CN107330105B - 一种相似图像检索算法的鲁棒性评测方法及装置 - Google Patents

Abstract

本发明提供一种相似图像检索算法的鲁棒性评测方法及装置，其中所述方法包括：针对每张待检索图片，在测试数据集中按照所述相似图像检索算法进行检索，并根据检索结果为每张所述待检索图片设定对应的检索积分；基于每张所述待检索图片对应的检索积分，确定所述相似图像检索算法对应的原始平均积分；对至少两组测试数组中的每张样本进行降低质量处理；并再次在所述测试数据集中按照所述相似图像检索算法进行检索，以得到所述相似图像检索算法在所述图像处理的前提下对应的实际平均积分；基于所述原始平均积分和所述实际平均积分，确定影响所述相似图像检索算法的鲁棒性的因素。本发明提供的技术方案，能够确定影响相似图像检索算法的鲁棒性的因素。

Description

一种相似图像检索算法的鲁棒性评测方法及装置

技术领域

本发明实施方式涉及图像检索技术领域，尤其涉及一种相似图像检索算法的鲁棒性评测方法及装置。

背景技术

当前，图像识别技术已经应用到了安防领域的人脸识别、智能交通领域的车辆检索等方面。相似图像检索算法通常包含三个主要功能：特征提取、特征相似度计算以及相似度排序。通过算法对待检索的图像进行特征提取，通过与特征数据库中每个特征值进行相似度计算，从而可以返回相似度最高的图片。理想情况下相似度排序相似度最高的图片是目标图片。真实场景下获得的待检索图片受外界条件的影响，例如光照条件的变化，目标远近，图片清晰度等，待检索图片质量通常会出现不同程度下降，通常约定相似度最高的前几位(例如前5)中出现目标图片作为有效检索结果。环境因素或者拍摄原因造成输入图片质量下降，引起检索效果的下降，对算法实际应用有很大影响，因此需要能够分析造成相似度下降的原因和影响力，从而指导算法改进的方向。

在实施本发明的过程中，发明人发现现有技术至少存在如下问题：

通常，系统的分析方法和控制器的设计大多是基于数学模型而建立的，然而系统总是存在客观条件引起的不确定性，仅用单一维度精确数学模型对系统的分析结果或设计出来的控制器常常不满足要求。

为了弥补不足，鲁棒性(robustness)控制理论应运而生。它在设计过程中考虑了数学模型所具有的不确定性误差，假设模型频率特性与实际被控对象的频率特性，或者模型参数与实际对象的参数具有一定范围内的偏差，然后用解析的手段设计控制器使得系统对这一误差范围内的所有被控对象均能满足理想的性能要求。

衡量相似图像检索算法是重要的标准之一是鲁棒性，是指控制系统在一定(结构，大小)的参数摄动下，维持某些性能的特性，鲁棒性好也就意味着稳定性好。但是，当前没有能够确定影响相似图像检索算法的鲁棒性的因素。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

发明内容

针对上述问题，本发明实施方式的目的在于提供一种相似图像检索算法的鲁棒性评测方法及装置，能够确定影响相似图像检索算法的鲁棒性的因素。

为实现上述目的，本发明实施方式提供一种相似图像检索算法的鲁棒性评测方法，提供有指定类目的测试数据集，所述测试数据集中包括干扰数据以及至少两组测试数组，每组测试数组中包括预设数量的样本图片；其中，每组所述测试数组中分别抽取一张样本图片，并将抽取的样本图片作为待检索图片；所述方法包括：针对每张所述待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，并根据检索结果为每张所述待检索图片设定对应的检索积分；基于每张所述待检索图片对应的检索积分，确定所述相似图像检索算法对应的原始平均积分；对所述至少两组测试数组中的每张样本图片进行图像处理，以降低每张样本图片的质量；针对每张降低了质量的待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，以得到所述相似图像检索算法在所述图像处理的前提下对应的实际平均积分；基于所述原始平均积分和所述实际平均积分，确定影响所述相似图像检索算法的鲁棒性的因素。

进一步地，根据检索结果为每张所述待检索图片设定对应的检索积分包括：将检索出的图片按照相似度从高到低的顺序进行排序，并在排序后的结果中确定命中区域、有效区域以及无效区域；其中，每个区域与各自的计分策略相对应；判断所述待检索图片所处测试数组中的各个样本图片属于的区域，并根据判断结果以及各个区域对应的计分策略，统计所述待检索图片对应的检索积分。

