社交图像美学分类与优化算法研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 社交图像发展与可计算图像美学研究背景 | 第12-13页 |
| 1.2 图像美学研究与应用国内外研究现状 | 第13-16页 |
| 1.3 本文的研究内容与章节安排 | 第16-18页 |
| 第二章 基于云计算的社交图像并行化美学分类 | 第18-30页 |
| 2.1 图像美学分类与评价算法概述 | 第19-20页 |
| 2.2 美感特征提取 | 第20-21页 |
| 2.2.1 低层视觉特征 | 第20页 |
| 2.2.2 高层美学特征 | 第20页 |
| 2.2.3 区域特征 | 第20页 |
| 2.2.4 特征汇总 | 第20-21页 |
| 2.3 基于SVM与SVR算法的分类与评价 | 第21-24页 |
| 2.3.1 SVM算法概述 | 第21-23页 |
| 2.3.2 SVR算法概述 | 第23-24页 |
| 2.3.3 分类与评价算法结果分析 | 第24页 |
| 2.4 特征并行计算与云平台部署 | 第24-27页 |
| 2.4.1 特征并行化处理 | 第24-26页 |
| 2.4.2 系统在云平台的部署 | 第26-27页 |
| 2.5 社交图像美学分类算法并行化结果与分析 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 人物社交图像美学分类算法研究 | 第30-49页 |
| 3.1 人物社交图像的美学分类算法概述 | 第30-31页 |
| 3.2 全局特征 | 第31-34页 |
| 3.2.1 色调搭配特征 | 第31-32页 |
| 3.2.2 梯度特征 | 第32页 |
| 3.2.3 灰度对比特征 | 第32-33页 |
| 3.2.4 锐度特征 | 第33-34页 |
| 3.3 人脸美学特征 | 第34-41页 |
| 3.3.1 人脸及其特征点检测 | 第34-35页 |
| 3.3.2 脸内基本特征 | 第35页 |
| 3.3.3 位置关系特征 | 第35-36页 |
| 3.3.4 脸部光影特征 | 第36-38页 |
| 3.3.5 脸部几何比例特征 | 第38-40页 |
| 3.3.6 表情特征 | 第40-41页 |
| 3.4 显著区域特征特征 | 第41-44页 |
| 3.4.1 显著区域提取 | 第41-42页 |
| 3.4.2 显著面积比 | 第42页 |
| 3.4.3 显著区域清晰度 | 第42-43页 |
| 3.4.4 亮暗区域面积比 | 第43页 |
| 3.4.5 显著区域复杂度 | 第43页 |
| 3.4.6 显著纹理特征 | 第43-44页 |
| 3.5 人物社交图像美学分类算法结果与分析 | 第44-47页 |
| 3.5.1 与文献[15]结果对比与分析 | 第45-46页 |
| 3.5.2 与文献[14]结果对比与分析 | 第46-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第四章 基于构图法则的社交图像构图优化调整算法 | 第49-64页 |
| 4.1 社交图像的主体构图与视觉平衡优化调整框架 | 第49-50页 |
| 4.2 常用构图法则 | 第50-51页 |
| 4.2.1 三分构图法 | 第50-51页 |
| 4.2.2 视觉区域比重平衡法则 | 第51页 |
| 4.3 主体美学调整算法的研究 | 第51-56页 |
| 4.3.1 主体提取 | 第52页 |
| 4.3.2 基于样例修复算法的主体移除空缺修复 | 第52-54页 |
| 4.3.3 主体尺寸与位置调整 | 第54-56页 |
| 4.4 视觉平衡调整算法的研究 | 第56-58页 |
| 4.4.1 区域分割线提取 | 第56页 |
| 4.4.2 基于细缝裁减法的图像拉伸 | 第56-57页 |
| 4.4.3 基于样例修复算法的图像区域拉伸 | 第57-58页 |
| 4.5 实验结果比较与分析 | 第58-62页 |
| 4.5.1 实验结果 | 第58-59页 |
| 4.5.2 与其他算法的比较 | 第59-62页 |
| 4.6 本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-71页 |
| 致谢 | 第71-72页 |
| 附件 | 第72页 |
