[發明專利]一種基于自適應匹配和學習的失真圖像處理方法及系統

在審

• 申請號: 201710397703.6
• 申請日: 2017-05-31
• 公開（公告）號: CN107247965A
• 公開（公告）日: 2017-10-13
• 發明（設計）人: 黃翔;馬韻潔;張凱;吳艷平;朱萍;羅晶晶;劉暢;柴進哲;汪慧
• 申請（專利權）人: 安徽四創電子股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 合肥和瑞知識產權代理事務所(普通合伙)34118
• 代理人: 王挺

1.一種基于自適應匹配和學習的失真圖像處理方法，其特征在于，包括如下步驟：

S1，針對各種圖像處理工具，建立對應的失真圖像樣本庫；

S2，對失真圖像樣本庫中的失真圖像進行預處理，即進行降維特征提取，得到特征圖像，所述特征圖像構成訓練樣本；

S3，利用分類技術對訓練樣本進行訓練并構建分類器，得到失真分類模型；

S4，對于導入的待處理失真圖像，通過失真分類模型對其進行分類，得到預測失真類別；

S5，根據預測失真類別，選用對應的一個或多個圖像處理工具對待處理失真圖像進行處理，最終得到一個或多個處理后圖像，并對處理后圖像進行顯示，從中獲取達到效果最佳的處理后圖像；

S6，根據步驟S4～S5的結果，優化失真分類模型。

2.根據權利要求1所述的一種基于自適應匹配和學習的失真圖像處理方法，其特征在于：步驟S2中所述降維特征提取的方法是先通過PCA算法將失真圖像的高維數據通過線性變換投影到低維空間上來降低失真圖像的維數，得到一次降維后的低維樣本矩陣；再通過LDA算法將一次降維后的低維樣本矩陣投影到一個使得所述低維樣本中類類之間的距離最大、類內之間的距離最小的最優判別矢量空間中，得到二次降維后的低維樣本矩陣。

3.根據權利要求1所述的一種基于自適應匹配和學習的失真圖像處理方法，其特征在于，步驟S5具體過程如下：

若所述預測失真類別為一種時，針對此種預測失真類別，選用對應的一個或多個圖像處理工具對待處理失真圖像進行處理，得到一個或多個第一次處理后圖像，并對第一次處理后圖像進行顯示，獲取達到效果最佳的第一次處理后圖像；

若所述預測失真類別為多種時，針對一種預測失真類別，選用對應的一個或多個圖像處理工具對待處理失真圖像進行處理，得到一個或多個第一次處理后圖像，并對第一次處理后圖像進行顯示，獲取達到效果較佳的第一次處理后圖像；再針對另一種預測失真類別，選用對應的一個或多個圖像處理工具對達到效果較佳的第一次處理后圖像進行處理，得到一個或多個第二次處理后圖像，并對第二次處理后圖像進行顯示，獲取達到效果較佳的第二次處理后圖像，以此類推，直到所有預測失真類別全部處理完畢，選取最終的處理后圖像中達到效果最佳的處理后圖像。

4.根據權利要求1所述的一種基于自適應匹配和學習的失真圖像處理方法，其特征在于，步驟S6中所述優化失真分類模型包括如下步驟：

S11，記錄達到效果最佳的處理后圖像的對應處理流程和圖像處理工具；

S12，將處理前的待處理失真圖像放入到步驟S11中記錄的圖像處理工具對應的失真圖像樣本庫中；

S13，重復步驟S2～S3，完成失真分類模型的更新。