基于模型排序的数据高效的盲超分辨率图像质量评价方法及系统

一种基于模型排序的数据高效的盲超分辨率图像质量评价学习方法，其特征在于：从原始低分辨率图像集使用多个超分辨率方法生成超分辨率图像集，采用最大差异竞争方法选择出最大化差异的子集，对选择出的子集对应的超分辨率图像进行主观测试得到多个超分辨率方法的全局排名，将全局排名转移至未标注超分辨率图像的实例级伪标签得到一个伪标签数据集，采用成对排序学习的方式并结合伪标签数据集与现有的图像质量评价数据集以半监督学习方式训练一个盲超分辨率图像质量评价模型。可以有效缓解盲图像质量评价方法需要大量人工标注数据进行监督训练的问题及有效改进现有盲图像质量评价模型的性能，得到与主观评价一致性更好的预测结果。