艺术作品视觉美学感知特征分析及图像美感效果增强算法研究

With the prevalence of digital cameras, mobile devices, and networks, users can capture images and share on social networking sites in anytime and anywhere. The aesthetic appearance of the image has become the concern of the people. Hence, the development of an efficient and fast image aesthetic appearance improvement algorithm is highly essential to the research community. It is a challenging topic to let computers to make decisions on aesthetics because of the subjectivity and the complexity of aesthetics. It is still in the stage of development. In order to achieve efficient, fast, artistic, and content-aware image aesthetic enhancement, this project will study the aesthetic perception characteristics of artworks in the view of artists and apply them for image aesthetic enhancement. The main issues involved in this project are: analysis of the main content-aware aesthetic perception characteristics of artworks based on classification; development of multiple filter models to describe the diversity of aesthetic characteristics; selection of example image based on machine learning; adaptive transfer of aesthetic characteristics based on spatial information; image aesthetic enhancement quality assessment. The key technical breakthrough has important theoretical value in the field of computational aesthetics and application prospect in image editing software design, art design, photography, film and television production, game design, virtual reality, and so on.

随着数码相机、移动设备、互联网的发展，普通用户可以随时随地拍摄图像并分享在社交网站。图像的美感质量已经成为人们关心的问题。高效快捷地改进图像的美学外观已经成为迫切需求。由于“美”的主观性和复杂性，让计算机代替人类进行美的决策和处理是具有挑战性的课题，目前仍处在发展阶段。为了实现高效、快捷、具有艺术性、基于内容需要的图像美感效果增强，本项目将从“艺术思维”的角度分析艺术作品的美学感知特征，进而应用于图像美感效果增强。主要内容包括：基于艺术图像分类解析图像内容相关的主要美学感知特征；建立多层滤镜模型归纳多样性美学感知特征；建立基于机器学习的示例图像选择模型；研究基于空间信息的美学感知特征自适应迁移算法；探索图像增强效果自动评价方法。本项目的研究突破对可计算美学领域的发展有重要理论价值，并且对图像编辑软件设计、艺术设计、摄影、影视制作、游戏、广告、虚拟现实等领域具有实践意义。

本项目围绕国际前沿，抓住视觉媒体技术高速发展与广泛应用的契机，针对现有图像视觉增强系统需要大量人为操作和专业知识背景等缺点，研究分析具有美感的艺术作品图像的美学感知特征，并建立基于内容需要的图像美感效果增强算法，并探索图像美感的自动评价方法。对艺术作品图像的美学感知特征的分析方面，对图像中的2D空间和3D空间的对比度进行了深入研究，对艺术作品的人物构图进行了深入研究，为了便于3D颜色和3D构图的研究，对图像的深度信息进行了估计研究和对3D 人体姿势的估计进行了研究。在图像增强算法研究方面，本项目提出针对特定属性提出相应的增强方法，如针对图像颜色信息，本项目提出基于深度学习的颜色迁移方法，图像去雾方法，和增强图像空间颜色分布的2D对比度增强方法，实验得到较好的图像增强效果。针对图像构图属性，本项目提出对人物图像基于姿势增强的方法，并提出利用强化学习方法自动实现多种不同图像自动构图增强。本项目拟通过建立具有美感信息反馈的图像审美数据库,研究自动个性化图像审美评价机制，对图像的美感进行评价。在收集具有美感属性信息反馈的图像审美数据时，本项目提出设计一个web系统，让自愿者分组分时评价图像，以保证图像评价的有效性。在图像美感评价方面，本项目通过深度学习模型加手动设计提取图像美学特征的方式进行图像美学感知评价和分析。同时还提出了一个基于卷积神经网络图像美学感知评价方法。项目研究取得较好的效果，达到预期目标，有助于更好的理解当代人们的审美特点，对可计算美学领域的发展有重要理论价值，并且对图像编辑软件设计、艺术设计、摄影、影视制作、游戏、广告、虚拟现实等领域具有实践意义。

内容获取失败，请点击重试