图像美学质量评价是指从美学质量的角度对输入的图像进行精确而客观地评价。图像美学质量评价的研究为图像检索、图像编辑美化和社交媒体等基于图像视觉体验的应用提供了技术支持,已成为计算机视觉的热点研究问题。图像美学质量评价主要包括质量分类评价、分数预测评价等评价方式。图像美学质量评价的研究主要包括图像美学特征的建模和评价模型的设计两个研究点。其中,图像美学特征工程研究的目的是设计更能表征图像美学性质的特征,以提高图像美学特征的表征能力;美学质量评价工程研究主要目的是设计更精确的评价算法,以提高质量评价模型的评价能力。本文在质量评价方式,模型训练收敛速度和深度评价模型训练方式等问题上开展了几点研究,总结如下:本文研究了基于标签分布学习的图像美学质量评价办法。由于图像美学质量评价问题本身的主观性和复杂性,只用单一的类别标签或者分数值对图像的美学质量的评价是不充分,不客观的。针对上述评价方式的单一性,本文提出了一种创新的评价方式:基于标签分布学习的图像美学质量评价。我们在标准数据集上开展的实验验证了标签分布式评价具有客观、容错能力强等特点。本文研究了基于迁移学习的网络微调策略的图像美学质量分类评价办法。为了弥补图像视觉评价数据集规模较小的问题和加快深度评价模型训练的收敛速度,本文在预训练模型的基础上,利用图像视觉评价数据集微调深度模型网络,以得到针对于美学评价的深度模型。标准实验表明,各个预训练模型在标准数据集上的微调训练均达到了不错的分类结果。上述工作涵盖了图像美学质量评价研究中的核心问题,在一定程度上提高了图像美学质量评价的特征表达能力,评估精确度以及算法效率等。本文的工作为图像美学质量评价提供了一定的参考价值,具有重要的理论价值和应用意义。