图片马赛克作为一种艺术形式,已经在如广告、家具装饰、娱乐等诸多领域被广泛应用。传统意义上的马赛克合成方法通常使用纯色色块或具有一定纹理特征的图块作为算法输入,而图片马赛克则是使用由数据集检索所得的图片集合合成马赛克结果。由于图片马赛克作品中存在目标图像主题内容与合成图块视觉内容两种图像信息,因此图片马赛克合成结果的优劣主要集中于两个方面,一方面是整体上对目标图片主题内容的表达,另一方面是局部尺度上对每个图块自身内容的保持。人眼在观察图片马赛克时,会对其中的图块内容在色彩上进行一定程度的融合,以使色彩纹理以及边界结构两方面与目标图像逼近。当允许局部图块的尺寸可任意缩小时,图片马赛克与目标图像可以做到完美逼近,然而局部图块的内容则会随着其尺寸的缩小而逐渐不可为人眼所识别。尽管通过约束图块尺寸可以确保其内容的可识别性,图片马赛克对于目标图像纹理色彩以及边界结构的近似也相应的有所影响。值得注意的是,相比于色彩纹理,人眼识别视觉内容时更为依赖图像中的边界结构信息。基于上述认识,本文提出了一种全新的用于合成图块可分辨级别图片马赛克的算法。相较于已有的图片马赛克合成算法,本算法的创新性主要体现在两个方面:其一,基于对图片马赛克合成结果的视觉内容呈现极大依赖于其中的边界信息这一事实的认识,本文提出了一种边界信息敏感的图像匹配算法,在适当放松图像之间色彩纹理信息匹配的同时,进一步强调图像内部边界信息的匹配。其二,与大多数已有图片马赛克合成算法预先确定图块合成布局策略所不同的是,本文提出了一个数据集相关的自适应图块布局优化计算框架,在优化最终合成的图片马赛克视觉效果的同时,也尽可能发掘数据集对目标图片合成的支持潜力。本文基于中等规模图片数据集合成图片马赛克结果。为评估算法合成效果,本文设计了用户调查以考察合成的图片马赛克结果在全局和局部对相关视觉内容的呈现效果。除此之外,本文也设计了与已有算法合成效果的对比实验,论证了本文所提出算法性能的优越性。