进一步地，在排序后的结果中确定命中区域、有效区域以及无效区域包括：将排序后的结果中前N个席位作为命中区域；将第N+1至kN个席位作为有效区域；将所述排序后的结果中处于所述命中区域以及所述有效区域之外的席位作为无效区域；其中，N和k均为指定整数。

进一步地，所述命中区域、有效区域以及无效区域分别对应的计分策略包括：为每个处于所述命中区域中的图片分配100/N的积分；为处于所述有效区域中的第一幅图片分配100/N-N的积分，并且所述有效区域中处于所述第一幅图片之后的每幅图片的积分在所述第一幅图片的积分的基础上依次等差递减，直至积分递减至0为止；为处于所述无效区域中的图片分配0的积分。

进一步地，统计所述待检索图片对应的检索积分包括：根据所述待检索图片所处测试数组中的各个样本图片属于的区域，为各个所述样本图片分配对应的积分；将各个所述样本图片的积分进行累加，并将累加后的积分作为所述待检索图片对应的检索积分。

进一步地，所述确定所述相似图像检索算法对应的原始平均积分包括：计算每张所述待检索图片对应的检索积分的平均值，并将计算的所述平均值作为所述相似图像检索算法对应的原始平均积分。

进一步地，确定影响所述相似图像检索算法的鲁棒性的因素包括：当所述原始平均积分和所述实际平均积分之间的差值大于预先设置的指定阈值时，确定当前采用的图像处理为影响所述相似图像检索算法的鲁棒性的因素。

为实现上述目的，本发明实施方式还提供一种相似图像检索算法的鲁棒性评测装置，所述装置提供有指定类目的测试数据集，所述测试数据集中包括干扰数据以及至少两组测试数组，每组测试数组中包括预设数量的样本图片；其中，每组所述测试数组中分别抽取一张样本图片，并将抽取的样本图片作为待检索图片；所述装置包括：检索得分单元，用于针对每张所述待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，并根据检索结果为每张所述待检索图片设定对应的检索积分；原始平均积分确定单元，用于基于每张所述待检索图片对应的检索积分，确定所述相似图像检索算法对应的原始平均积分；质量降低单元，用于对所述至少两组测试数组中的每张样本图片进行图像处理，以降低每张样本图片的质量；实际平均积分确定单元，用于针对每张降低了质量的待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，以得到所述相似图像检索算法在所述图像处理的前提下对应的实际平均积分；影响因素确定单元，用于基于所述原始平均积分和所述实际平均积分，确定影响所述相似图像检索算法的鲁棒性的因素。

由上可见，本发明通过相似图像检索算法对多张待检索图片进行检索，并根据检索的结果，为每张待检索图片设置相应的可以用于评价相似图像检索算法的准确性的检索积分，进而可以计算出所述相似图像检索算法对应的原始平均积分，该原始平均积分可以表征在正常状态下，所述相似图像检索算法的检索能力。为了测试所述相似图像检索算法的鲁棒性，可以采用不同的图像处理方法，降低测试数组中的样本图片的质量。这样，通过所述相似图像检索算法对降低了质量的图片再次进行检索，从而，可以得到采用了图像处理方法之后的实际平均积分。通过对比所述原始平均积分和所述实际平均积分，便可以确定影响所述相似图像检索算法的鲁棒性的因素。

附图说明

为了更清楚地说明本发明实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图逐一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施方式中图像检索算法的鲁棒性测试方法流程图；

图2为本发明实施方式中图像检索算法的鲁棒性测试装置的功能模块图。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。

本发明提供一种相似图像检索算法的鲁棒性评测方法，所述方法提供有指定类目的测试数据集，所述测试数据集中包括干扰数据以及至少两组测试数组，每组测试数组中包括预设数量的样本图片；其中，每组所述测试数组中分别抽取一张样本图片，并将抽取的样本图片作为待检索图片。

所述指定类目例如可以是车辆或者人脸这种目标对象。以车辆为例，车辆的测试数据集中可以包括多组测试数据。同一组测试数组中的样本图片可以是同一个型号的车辆在不同背景、不同拍摄角度、不用拍摄光照条件下的图片。不同测试数组中的样本图片可以属于不同型号的车辆。所述不同型号可以指不同品牌或者同一品牌下的不同子品牌。例如所述测试数组可以包括A品牌A1子品牌的车的相似图片5张作为A1组，A品牌A2子品牌的车的相似图片5张作为A2组，B品牌B1子品牌的车的相似图片5张作为B1组，B品牌B2子品牌的车的相似图片5张作为B2组。通常，可以从每组测试数组中选择一张图片作为待检索图片，并将测试数组与干扰数据混合成测数数据集。

