[发明专利]一种基于自适应匹配和学习的失真图像处理方法及系统

权利要求书

1.一种基于自适应匹配和学习的失真图像处理方法，其特征在于，包括如下步骤：

S1，针对各种图像处理工具，建立对应的失真图像样本库；

S2，对失真图像样本库中的失真图像进行预处理，即进行降维特征提取，得到特征图像，所述特征图像构成训练样本；

S3，利用分类技术对训练样本进行训练并构建分类器，得到失真分类模型；

S4，对于导入的待处理失真图像，通过失真分类模型对其进行分类，得到预测失真类别；

S5，根据预测失真类别，选用对应的一个或多个图像处理工具对待处理失真图像进行处理，最终得到一个或多个处理后图像，并对处理后图像进行显示，从中获取达到效果最佳的处理后图像；

S6，根据步骤S4～S5的结果，优化失真分类模型。

2.根据权利要求1所述的一种基于自适应匹配和学习的失真图像处理方法，其特征在于：步骤S2中所述降维特征提取的方法是先通过PCA算法将失真图像的高维数据通过线性变换投影到低维空间上来降低失真图像的维数，得到一次降维后的低维样本矩阵；再通过LDA算法将一次降维后的低维样本矩阵投影到一个使得所述低维样本中类类之间的距离最大、类内之间的距离最小的最优判别矢量空间中，得到二次降维后的低维样本矩阵。

3.根据权利要求1所述的一种基于自适应匹配和学习的失真图像处理方法，其特征在于，步骤S5具体过程如下：

若所述预测失真类别为一种时，针对此种预测失真类别，选用对应的一个或多个图像处理工具对待处理失真图像进行处理，得到一个或多个第一次处理后图像，并对第一次处理后图像进行显示，获取达到效果最佳的第一次处理后图像；

若所述预测失真类别为多种时，针对一种预测失真类别，选用对应的一个或多个图像处理工具对待处理失真图像进行处理，得到一个或多个第一次处理后图像，并对第一次处理后图像进行显示，获取达到效果较佳的第一次处理后图像；再针对另一种预测失真类别，选用对应的一个或多个图像处理工具对达到效果较佳的第一次处理后图像进行处理，得到一个或多个第二次处理后图像，并对第二次处理后图像进行显示，获取达到效果较佳的第二次处理后图像，以此类推，直到所有预测失真类别全部处理完毕，选取最终的处理后图像中达到效果最佳的处理后图像。

4.根据权利要求1所述的一种基于自适应匹配和学习的失真图像处理方法，其特征在于，步骤S6中所述优化失真分类模型包括如下步骤：

S11，记录达到效果最佳的处理后图像的对应处理流程和图像处理工具；

S12，将处理前的待处理失真图像放入到步骤S11中记录的图像处理工具对应的失真图像样本库中；

S13，重复步骤S2～S3，完成失真分类模型的更新。