1.一种自拍图像质量推荐方法，其特征在于包括以下步骤：①令{I(x,y)}表示待评价的自拍图像，其中，1≤x≤W，1≤y≤H，W表示{I(x,y)}的宽度，H表示{I(x,y)}的高度，I(x,y)表示{I(x,y)}中坐标位置为(x,y)的像素点的像素值；

②计算{I(x,y)}的自然度质量推荐指标，记为S1，S1的值为1或0；如果S1＝1，则执行步骤③；如果S1＝0，则执行步骤⑤；

③计算{I(x,y)}的局部亮度质量推荐指标，记为S2，S2的值为1或0；如果S2＝1，则执行步骤④；如果S2＝0，则执行步骤⑤；

④计算{I(x,y)}的结构布局质量推荐指标，记为S3，S3的值为1或0；然后执行步骤⑤；

所述的步骤④中的S3的获取过程为：

④_1、采用基于肤色的人脸检测方法对{I(x,y)}进行人脸检测，将检测得到的人脸区域记为 然后计算 的质心的坐标位置，记为xo，xo＝(xo,yo)；其中，xo表示 的质心的横坐标，yo表示 的质心的纵坐标；

④_2、根据摄像构图的三分法则，计算{I(x,y)}中的4个交叉点的坐标位置，分别记为xNW、xNE、xSW和xSE，④_3、计算xo与xNW、xNE、xSW和xSE各自的欧氏距离；然后将最短欧氏距离记为dnear，将最长欧氏距离记为dfar；接着根据dnear和dfar，计算{I(x,y)}的三分布局评价分值，记为Qthird，④_4、计算xo与{I(x,y)}的中心的坐标位置的欧氏距离；然后根据xo与{I(x,y)}的中心的坐标位置的欧氏距离，计算{I(x,y)}的视觉平衡评价分值，记为Qbal，其中，xCenter表示{I(x,y)}的中心的坐标位置，符号“|| ||”为求欧氏距离符号；

④_5、计算{I(x,y)}的结构布局评价分值，记为Qaes，④_6、计算{I(x,y)}的结构布局质量推荐指标S3， 其中，Taes为结构布局阈值；

⑤采用决策树机制计算{I (x ,y) }的最终质量推荐指标 ，记为 S，

2.根据权利要求1所述的一种自拍图像质量推荐方法，其特征在于所述的步骤②中的S1的获取过程为：②_1、选取N'幅主观质量推荐值为优的自拍图像构成训练图像集；然后采用自然图像质量预测器，从训练图像集中提取出训练图像集的原始多元高斯模型，记为(μ,C)；其中，N'为正整数，N'＞1，μ表示(μ,C)的均值特征，C表示(μ,C)的协方差矩阵特征；

②_2、将{I(x,y)}划分成M个非重叠的尺寸大小为64×64的子块；然后采用与步骤②_1中相同的自然图像质量预测器，从{I(x,y)}中的每个子块中提取出{I(x,y)}中的每个子块的原始多元高斯模型，将{I(x,y)}中的第m个子块的原始多元高斯模型记为(μm,Cm)；其中，M为正整数， 符号 为向下取整操作符号，m为正整数，1≤m≤M，μm表示(μm,Cm)的均值特征，Cm表示(μm,Cm)的协方差矩阵特征；

②_3、根据(μ,C)和{I(x,y)}中的每个子块的原始多元高斯模型，计算{I(x,y)}中的每个子块的自然度质量评价分值，将{I(x,y)}中的第m个子块的自然度质量评价分值记为qm，其中，(μ-μm)T为(μ-μm)的转置， 为的逆；

②_4、计算{I(x,y)}的自然度质量评价分值，记为Qnature，②_5、计算{I(x,y)}的自然度质量推荐指标S1， 其中，Tnature为自然度阈值。

3.根据权利要求1或2所述的一种自拍图像质量推荐方法，其特征在于所述的步骤③中的S2的获取过程为：③_1、采用基于肤色的人脸检测方法对{I(x,y)}进行人脸检测，将检测得到的人脸区域记为③_2、计算落在 中的所有像素点的像素值的均值，记为 其中，M'表示落在 中的像素点的总个数；

③_3、计算{I(x,y)}的局部亮度质量推荐指标S2， 其中，Tlow为暗通道阈值，Thigh为亮通道阈值。