本論文應用攝影構圖法則，以模糊邏輯理論為基礎，判別影像的攝影構圖類型。構圖(Composition)乃是攝影這項平面藝術創作最重要的美學元素之一，其目的是利用空間中的物體配置，經由透視投影後，讓畫面的整體呈現平衡感；專業的、優秀的攝影作品，皆會符合攝影的基本構圖原理。因此許多的影像增強、影像合成的應用中，也應該配合相片原本的構圖設計，針對所欲表達的重點予與適當地調整，而非「盲目的」以一體適用的法則去處理每一張照片。 論文中，我們針對影像所欲表達的重點區域，分析其結構特性，設計不同的特徵，並以模糊邏輯理論為基礎，應用Mamdani系統，結合隸屬函數與攝影構圖判別法則的交互作用，用以辨認所欲處理相片的構圖類別。依據辨認後的構圖類別，即可對該影像做適當地分割及調整，以使相片能有最佳的影像增強處理。 實驗證明，本文所提出的方法能有效地辨認攝影構圖類別，針對不同攝影構圖所作的影像修正，才能更符合人眼的視覺喜好。 / This thesis addresses the problem of how to recognize the photographic composition from a given photo based on the theory of fuzzy logic. Composition is one of the important aesthetics for the plane figure photo art. To present the balance of its holistic picture, it takes the advantage of special object arrangement after acting perspective projection. A piece of professional and qualified photo work will realize these basic photo composition methods. For many applications about the digital photo, the operations, i.e., photo enhancement, segmentation, output, and synthesis, all need to match up the photographic composition to do accurate processing rather than “blind” processing that assumes each photo with the same “composition.” An automatic recognition method using image features from some specific regions is described. The method is employed in a Mamdani model and combines outputs of multiple fuzzy logic rules and feature extraction algorithms to obtain confidences that can identify the correct photographic composition. Experimental results show that the proposed method is robust and effective for photographic composition recognition. The feature with adjusting in different photo composing will be able to comfort our human sight.

隨著科技的進步以及網際網路的普及，影像資訊的傳遞已經漸漸取代文字的表達，人們對於影像的需求也越來越多元，使得影像處理技術以及影像資訊分析也就越來越重要。然而，影像中其中一項重要的資訊為特徵描述子，強而有力的描述子能使得影像在辨識、分類等應用上有較佳的回饋，描述子的建構方式根據編碼原則分為：基於區域梯度統計、基於點對關係以及基於點群關係。其中，基於點群關係的編碼方式因為點群的選取及排序過程中，可能會產生過多的關係表示方法數，以至於不利於計算，因此過去較少有利用點群關係的編碼方式所建構而成的特徵描述子。 本論文提出描述子建構方式-LIOR，是以點群排序關係為基礎的編碼方式，相較於LIOP方法隨著點群內的點數增加，元素關係數大幅度的成長，造成描述子維度過大，計算時間和空間皆可能需要大量的消耗，而本研究方法足以改善計算維度的問題，重新定義點群關係的排名機制，並以像素值為基準加入權重分配，以區別加權排序之間不同大小差值所造成的影響程度。 實驗結果顯示本研究方法對於不同影像劣化效果的資料集，不僅能提升選取多點為一群的影像比對評估效能，同時也能改善點群內元素關係過多的排名表示法，降低以多點為群集的特徵描述子維度，節省了影像比對的計算時間以及空間，仍可維持整體影像配對之效能。