随着大数据、机器学习和人机交互等技术的不断发展,设计正逐渐走向智能化的新形态。用计算机替代手工生产,用算法帮助设计师完成重复性的设计任务,是新一代智能设计研究的重要内容之一。平面图像是非常重要的一种设计形式。在生活中,从随处可见的海报到网站上的各种广告,大量低值易耗的平面设计需求一直是一个难题。这些设计内容用完即弃,不仅消耗着社会的人力与财力,也浪费了设计资源的内在价值。本文以平面广告图像为对象,研究了设计特征驱动的平面图像生成方法。通过研究平面设计的基本规则,提出了层次化的平面设计特征模型。定义了面向像素、元素、元素间关系、平面和应用的特征表示形式,并分别量化了其中的几何特征、感知特征和风格特征。在此基础上,建立了几何特征的概率估计模型。该模型可以拟合特征的概率密度分布,从而预测目标条件下最优的元素位置和元素色彩。方法进一步对平面广告图像做了布局生成和色彩重构,以满足多样化的平面设计需求。具体的,本文包括三部分核心研究内容:1.提出了层次化的平面图像设计特征模型。通过划分像素、元素、关系、平面和应用的层级,分别定义了相应的特征表示形式,并研究了几何特征、感知特征和风格特征量化的相关方法。内容包括元素颜色的抽取方法,布局感知特征和配色感知特征的计算方法,以及风格特征的成对比较方法。2.提出了平面图像中几何特征的预测模型。通过拟合几何特征在数据中的分布情况,模型可以预测特定条件下,元素位置和颜色等特征的概率密度分布,以支持平面图像的生成。为了实现预测模型的构建,研究了特征的采样方法,模型优化方法和数据学习策略等。3.提出了基于感知特征的平面图像生成方法。在布局聚类和感知特征可视化下,研究了文本布局生成和元素色彩重构方法,解决了多样化平面图像的生成问题。内容包括字符布局特征的概率估计方法,感知特征的布局优化方法,图像色度的几何映射方法,图像亮度的动态调整策略等。基于上述数据、模型和方法,本文开发了平面广告图像生成系统。就服装类平面广告图像的设计,做了相关系统应用。本文提出的方法为平面图像的智能设计研究提供了可行的思路,并对相关的方法和研究做了补充与阐述。研究设计特征驱动的平面图像生成方法,不仅对解决重复的设计劳动具有重大意义,也为未来的智能设计发展提供了基础与参考。