[发明专利]一种计算机图像的美学评估方法

权利要求书

1.一种计算机图像美学评估方法，其特征在于，具体步骤如下：

(1)利用二值范数梯度BING方法提取对象区域；

(2)在对象区域利用构图特征进行美学评估；

(3)整合与改进相关构图特征提高评估性能；

其中：

步骤(1)所述提取对象区域，具体过程如下：

(11)对于每一张输入的图片，采集若干候选窗口，同时将其调整到8×8大小；

(12)将8×8大小的窗口向量化，得到若干个64维的向量，使用分类器进行训练；

(13)选择对窗口大小、分类器的输出分数以及最终是否含有物体目标三者关系建模，

再使用一次分类器，在每种窗口大小下选择分数最高的作为目标框输出；

(14)对得到的候选框进行聚类并优化；

步骤(2)所述在对象区域利用构图特征进行美学评估，具体过程如下：

(21)根据图像的画面构图的三分法则、对角线法则以及比例协调原则，使用BING的方法获得各个图像的对象区域，通过这些各个图像的对象区域的空间信息设计特征；

(22)使用分类器对设计的特征进行训练，得到美学评估模型；

步骤(1)中所述对得到的候选框进行聚类并优化，具体过程如下：

(141)定义两候选框交集与并集的比值为聚类的衡量准则，公式如下；

(142)预设若干聚类中心，计算每一对候选框的相似度，并用一个二维矩阵来储存权值信息；

(143)对于每个候选框，将其与所有候选框的相似度累加，即w_i＝∑_kw_sim(s_i,s_k)，将累加值最高的候选框作为第一个初始的聚类中心；

(144)在与该初始的聚类中心相似度小于w_y的其他候选框中，同样将相似度累加值最高的候选框作为下一个聚类中心；

(145)重复(144)过程，持续在与所有初始的聚类中心相似度小于w_y的候选框中，选取相似度最大的候选框添加为新的初始聚类中心，直至不存在满足与所有初始聚类中心相似度小于w_y的候选框，这样得到若干聚类中心，w_y是一个需要人为设定的阈值；

(146)对于每个聚类，将x％的候选框都覆盖的区域标记出来；

(147)对于标记部分，继续寻找闭包区域，对其边缘作噪声判断，将消除边缘噪声的候选框作为最后结果。

2.根据权利要求1所述的计算机图像美学评估方法，其特征在于，步骤(2)中所述通过各个图像的对象局部区域的空间信息设计特征，具体过程如下：

(211)图像对象方位特征，画面构图和谐的图像满足“三分法则”，设计该特征如下：

其中，s_i指图像对象区域，而p_i是指图像对象区域的质心，表示图像上4个黄金分割点中距离该图像对象区域质心最近的点；上述公式E_pos用来表示图像对象区域距离黄金分割点的距离信息，相距最近时该值最大为1，相距最远时该值最小为-1，将图像对象方位特征映射到[-1,1]区间内；

(212)图像对象角度特征，作对角线的两条平行线，以确定对角线区域；以左上至右下对角线为例，以坐标(0,0)表示图像左上角顶点，以(w,h)表示右下角顶点，其中w为图像宽度，h为图像高度；作第一条对角线平行线，起始点坐标为(w/6，0),终点为(w,5*h/6)；第二条平行线起点坐标为(9，h/6),终点为(5*w/6,h)；将这两条平行线之间的区域作为对角线区域，记为T；

设计该特征如下：

(213)图像对象面积特征，设计该特征如下：

其中，w_i为候选框宽度，h_i为候选框高度，n为候选框数量，上式中分子部分即为图像主体所在候选框的平均面积；weigh为图像总宽度，high为图像总高度，相乘即为图像总面积；式(4)即表示图像对象区域所占面积在总面积中比例；

(214)图像对象形状特征，设计该特征如下：

同样，其中w_i为候选框宽度，h_i为候选框高度，n为候选框数量，上式中分子部分即为图像主体所在候选框的平均长宽比；weigh为图像总宽度，high为图像总高度，相比即为长宽比；式(5)即表示图像对象区域长宽比与整体图像长宽比的相似程度，其值越接近1，说明其相似程度越高；

(215)图像对象景深特征，图像对象拥有较高清晰度的图片能获得更高的美学评价，利用灰度变化率来表示清晰度，p_i,j表示的是(i,j)坐标处的像素点，其周围像素点如下：

点p_i，j的灰度变化用下式计算：

那么，景深特征用下式计算：

景深特征值越大，说明图片平均每个像素的灰度变化值越大，图片清晰度越高。