随着智能手机等移动电子设备的快速发展与普及,如今已进入全民摄影时代。由于摄影条件和摄影者自身美学鉴赏能力的差异,所拍摄图像的美学质量也呈现出较大的差异。为满足人们对图像观赏性的需求,从美学角度评估图像的质量变得越来越重要。这项技术可以应用于图像检索、自动图像编辑、个人相册管理以及人机交互等领域。由于人类审美的主观性和复杂性,量化图像美学质量的评估标准是一项具有挑战性的工作。本文致力于设计具有美学语义的可计算性特征,提出新的特征提取算法,并在此基础上将人工特征与深度特征进行互补结合,提出了一种对图像美学质量进行评分的算法。本文主要工作如下:(1)在图像美学质量评估中,首次考虑线条有序性对图像美学质量评估的影响,设计并给出线条有序性特征的刻画思路和计算方法。提出一种基于线条角度的有序性刻画方法,并将统计线条的角度转化为统计图像中像素点的梯度角度,构建梯度角直方图作为线条有序性特征。(2)提出一种新的针对图像显著区的清晰度对比特征并给出相应的计算方法。区域清晰度指标通过衡量图像中每个像素点的清晰度来构建。首先计算各像素点的梯度信息,将显著区域和背景区域的像素点分别通过HVS滤波器加权求和得到两个区域的清晰度指标,进而得到图像的清晰度对比特征。该特征不仅便于计算,还可以较好地抑制白噪声,反映图像真实的感知清晰度。(3)对图像美学的人工特征和深度特征的互补性进行分析,提出一种特征互补的图像美学质量评分算法。人工特征难以全面描述图像的美学信息,卷积神经网络所学习的深度特征则难以对图像的特定区域及其相互关系进行针对性的分析,两者在图像美学信息的描述上具有互补性。本文训练PARN网络提取深度特征,并利用SVR回归算法对两类特征分别建立图像美学质量评分模型,将获得的两组评分进行加权求和以获得最终的美学评分。此外,针对上述算法,提出了一种基于spearman秩相关系数的权重计算方式。(4)实现了上述算法过程,并在AADB和AVA两个数据集上进行了对比实验。实验结果表明,本文人工设计的美学语义特征,在与深度特征结合之后,不仅模型的性能得到提升,而且相比其它的人工特征,互补性更强,图像根据美学质量评分的排序与主观评价具有较好一致性。