[发明专利]一种基于排序学习的图像处理算法或系统的评价方法

权利要求书

1.一种基于排序学习的图像处理算法或系统的评价方法，其特征在于：输入若干组不同的图像处理算法或系统的输出结果图像，在完成标注的数据集上进行排序学习,得到排名函数，通过所述排名函数得到每一组待评价图像的相对质量高低，评价对应的图像处理算法或系统的相对质量。

2.根据权利要求1所述的一种基于排序学习的图像处理算法或系统的评价方法，其特征在于：所述数据集包括源图像、不同图像处理算法或系统处理得到的输出图像、输出图像之间的相对质量高低。

3.根据权利要求1所述的一种基于排序学习的图像处理算法或系统的评价方法，其特征在于包括如下步骤：

步骤1）训练阶段，通过在训练集上进行排序学习，得到排名函数；

步骤2）预测阶段，通过训练阶段得到的排名函数，得到待评价图像的排名，从而预测对应的图像处理算法或系统的相对质量。

4.根据权利要求2所述的一种基于排序学习的图像处理算法或系统的评价方法，其特征在于所述步骤1）还包括：

步骤1.1）预处理阶段，对数据集中的输出图像，提取能表征其图像质量的特征，得到特征描述；

步骤1.2）学习阶段，在数据集上进行排序学习，得到排名函数。

5.根据权利要2所述的一种基于排序学习的图像处理算法或系统的评价方法，其特征在于所述步骤2）还包括：

预测一种新的图像处理算法或系统相对于已有图像处理算法或系统的相对质量；

输入为一种新的图像处理算法或系统在已有图像集上的输出结果图像，输出为所述新的图像处理算法或系统相对于已有图像处理算法或系统的相对质量;

步骤2.1）预处理阶段，对待评价的图像处理算法或系统的输出结果图像，提取表征其图像质量的特征，得到特征描述，所述特征描述需与训练阶段所提取的特征保持一致；

步骤2.2）推断阶段，利用训练阶段得到的排名函数得到待评价图像的排名，通过新的图像处理算法或系统得到的输出图像的平均排名来预测新的图像处理算法或系统相对于已有图像处理算法或系统的相对质量。

6.根据权利要求1所述的一种基于排序学习的图像处理算法或系统的评价方法，其特征在于所述步骤2）还包括：

预测已有图像处理算法或系统在新的图像集上的相对质量；

输入为已有图像处理算法或系统在新的图像集上的输出结果图像，输出为这些图像处理算法或系统在所述图像集上的相对质量；

步骤2.1）预处理阶段，对待评价的图像处理算法或系统的输出结果图像，提取表征其图像质量的特征，得到特征描述，所述特征描述需与训练阶段所提取的特征保持一致；

步骤2.2）推断阶段，利用训练阶段得到的排名函数得到待评价图像的排名，通过已有图像处理算法或系统得到的输出图像的平均排名来预测已有图像处理算法或系统在新图像集上的相对质量。

7.根据权利要求5或6所述的一种基于排序学习的图像处理算法或系统的评价方法，其特征在于：所述预处理阶段所使用的特征可包含人工设计的底层特征和由机器学习得到的中等或高等层次特征。

8.根据权利要求7所述的一种基于排序学习的图像处理算法或系统的评价方法，其特征在于：所述预处理阶段所使用的特征中，人工设计的底层特征包含但不限于DIIVINE系数、BRISQUE、颜色矩、色彩直方图等在图像质量评价领域中常见的底层特征；

所述预处理阶段中，提取的多种特征可采用直接拼接、多核学习特征融合等特征融合方式得到特征描述所述预处理阶段中，提取的多种特征可采用直接拼接、多核学习特征融合等特征融合方式得到特征描述；

所述预处理阶段中，根据待评价图像的来源不同，提取不同的特征；使用人工设计的底层特征，或者使用机器学习得到的中等或高等层次特征。

9.根据权利要求4所述的一种基于排序学习的图像处理算法或系统的评价方法，其特征在于：所述学习阶段可以但不限于通过排序支持向量机等已知排序学习工具解决排序学习问题。

10.根据权利要求1所述的一种基于排序学习的图像处理算法或系统的评价方法，其特征在于：所述方法可用于但不限于评价图像去雾算法或系统、低光照场景图像增强算法或系统、水下场景图像增强算法或系统等。