近年来,随着科学技术与社交网络的飞速发展和普及,吸引了越来越多的人用相机和手机记录生活、分享生活,这一现状导致我们电子设备中的图像数量剧增,编辑和分享图像时存在困难。例如,如果你想从手机图库中选择9张照片,分享到微信朋友圈、微博等社交平台,你需要浏览图库中的多个图片,并手动选择出你喜欢的图片。对于这个现象,如何根据用户的需求自动推荐图库中图像的方法成为了研究问题。因此,我提出了一种基于深度学习的图像美学推荐方法,并基于这种方法实现了面向用户图库的图像推荐系统。目前,在图像推荐的研究方面,大部分的研究工作都是基于图像内容的推荐和基于协同过滤的推荐。这两个方法主要用于社交网络和购物平台的图像推荐,推荐方法追求准确性和实时性,对图像质量不做要求,且需要采集大量用户与系统的交互信息(如点赞、浏览记录和购物记录等)来分析用户兴趣和爱好,进而推荐图像或商品。而本文是要实现用户图库的推荐方法,首先需要确保推荐出的图像美感高、图像质量好,其次考虑用户偏好。因此,我提出了一种基于深度学习的图像美学推荐方法。通过结合图像美感分类算法和图像场景分类算法来实现推荐,确保图像的高美感和高质量,然后提供图像场景的个性化推荐,以提供良好的用户体验。本文在实现图像美学推荐方法中,共提出了三个算法,分别是:深度学习的图像美感分类算法IACA1、改进后的融合人工设计特征和深度学习特征的图像美感分类算法IACA2和深度学习的图像场景分类算法ISCA。图像美感分类算法可以把图像分为高质量和低质量两类,进而推荐出高美感图像;场景分类算法可识别分类出16个场景的图像,按场景类别推荐出用户喜爱的图像,分类准确率达94.21%。最后,我结合IACA2和ISCA算法实现了用户图库的图像推荐系统,该推荐系统模拟专业美学评估水平,可以在用户编辑和分享图像时,快速智能地从图库中推荐出高美感且是自己喜爱的场景的图像。并对系统的推荐功能进行了测试,实验结果表明,本文的方法具有可行性,显著提高了推荐效率。