随着智能手机以及专业相机的普及,用户每天拍摄大量的照片。但由于拍摄水平和拍摄环境等多种因素的影响,普通摄影者拍摄的照片常常不能满足人们的审美要求。对图像进行美化涉及到美学法则和构图布局方面的专业知识,十分复杂和耗时,普通用户难以完成便捷的图像美化处理。在众多影响图像的美感因素中,构图对于一张图像的好看与否有很大的影响。对于具有专业摄影知识的摄影师来说,给定当前的场景,可以知道用何种构图来拍摄出最好看的一张图像,然而对于一些没有专业摄影知识的人来说,就比较困难。为了解决普通摄影者拍摄后的构图优化的困难,论文将美学构图优化的问题看作一个基于原始输入图像的图像生成问题,提出了一个自动的满足构图规则的图像生成算法框架,利用构图检测、语义分割、图像构图优化以及图像生成技术,在用户输入图像时,基于内置的不同的专业的摄影规则,利用生成式对抗网络来生成基于不同构图规则的图像,从而来对于用户下一次的拍摄做出相应的指导。通过实验证明,论文提出的算法框架可以根据输入图片的不同构图规则选择相应的构图优化模块从而生成符合对应构图规则的图片。为了进一步对优化后的语义图做构图方面的评价,并选出构图效果最好的一张语义图来指导图像生成,论文需要对生成的不同语义图做美学构图评价。由于目前美学评价是对原始的输入图像进行评分,缺乏相应的语义图的评分标签以及相应的数据集,因此论文将语义图的构图评价问题转换为结合原始输入图像以及语义图的综合评价问题。论文提出了一个多特征融合的美学评价网络,其分别在原图和语义图上提取美学全局特征以及语义图的构图特征,并通过特征级联将这两种特征进行融合,从而来进行综合评价。通过实验证明,提出来的美学评价网络不仅在原始图片美学评价的性能上有所提升,同时也能融入到论文提出的满足构图规则的图像生成算法框架中,结合原始图像以及不同的语义图综合给出不同的评分。