線上影像美學評估與圖片瀏覽系統

1. Combination FeatureImplementation 線上影像美學評估與圖片瀏覽系統 組員：郭怡珠、高林立 指導教授：朱威達 • Introduction 本專題實作了一套分析、量化影像美學，並輸出其美學分數的系統。我們實作參考論文中幾項審美時重要的準則，並將其與已知之計算方法整合，實現影像美學之分數分析。此外，我們提供線上影像美學評估與圖片瀏覽系統，讓使用者可自行上傳影像並給與其美學分數，也可瀏覽所有使用者上傳之影像。此應用證明本系統所整合之美學計方法實踐於網路平台之實用性。 • 基本程式架構 • Web service 系統架構圖 Score Blurriness(B) RGB Histogram(R) UI and Options Process Frame Computation Program PHOG(P) Intensity(I) Homepage Upload pictures Get scores Hue Histogram(H) Gallery Connect to mySQL and show pictures Rule of Thirds(R) Sort by Dates Width and Height(W) Sort by Scores 系統畫面圖 實作方法 Homepage Gallery • Features • 依據參考論文經過machine learning後的結果，我們取出影響力最大的features實作： • Blurriness：將圖片做傅立葉轉換後，計算所存值大於5的點之個數，並除以點的總個數，得到一介於0~1之間的值，視為模糊度，此唯一值越高，則照片越清晰。 • Histogram of average RGB：取出圖片中每一點的RGB值做成histogram，共有256種值。 • Level 1 pyramid histogram of oriented gradients：第一次對整個圖片做方向梯度運算，分為8個方向，第二次在將圖片切為四等份對每一等份做方向梯度運算，最後全部方向梯度加起來共有40個值。 • Intensity histogram：將圖片由RGB空間轉至HSV空間，並取出每一點的V值做成histogram，共有256種值。 • Hue histogram：將圖片由RGB空間轉至HSV空間，並取出每一點的Hue值做成histogram，共有360種值。 • Sum of edge magnitudes weighted by rule of thirds：先對圖片作邊緣偵測，之後以高斯分布的方式配與權重，以每點邊緣偵測所得到的值與權重作內積後除以總權重和。 • Width and height of the image：取出圖片的寬和高。 Upload and Get a Score 結果呈現 88.9 57.8 85.4 61.2 • Reference • Computation [1]W.-T. Chu, Y.-K. Chen, and K.-T. Chen, "Size does matter: How image display size affects aesthetic perception?" In Proc. of ACM International Conference on Multimedia, pp. 53-62, 2013 [2]C. Li and T. Chen, “Aesthetic visual quality assessment of paintings,” IEEE Journal of Selected Topics in Signal Processing, vol. 3, no. 2, pp. 236–252,2009 [3]A. Bosch, A. Zisserman, and X. Munoz, “Representing shape with a spatial pyramid kernel,” In Proc. of CIVR, pp. 401–408, 2007. [4]Y. Ke, X. Tang, and F. Jing, “The design of high-level features for photo quality assessment,” In Proc. of CVPR, pp. 419–426, 2006. 我們將影像根據以上的準則並利用PLSR(partial least squares method)方法求出一系列的權重，將所有features的值與其權重內積得到最後的美學分數。