随着人们审美水平逐渐提高,人们更希望在海量的图片中高效而准确地浏览和保存美感高的图片,而分享及展示照片时,人们更愿意展现高美感的图片。因此,如何合理而准确的对图像的美学质量做出评价也逐渐成为众多研究者关注的热点。图像美学质量评价旨是通过模拟人类对于美的感知,赋予计算机自动评价图像美感的能力。现有的方法主要为:1)基于人工构建的美学特征的美学质量评价方法2)基于端到端深度网络的美学质量评价方法。然而,由于图像内容的复杂性和图像美学的主观性导致人们难以构造准确而全面的美学特征,而深度学习方法必须调整图像的大小适应网络,在这过程中会丢失许多细节信息,破坏图像原有的美学属性。因此,美学质量评价方法依然具有很大的研究空间。本文具体的研究工作及创新点如下:(1)提出一种基于图像画面结构属性图的美学质量评价方法。该方法针对美学特征构造困难的问题,考虑主体目标之间的距离,角度以及重叠面积关系,结合主体目标在图像整体中的位置信息,设计一种构图特征作为属性图的边缘,以主体目标以及图像整体的底层特征作为图像画面结构属性图的节点构建图像的属性图,建立图像画面结构属性图和美学质量的对应关系,对图像的美学质量做出评价。实验结果表明该方法可以有效的对图像的美学质量进行评价。(2)提出一种基于带有语义信息的双通道卷积神经网络的美学质量评价方法。该方法针对深度网络调整图像大小丢失细节信息的问题,使用调整大小后的图像以及对原图进行随机裁剪得到的局部图像分别作为网络两个通道的输入,从图像全局和图像局部提取图像的美学特征,同时在提取全局特征时加入并行卷积结构消除语义信息对美学质量的影响,最终通过两部分特征的结合获得相对全面的美学特征进行图像的美学质量评价。网络整体使用端对端的结构,使其可以自动实现美学特征提取到美学评价决策的全部过程。该方法在美学质量评价任务中取得了理想的效果。(3)提出一种基于构图信息与图像区域信息的美学质量评价方法。针对双通道网络中随机裁剪图像获取信息不充分的问题,提出使用不同的图像裁剪策略获取原图像的局部区域,并使用多通道的卷积网络提取相应区域的细节信息。同时在卷积网络中利用图像构图信息描述图像局部细节信息之间的结构关系。结合图像的局部细节信息和构图信息作为图像的美学特征,经由网络的全连接层将美学特征映射为图像的美学质量,对图像的美学质量进行评价。该方法在美学质量评价过程中具有良好的性能。