请参阅图1，所述方法可以包括以下步骤。

S1：针对每张所述待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，并根据检索结果为每张所述待检索图片设定对应的检索积分。

在本实施方式中，按照所述图像检测算法对待检索图片进行检索之后，检索结果是按照相似度返回的图片序列，并可以将检索出的图片按照相似度从高到低的顺序进行排序，在排序后的结果中确定命中区域、有效区域以及无效区域；其中，每个区域与各自的计分策略相对应。

具体地，

将排序后的结果中前N个席位作为命中区域；

将第N+1至kN个席位作为有效区域；

将所述排序后的结果中处于所述命中区域以及所述有效区域之外的席位作为无效区域；

其中，N和k均为指定整数。

此外，所述命中区域、有效区域以及无效区域分别对应的计分策略可以是：

为每个处于所述命中区域中的图片分配100/N的积分；

为处于所述有效区域中的第一幅图片分配100/N-N的积分，并且所述有效区域中处于所述第一幅图片之后的每幅图片的积分在所述第一幅图片的积分的基础上依次递减1，直至积分递减至0为止；

为处于所述无效区域中的图片分配0的积分。

举例来说明，可以将检索结果中前5位设为命中区域，前6至前20设为有效区域，21及后续设为无效区域。对于检索结果，排在前5位的图片都积20(分)；第6至20的图片积分依次递减，分别为15、14、13(分)一直至1(分)；第21位及以后的积分为0(分)。

这样，在划分了各个区域以及设置了各个区域的计分策略之后，可以统计每个所述待检索图片对应的检索积分。

具体地，可以根据所述待检索图片所处测试数组中的各个样本图片属于的区域，为各个所述样本图片分配对应的积分，然后可以将各个所述样本图片的积分进行累加，并将累加后的积分作为所述待检索图片对应的检索积分。例如，在测试数组中包括图片A1，A2，A3，A4，A5，以其中A1作为待检索图片，在测试数据集中进行检索，然后可以返回相似度排序。

比如检索结果为:

A1，X，A2，X，X，A3，A4，A5，X

在该示例中，N可以为5，那么A1排位第一，积20(分)；A2排位第三，积20(分)；A3排位第六，积分15；A4排位第7，积14(分)；A5排位第8，积13(分)。其余排位的图片都是干扰图片X，不计分。这样，待检索图片A1对应的检索积分等于20+20+15+14+13(分)，最终总分82(分)。

S2：基于每张所述待检索图片对应的检索积分，确定所述相似图像检索算法对应的原始平均积分。

在本实施方式中，在计算出每张待检索图片对应的检索积分后，可以计算每张所述待检索图片对应的检索积分的平均值，并将计算的所述平均值作为所述相似图像检索算法对应的原始平均积分。

例如，测试数组A1至A5对应的检索积分分别为82、86、84、85、83(分)，那么所述相似图像检索算法对应的原始平均积分便为84(分)。所述原始平均积分对应的原始的图片状态。

S3：对所述至少两组测试数组中的每张样本图片进行图像处理，以降低每张样本图片的质量。

在本实施方式中，为了测试所述图像检测算法的鲁棒性，可以对所述至少两组测试数组中的每张样本图片进行图像处理，以降低每张样本图片的质量。

具体地，所述图像处理包括图像缩小处理、增加噪声处理、图像模糊处理、降低或者增强图像对比度处理、边缘裁剪处理以及图像区域膨胀处理中的至少一种。其中，图像缩小处理对应画面中目标距离较远，增加噪声处理和图像模糊处理都对应图像拍摄不清晰，边缘裁剪处理对应图像不完整或者检索区域的变化，降低或者增强图像对比度处理对应光照条件变化等等。每个处理方法可以对应一个参数，该参数是指针对图像变换的参数。

例如，所述参数可以是图像缩小的比例：80％或者50％；还可以是图像边缘裁剪的方向和裁剪比例，例如上边缘裁剪15％或者左边缘裁剪20％。

S4：针对每张降低了质量的待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，以得到所述相似图像检索算法在所述图像处理的前提下对应的实际平均积分。

