如何使用语义感知来进行图像美学质量评估的方法

　　当前图像美学质量评估的研究主要基于图像的视觉内容来给出评价结果，忽视了美感是人的认知活动的事实，在评价时没有考虑用户对图像语义信息的理解。为了解决这一问题，提出了一种基于语义感知的图像美学质量评估方法，将图像的物体类别信息以及场景类别信息也用于图像美学质量评估。运用迁移学习的思想，构建了一种可以融合图像多种特征的混合网络。对于每一幅输入图像，该网络可以分别提取出其物体类别特征、场景类别特征以及美学特征，并将这三种特征进行高质量的融合，以达到更好的图像美学质量评估效果。该方法在AVA数据集上的分类准确率达到89. 5%，相对于传统方法平均提高了19. 9% ，在CUHKPQ数据集上的泛化性能也有了很大提升。实验结果表明，所提方法在图像美学质量评估问题上，能够取得更好的分类性能。

　　传统的客观图像质量评估方法主要关注在图像的获取、传输和存储等过程中引人的不同类型的失真（如噪声、扭曲、压缩等）以及由此带来的图像质量下降问题。随着图像采集设备的不断升级和编解码技术的快速进步，普通图像的失真问题目前已经得到定程度的缓解，因此，些研究者开始尝试从美学的角度对图像质量进行客观评估，并提出了图像美学质量评估的概念。

　　图像美学质量评估旨在模拟人类视觉及审美思维，进而对图像进行美学建模，使计算机能够自动地对图像的美学价值进行定量的评价。伴随计算机视觉和模式识别等技术的快速发展，图像美学质量评估技术已经被应用到多个领域，例如：在图像检索系统中，考虑返回图像的美学质量，为用户提供准确且更有吸引力的检索结果“ ;针对用户拍摄的关于同场景的多张候选照片，筛选最具美感的作品保存和展示，合理地降低数据的存储开销以便节省存储空间的成本图像美学质量评估算法也可以部署在摄像机上，在用户拍照过程中实时地分析取景内容的美学质量。