随着不同分辨率的显示设备数量的快速增长,图像和显示设备大小的不匹配问题使图像重定向方法成为计算机视觉领域的热点问题。内容感知图像重定向方法的主要目标是改变图像长宽比的同时保护图像中的主体对象,使变形尽可能发生在相对不重要的区域。但对于具有多个主体的图像重定向时会由于显著图的不准确造成主体对象的严重失真。同时,由于目前大多数算法并没有考虑图像重定向后的美学分布,生成的图像的美学结构容易受到破坏。针对上述问题,本文提出一种融合深度特征和美学感知的图像重定向算法,提取适用于图像重定向的深度显著图和多层级注意力融合的美学注意力图,将它们与图像的梯度和直线检测图融合共同指导图像重定向。本文的主要工作和创新如下:提出多特征融合的能量转移重定向算法。针对具有多个显著对象的图像使用相对显著性的分层表示和阶段细化的方法检测图像中的显著区域,通过将置信度分配给不同的显著区域来解决多个显著对象之间的差异。同时,为了保护多个显著对象的内部特征,提出基于能量转移的多操作方法作为重定向操作算子,使具有多个显著对象的目标图像不会发生明显变形,最大程度保留了全局语义。提出基于多层级注意力融合的图像美学感知网络,首先使用预训练的编码器网络提取图像不同细粒度的美学特征。然后通过所设计的注意力模块自适应地融合,以获得美学信息。最后将学习到的美学信息与图像的显著图、梯度和直线特征图融合作为具有美学分布的重要度图,以此来指导多操作的图像重定向算法。在MIT Retarget Me和MSRA数据库对提出的算法进行验证,与主流算法进行对比,在主观选取实验中以32.8%的选取率获得最高票数,客观评分实验中也获得了0.71的最高得分。实验结果表明了本文提出的融合深度特征和美学感知的重要度图能够很好地保护图像重定向中的美学信息,图像重定向结果相较主流方法具有更好的视觉感知效果。