美学涵盖心理学、语言学、人类学等多个领域,是研究人与审美关系的一门学科。传统的审美方式是由人们给出主观的意见,但这种方式需要人们具有深厚的美学造诣以及相关领域的知识。随着计算机视觉、图像处理和模式识别等技术的发展,以及数字图像数量爆炸式的增长,人们对于图像美学的标准也在逐步进行量化。在此背景下,计算机图像领域中可计算图像美学评价的概念应运而生。可计算图像美学是通过构建计算模型,模拟人脑的审美思维与视觉系统,来对图像做出具有可行性的美学决策。针对现有图像美学评价方法特征选择单一以及无法适用于所有类型图像美学评价的问题,本文提出基于改进的色彩调和性并融合多特征的图像美学评价方法。现有色彩调和性的计算方法采用固定分块大小,同时忽略图像中主体区域与背景区域的差异,本文提出的方法首先将图像进行显著区域检测,得到主体区域之后将主体与背景分离,依据颜色信息熵的不同,分别对两区域进行分块;在此基础上,利用SLIC算法确定分块内的主颜色,最后根据Moon-Spencer色彩调和理论计算色彩调和特征。同时,在色彩调和特征的基础上,又融合了颜色、构图、清晰度、纹理和图像的离散余弦变换DCT的统计特性。构成可计算美学评价模型的特征向量,最终利用SVM分类器进行训练,得到美学评价结果。实验中,本文方法分别使用Datta数据库、PhotoQualityDataset数据库以及自建的YUAestheticData数据库进行测试,实现了图像高低美感的分类。在Datta数据库上,平均分类准确率为82.04%;在分类图像PhotoQualityDataset数据库上,平均准确率为84.8%;在自建YUAestheticData数据库上,平均准确率为83.91%。通过设置不同的实验及对比实验表明,本文提出的可计算图像美学评价方法在改进色彩调和性并融合多特征的基础上,具有良好的分类准确率,同时适用于多种类型的图像。