图像自动裁剪技术已被广泛应用于拍摄设备推荐构图、图像编辑后期美化、图像数据集的处理等领域。良好的图像裁剪方法能够保留人类的感兴趣区域以及美学质量高的部分,因此研究高质量高效率的自动图像裁剪具有实际意义。现有的图像裁剪方法主要基于神经网络,需要大量的人工标注裁剪框,并且依赖于滑动窗口机制,导致计算量较大。针对以上问题,本文设计和研究了两种基于强化学习的图像裁剪网络。具体的研究内容和结果如下:（1）基于多智能体图像裁剪相关模型的研究。针对人眼注意力机制与物体显著性检测的差异性,本文设计Res-Yolo V3检测模型和金字塔特征显著检测模型,使原始数据集经过Res-Yolo V3模型划分出包含人与不含人的图像,用显著性检测网络处理不含人的图像并输出对应图片显著图,再输入对应的智能体裁剪模型进行裁剪处理。结果表明,Res-Yolo V3在单类行人测试集上检测精度为84.9%,相比Yolo V3提升0.7%;金字塔特征显著性检测模型在DUTS-test数据集中F值为88%,MAE值为4.3%,最后可视化验证该模型能够准确定位图像显著性区域。（2）基于单智能体的图像裁剪方法研究。针对传统滑动窗口裁剪法存在的弊端,提出了基于DQN网络的单智能体裁剪模型A2-IC（An Agent Image Cropping）,通过设计状态、动作空间、构造裁剪图与真实标注框交并比奖励函数,实现自动裁剪并得到原始图片最优的裁剪图。结果表明,A2-IC在FCD-TE数据集的平均交并比AIOU为69.5%,平均边界框偏移ABDE为7.7%;在CUHK-ICD上综合裁剪效果相比目前最优裁剪方法LVRN提升明显;在FLMS数据集上的最大IOU值为84.5%,比LVRN模型提高了0.6%。（3）基于多智能体的图像裁剪方法研究。针对人与物构图区域的不同,提出基于多智能体的图像裁剪流程,利用双智能体CD-IC（Communicate Decision Image Cropping）处理不含人的数据集,其中两个智能体间进行经验交互以实现联合决策,在裁剪过程中同时关注图像的美学分数和显著性区域;单智能体A2-IC模型处理人数据集,在裁剪过程中关注人眼注视点区域;将A2-IC与CD-IC整合构造多智能体模型MA-IC（Multi-Agent Image Cropping）,实现对不同类别图片的精准裁剪。结果表明,在FCD-TE测试集上,MA-IC相比单独使用CD-IC、A2-IC模型AIOU分别提升了0.8%与2.3%,相比LVRN提升3%以上;在指标ABDE中,MA-IC的误差值同样达到最低6.5%。通过多智能体的协作算法使图像裁剪更加准确,节省计算成本,为计算机实现自动裁剪功能提供指导意义。