發(fā)布時間：2024-02-22 12:46

　　可計算圖像美學分析旨在讓計算機模擬人類對圖像美學的感知,分析圖像在構圖、光影、顏色、景深等方面的美學屬性,自動地做出在美學方面的質量評價�？捎嬎銏D像美學涉及計算機視覺、攝影學、繪畫、視覺藝術、腦科學、神經(jīng)科學、美學心理學等多個研究領域,是多學科相互交叉的創(chuàng)新性研究課題,其美學分析結果可以為圖像增強、圖像修復算法的參數(shù)優(yōu)化、圖像攝影系統(tǒng)的性能評估以及圖像風格轉換結果的評估提供重要的依據(jù)和參考。此外,圖像美學分析也在藝術創(chuàng)作、智能機器人、電子商務等領域具有重要應用潛力。本文針對自然圖像美學分析進行了深入的研究,旨在利用深度學習方法提高圖像構圖建模能力、美學質量預測精度。研究內容主要從圖像構圖建模以及圖像美學質量評價兩個方面展開。在圖像構圖建模方面,研究了線性透視的建模和消失點的檢測問題;在圖像美學質量評價方面,探索了由單一模態(tài)信息到多模態(tài)信息的圖像美學質量評價方法。本文的主要創(chuàng)新點概括如下:1.提出了一種基于卷積神經(jīng)網(wǎng)絡的自然圖像線性透視建模方法�，F(xiàn)有線性透視建模方法往往需要知道消失點位置的先驗知識,并且只能進行簡單場景的線性透視建模。在本文中,我們提出使用卷積神經(jīng)網(wǎng)絡的線性透視建模方法,...

【文章頁數(shù)】：135 頁

【學位級別】：博士

【部分圖文】：

圖2.3多種多樣的線性透視表示形式

第二章基于卷積神經(jīng)網(wǎng)絡的自然圖像線性透視建�；趫D像分割的方法需要知道消失點位置，然而，在實際應用中，自然場景的消失點位置往往難以獲得�；趫D像分割的方法只能表征簡單的線性透視場景。而在實際應用過程中，自然場景線性透視表征方式是多種多樣的，如圖2.3所示，可以巧妙地利用風車、螺旋....

圖3.2語義紋理特征融合網(wǎng)絡的整體結構框圖

第三章基于語義紋理特征融合網(wǎng)絡的自然圖像構圖分析中主要消失點檢測二個子網(wǎng)絡包含五個卷積模塊以及四個SE（Squeeze-and-Excitation）模塊。STFN整體架構如圖3.2所示，網(wǎng)絡的詳細參數(shù)設置詳見表格3.1。在每一個卷積模塊中，都包含卷積、池化、以及非線性層，為了表....

圖3.4SE模塊的詳細架構

第三章基于語義紋理特征融合網(wǎng)絡的自然圖像構圖分析中主要消失點檢測其中(·)代表網(wǎng)絡輸出的特征圖，代表主干網(wǎng)絡需要學習的參數(shù)，代表分支網(wǎng)絡的參數(shù)，代表網(wǎng)絡各個分支的預測結果的加權值。最終得到的邊緣預測結果是由上述預測結果的進一步融合：=(,1...).(3-2)HED詳細的網(wǎng)絡架構....

圖3.11VIPSL數(shù)據(jù)庫上與相關消失點檢測算法客觀對比結果

西安電子科技大學博士學位論文圖3.10語義紋理融合網(wǎng)絡消失點檢測主觀實驗結果圖3.11VIPSL數(shù)據(jù)庫上與相關消失點檢測算法客觀對比結果46

本文編號：3906774