随着智能手机、相机的普及,人们逐渐习惯通过照片记录每一个难忘的瞬间。为了确保捕捉到最佳镜头,用户通常会为同一对象或场景拍摄一系列照片。但出于节省空间的考虑,随之而来地则是用户必须从这些几乎相同的图像中手动确定保留的对象,这个过程常常耗时费力。越来越多的研究者希望计算机能够辅助用户选出相似照片中更具吸引力的照片,即找寻一种促进系列照片筛选最优图像的自动评估方法。以往的图像美学质量评价研究工作大多直接使用顶层卷积层产生的特征对图像进行分类或回归预测,这些方法仅采用神经网络有高级语义信息的特征,处理相似的系列照片倾向于产生类似的预测结果,且模型性能不佳。本文致力于将系列照片的美学质量评价工作由单纯的分类或回归任务转换为图像排序比较任务,通过将图像在美感水平上进行排序来达到美学评价的目的。基于上述背景,在本论文的工作中提出了基于多尺度视觉注意机制(Multi-Scale Visual Attention Mechanism)的最优系列照片选择方法。首先,本方法采用参数全共享的孪生卷积神经网络结构学习两幅相似图像的区分性特征,以对图像对做出相对的美学质量评估。其次,我们通过加入较低层次的特征,以此来补充高层语义特征不具备的高分辨率图像细节,通过实验分析了卷积神经网络不同卷积层输出特征对美学质量评估的影响,最终聚合后三层网络的输出特征来代替以往研究中的顶层特征预测图像美感。最后,由于使用较低层特征会带来大量的冗余信息,本文还利用并行注意机制和自注意机制滤除干扰信息以获得更精简的美感特征,该特征具有良好概括性且具备整合全局和局部信息的能力。所提出的方法能够精准的、自适应对系列照片提取融合高分辨率信息和高级语义信息的特征,为处理系列照片和传统图像美学质量评价提供了新的思路。并且,该方法首次在图像美学质量评价领域引入多尺度特征融合技术来获取高分辨率细节特征,并使用注意机制过滤特征的空间、通道维度。本文中详细地展示了网络框架的设计以及各技术在结构中所起到的作用。为了验证方法的有效性,本文在包含5953个系列的美学数据集Phototriage和包含38717张图像的改进AVA数据集上分别进行了较为系统的实验。论文所提出的方法在上述两个数据集中,准确率分别达到76.47%和93.13%,其性能在整体上都优于最新的几种图像美学质量评价研究方法。此外,我们借助消融实验分析网络组成和结构的必要性,验证了本文结构设计的合理性。