基于深度卷积神经网络的图像美感评估研究

《基于深度卷积神经网络的图像美感评估研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、工程硕士学位论文基于深度卷积神经网络的图像美感评估研究作者姓名王励工程领域电子与通信工程校内指导教师王伟凝副教授校外指导教师黎永志所在学院电子与信息学院论文提交日期2015年12月ResearchonImageAestheticEvaluationusingDeepConvolutionalNeuralNetworksADissertationSubmittedfortheDegreeofMasterCandidate：WangLiSupervisor：Prof.WangWeiningSouth

2、ChinaUniversityofTechnologyGuangzhou,China分类号：TP391学校代号：10561学号：201321009943华南理工大学硕士学位论文基于深度卷积神经网络的图像美感评估研究作者姓名：王励指导教师姓名、职称：王伟凝副教授申请学位级别：硕士工程领域名称：电子与通信工程论文形式：□产品研发□工程设计应用研究□工程/项目管理□调研报告研究方向：信号与信息处理论文提交日期：2015年12月28日论文答辩日期：2016年3月19日学位授予单位：华南理工大学学位授予

3、日期：年月日答辩委员会成员：主席：胡永健教授委员：倪江群教授黄茜教授金连文教授吕益民高级工程师华南理工大学学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:正印日期:勿形年3月∫7日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论

4、文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属华南理工大学。学校有权保存并向国家有关部门或机构送交论文的复印件和电子版,允许学位论文被查阅(除在保密期内的保密论文外);学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。本人电子文档的内容和纸质论文的内容相一致。本学位论文属于:□保密(校保密委员会审定为涉密学位论文时间:_年~月~日),于_年~月~日解密后适用本授权书。硒不保密,同意在校园网上发布,供校内师生和与学校有共享协议的单位浏览;同

5、意将本人学位论文提交中国学术期刊(光盘版)电子杂志社全文出版和编入CNKI《中国知识资源总库》,传播学位论文的全部或部分内容。(请在以上相应方框内打“√”作者签名):豇日期:刀沽、3·∫F.指导教师签名:‰

6、矽日期:'〃、3。、作者联系电话:电子邮箱`了:联系地址(含邮编):摘要随着数字图像的创作和获取越来越方便，数字图像的数量呈现爆炸式增长，每天网络上被分享的图像不计其数，而图像数量的剧增使得图像管理工作变得耗时而繁重。人们往往倾向于获取和保存高质量的图片。在图像检索、图像设计、艺术作品风格分

7、析、人机交互等任务中，都离不开图像的美感评估问题。于是，近年来计算机自动图像美感评估的研究应运而生。本文主要研究图像美感自动评估的问题，即利用计算机模拟人类思维，对图像的美感程度给出判断，本文主要将图像分为高美感和低美感类别。常用的图像美感评估方法主要有：（1）针对性地手工设计并提取图像特征，利用机器学习方法进行分类；（2）提取图像的局部通用特征（genericfeatures），并利用机器学习方法进行分类。上述两种方法都难以全面而准确地表达图像美感信息。近年来，深度学习方法的发展得到了越来越广

8、泛的关注，其在处理计算机视觉问题上不断取得突破。深度学习方法直接分析图像矩阵，通过网络学习可以自动获取特征表达。本文尝试将深度学习方法引入图像美感评估研究，主要研究了基于深度卷积神经网络（ConvolutionalNeuralNetworks，CNN）的图像美感分类，并将手工设计特征和深度网络特征进行结合，取得了比现有图像美感分类方法更好的效果。具体工作及创新点如下：1、针对图像美感问题，设计并行深度卷积神经网络。理解深度学习网络的特征学习能力，综合考虑影响图像美感的颜色、亮度、构图等信息，设计

9、了不同的图像描述矩阵作为并行网络的输入，最后将特征有效组合，以获取更全面表达图像美感信息的特征。从实验结果分析与对比来看，本文的并行深度卷积神经网络算法取得了比图像美感评估中现有的手工设计特征、局部通用特征、和已有最新深度学习方法都更好的美感分类效果。2、手工设计特征往往是直接从图像特点、美学规则、视觉心理学等方面进行设计的，本文将手工设计特征和深度卷积神经网络特征结合起来，以从不同角度更全面地表征图像的美感信息。对目前主流的图像美感图库，利用结合的特征和SVM机器学习方法学习得到图像美感分类器