基于深度神经网络与级联回归的图像美感增强方法

摘要

本发明实施例提供一种基于深度神经网络与级联回归的图像美感增强方法，包括以下步骤:S1，提供尺寸为C₀的原始图像，通过级联回归算法进行求解获得最小化目标；S2，通过AVA数据集与CHUKPQ数据集训练深度卷积神经网络的提取图像特征功能；S3，通过深度卷积神经网络提取深度特征x^t，并通过深度卷积神经网络的空间金字塔池化层将尺寸为C₀原始图像变转化为(2*2+3*3+4*4)*32的特征向量；S4，将提取的深度特征x^t应用于随机蕨回归器中，并采用梯度下降方法学习获得基元回归器，通过级联回归器来输出候选结果C_j(1≤j≤4)；不断迭代直到误差不再减小，获得基元回归器的最小化目标函数；S5，将步骤S4中获得的基元回归器与深度特征x^t按照迭代的方式进行T次循环，通过多级循环剪切获得最终裁剪图像。