图像的呈现,是指图像内容的组织、变换与展示。良好的图像呈现形式有助于信息的展示、气氛的渲染和情绪的表达。面向不同的问题,一些图像呈现技术,例如拼贴图(Collage)、镶嵌图(Mosaics)、图像画报(Pictorial)和图文并置(Text-overlaid Image)等,综合了人机交互、图像处理、通用设计和美学等领域的规则或约束,得到了较好的发展和应用。图像呈现既可以针对单幅图像而言,也可以应用于多幅图像。本文针对单幅图像研究其呈现形式。由于一些因素的影响,即便面对一些热点场景,业余摄影者通常也很难拍得一副令人满意的理想照片。论文面向这个常见的应用问题,针对用户已经拍得的色彩较差的低质量图像,利用社交媒体中丰富的海量图像资源,对其进行颜色改善,从而达到色彩增强的目的,提高其呈现效果。基于此思路,论文给出了一个基于社交图像的图像色彩增强和呈现框架,包括样板图像的推荐和输入图像的改善两个部分。论文实现了一种社交媒体中样板图像推荐方法。鉴于摄影与编辑规则通常都是与场景内容及上下文环境紧密有关的,因此一个好的样板图像应该与用户的输入有着类似的场景构成及类似的环境,这样才能有助于实现真实性的增强效果。同时,样板图像应在颜色风格和构成上具备多样性,且具有较高的视觉质量,从而为用户提供多样的优良选择。为此,论文采用GIST特征来描述图像视觉内容,采用图像所附属的GPS信息来粗略地度量位置信息,通过基于KD树的范围查找实现相似图像的搜索。在搜索得到的相似图像集上,采用图像在CIE Lab空间上的分块三阶矩来近似图像的颜色构成,利用图像所附属的社交信息(基于Flickr图像的兴趣度)来计算图像的视觉质量,综合通过近邻传播(Affinity Propagation)聚类实现样板图像的最终选择。在论文构建的数据集上的实验结果表明,所实现的方法在图像搜索、色彩度量、视觉质量度量上都是可行的,所获取的样板图像符合预期要求。论文实现了一种图像重着色的方法。由于样板图像确定了目标的色调构成,重着色的目的便是希望用户所输入图像能与样板图像具备类似的颜色分布。鉴于超像素具备较好的空间和颜色一致性,且比图像分割更鲁棒,使用了基于超像素的图像表示方法。论文综合超像素的颜色统计(均值和方差)、纹理特点和空间约束,使用软分配的方法寻找输入图像与样板图像之间的超像素的更好匹配。在此基础上,对颜色偏移值进行计算。在论文构建的数据集上的实验结果表明该方法能够针对给定样板图像实现较好的色彩增强,与常用颜色传递方法的对比实验结果也表明论文方法的有效性。