随着社交网络和数码相机的繁荣发展,网络上拍摄、传递、分享的照片数量呈爆炸级增长,使得用户的私人照片库足够庞大并能从其中选择并保留有价值的照片。然而,从海量图片中手动组建理想且个性化的相册或纪念集不仅耗时繁琐,且工作量巨大,是一个有待的挑战。为了改善现存算法忽视用户偏好和准确率低的缺点,并考虑手工检索所带来的挑战,本文提出一种基于深度特征的图像质量评价算法。算法分为两部分:1)基于用户主观体验的图像质量排序算法。2)个性化质量属性分布算法。在算法一中,首先输入用户喜好的图片,随后通过深度卷积神经网络（DCNN）提取特征并与数据集对比,创建用户专属训练集,之后使用SVM^rank学习定制的超平面,并生成基于主观体验的图像质量排序。在算法二中,首先提取特征并进行特征编码。随后,本文结合数种摄影学特征,训练出多属性分类器。通过用户输入专属的查询图片,本算法可自动生成个性化的图像质量属性分布。在本文提出的排序算法中,其排序函数由SVM^rank学习得到。得到其排序评分后,与美学分类器的决策值进行归一化加权验证,并得出最终排序。在个性化属性分布算法中,主要研究了用户对输入图像中哪一种摄影学属性更关注。为此,本文在专业摄影网站收集了60005张带有标签的各类照片,并将其按照三分线,黄金分割等摄影学规则分为若干类,进行局部特征和全局特征的学习,最后结合深度特征与对应标签,学习并训练个性化的属性分布模型。在测试阶段,本文在两个公开的数据集CUHKPQ和AVA上分别进行了验证。除使用常规摄影图像之外,本文还使用了无人机航拍图像作为算法输入,进行了相关实验验证算法的适用性,并与其他方法进行了对比。实验结果表明,本文提出的图像质量评价算法在排序方面较符合用户的实际排序;在个性化属性分布方面,能够较可靠的分析用户对图片的偏好。在此基础上,综合排序算法和属性分布算法,本文提出的基于深度特征的图像质量评价算法,可为探索用户对照片的个性化偏好提供一定的参考。