[發明專利]一種基于排序學習的圖像處理算法或系統的評價方法

有效

• 申請號: 201310692533.6
• 申請日: 2013-12-17
• 公開（公告）號: CN103745454B
• 公開（公告）日: 2017-01-11
• 發明（設計）人: 田永鴻;陳崢瑩;蔣婷婷;黃鐵軍
• 申請（專利權）人: 北京大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/66
• 代理公司: 北京市商泰律師事務所11255
• 代理人: 毛燕生

1.一種基于排序學習的圖像處理算法或系統的評價方法，其特征在于：輸入若干組不同的圖像處理算法或系統的輸出結果圖像，在完成標注的數據集上進行排序學習,得到排名函數，通過所述排名函數得到每一組待評價圖像的相對質量高低，評價對應的圖像處理算法或系統的相對質量。

2.根據權利要求1所述的一種基于排序學習的圖像處理算法或系統的評價方法，其特征在于：所述數據集包括源圖像、不同圖像處理算法或系統處理得到的輸出圖像、輸出圖像之間的相對質量高低。

3.根據權利要求1所述的一種基于排序學習的圖像處理算法或系統的評價方法，其特征在于包括如下步驟：

步驟1）訓練階段，通過在訓練集上進行排序學習，得到排名函數；

步驟2）預測階段，通過訓練階段得到的排名函數，得到待評價圖像的排名，從而預測對應的圖像處理算法或系統的相對質量。

4.根據權利要求2所述的一種基于排序學習的圖像處理算法或系統的評價方法，其特征在于所述步驟1）還包括：

步驟1.1）預處理階段，對數據集中的輸出圖像，提取能表征其圖像質量的特征，得到特征描述；

步驟1.2）學習階段，在數據集上進行排序學習，得到排名函數。

5.根據權利要2所述的一種基于排序學習的圖像處理算法或系統的評價方法，其特征在于所述步驟2）還包括：

預測一種新的圖像處理算法或系統相對于已有圖像處理算法或系統的相對質量；

輸入為一種新的圖像處理算法或系統在已有圖像集上的輸出結果圖像，輸出為所述新的圖像處理算法或系統相對于已有圖像處理算法或系統的相對質量;

步驟2.1）預處理階段，對待評價的圖像處理算法或系統的輸出結果圖像，提取表征其圖像質量的特征，得到特征描述，所述特征描述需與訓練階段所提取的特征保持一致；

步驟2.2）推斷階段，利用訓練階段得到的排名函數得到待評價圖像的排名，通過新的圖像處理算法或系統得到的輸出圖像的平均排名來預測新的圖像處理算法或系統相對于已有圖像處理算法或系統的相對質量。

6.根據權利要求1所述的一種基于排序學習的圖像處理算法或系統的評價方法，其特征在于所述步驟2）還包括：

預測已有圖像處理算法或系統在新的圖像集上的相對質量；

輸入為已有圖像處理算法或系統在新的圖像集上的輸出結果圖像，輸出為這些圖像處理算法或系統在所述圖像集上的相對質量；

步驟2.1）預處理階段，對待評價的圖像處理算法或系統的輸出結果圖像，提取表征其圖像質量的特征，得到特征描述，所述特征描述需與訓練階段所提取的特征保持一致；

步驟2.2）推斷階段，利用訓練階段得到的排名函數得到待評價圖像的排名，通過已有圖像處理算法或系統得到的輸出圖像的平均排名來預測已有圖像處理算法或系統在新圖像集上的相對質量。

7.根據權利要求5或6所述的一種基于排序學習的圖像處理算法或系統的評價方法，其特征在于：所述預處理階段所使用的特征可包含人工設計的底層特征和由機器學習得到的中等或高等層次特征。

8.根據權利要求7所述的一種基于排序學習的圖像處理算法或系統的評價方法，其特征在于：所述預處理階段所使用的特征中，人工設計的底層特征包含但不限于DIIVINE系數、BRISQUE、顏色矩、色彩直方圖等在圖像質量評價領域中常見的底層特征；

所述預處理階段中，提取的多種特征可采用直接拼接、多核學習特征融合等特征融合方式得到特征描述所述預處理階段中，提取的多種特征可采用直接拼接、多核學習特征融合等特征融合方式得到特征描述；

所述預處理階段中，根據待評價圖像的來源不同，提取不同的特征；使用人工設計的底層特征，或者使用機器學習得到的中等或高等層次特征。

9.根據權利要求4所述的一種基于排序學習的圖像處理算法或系統的評價方法，其特征在于：所述學習階段可以但不限于通過排序支持向量機等已知排序學習工具解決排序學習問題。

10.根據權利要求1所述的一種基于排序學習的圖像處理算法或系統的評價方法，其特征在于：所述方法可用于但不限于評價圖像去霧算法或系統、低光照場景圖像增強算法或系統、水下場景圖像增強算法或系統等。