图像美学增强模型。针对图像美学增强的个性化问题,本文将用户的修图过程描述为一个顺序决策问题,并使用强化学习中的Actor-Critic策略求解,最终得到以用户审美喜好为导向的个性化增强图像。实验结果表明,本文所提出的个性化图像美学增强算法不但可以提升图像的美学质量,而且增强后的美学效果符合用户的个性化要求。(3)本文提出了一个融合个性化图像增强的美学质量评价框架。该框架包含有三个模块:首先使用优化后的Alex Net网络对用户指定的图像进行美学特征提取,并根据所提取的特征从公共数据库中匹配与之相似的图像,经过个性化排名算法得到基于个性化的初次评价模型;然后通过引入用户交互过程中的重排和编辑操作,构建了融合图像增强的迭代式美学评价模型,节约了用户交互的时间成本,增加了用户的主观能动性,使用户对美学主观性的表达更为准确;最后生成用户的个性化美学分布,使用多种美学属性对用户审美的个性化和主观性进行了可视化的研究。