在本实施方式中，在对图片进行降低质量操作之后，可以按照步骤S1和S2中类似的方法，在所述测试数据集中按照所述相似图像检索算法进行检索，以得到所述相似图像检索算法在所述图像处理的前提下对应的实际平均积分。所述实际平均积分与当前所采用的图像处理方法相对应，从而可以衡量当前的图像处理方法对所述相似图像检索算法的鲁棒性的影响。

例如，测试数据集中有原始图片的5组测试数组，分别是A1，A2，A3，A4，A5，此时可以采取图像缩小处理，将原图片的尺寸缩小到80％，从而可以得到A1_resize,A2_resize,A3_resize,A4_resize,A5_resize这五组经过缩小处理的测试数组。

此时，可以分别对A1，A2，A3，A4，A5进行相似图像检索，得到原始平均积分A_avg。然后，可以分别对A1_resize,A2_resize,A3_resize,A4_resize,A5_resize进行相似图像检索，得到尺寸缩小为80％的实际平均积分A_resize_avg。

S5：基于所述原始平均积分和所述实际平均积分，确定影响所述相似图像检索算法的鲁棒性的因素。

在本实施方式中，预先设置原始平均积分和实际平均积分之间差值的指定阈值。

将所述原始平均积分和所述实际平均积分进行对比，当所述原始平均积分和所述实际平均积分之间的差值大于指定阈值时，可以确定当前采用的图像处理为影响所述相似图像检索算法的鲁棒性的因素。

例如，上述A_avg为96，A_resize_avg为80，两者之间的差值为16，而设定的所述指定阈值为10，那么这两者之间的差值超过了所述指定阈值，可以确定图像缩小处理对所述相似图像检索算法的鲁棒性有较大的影响，可以作为影响所述相似图像检索算法的鲁棒性的因素之一。

在本实施方式中，还可以计算不同图像处理方式时(或者不经过图像处理时)的各组测试数组对应的检索积分之间的标准差。该标准差则反应了组间的差异，标准差越大表示不同组间的差异越显著。

请参阅图2，本发明还提供一种相似图像检索算法的鲁棒性评测装置，所述装置提供有指定类目的测试数据集，所述测试数据集中包括干扰数据以及至少两组测试数组，每组测试数组中包括预设数量的样本图片；其中，每组所述测试数组中分别抽取一张样本图片，并将抽取的样本图片作为待检索图片；所述装置包括：

检索得分单元100，用于针对每张所述待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，并根据检索结果为每张所述待检索图片设定对应的检索积分；

原始平均积分确定单元200，用于基于每张所述待检索图片对应的检索积分，确定所述相似图像检索算法对应的原始平均积分；

质量降低单元300，用于对所述至少两组测试数组中的每张样本图片进行图像处理，以降低每张样本图片的质量；

实际平均积分确定单元400，用于针对每张降低了质量的待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，以得到所述相似图像检索算法在所述图像处理的前提下对应的实际平均积分；

影响因素确定单元500，用于基于所述原始平均积分和所述实际平均积分，确定影响所述相似图像检索算法的鲁棒性的因素。

在本实施方式中，所述检索得分单元100包括：

区域划分模块，用于将检索出的图片按照相似度从高到低的顺序进行排序，并在排序后的结果中确定命中区域、有效区域以及无效区域；其中，每个区域与各自的计分策略相对应；

积分统计模块，用于判断所述待检索图片所处测试数组中的各个样本图片属于的区域，并根据判断结果以及各个区域对应的计分策略，统计所述待检索图片对应的检索积分。

其中，在排序后的结果中确定命中区域、有效区域以及无效区域包括：将排序后的结果中前N个席位作为命中区域；将第N+1至kN个席位作为有效区域；将所述排序后的结果中处于所述命中区域以及所述有效区域之外的席位作为无效区域；其中，N和k均为指定整数。

其中，所述命中区域、有效区域以及无效区域分别对应的计分策略包括：为每个处于所述命中区域中的图片分配100/N的积分；为处于所述有效区域中的第一幅图片分配100/N-N的积分，并且所述有效区域中处于所述第一幅图片之后的每幅图片的积分在所述第一幅图片的积分的基础上依次递减1，直至积分递减至0为止；为处于所述无效区域中的图片分配0的积分。

其中，统计所述待检索图片对应的检索积分包括：根据所述待检索图片所处测试数组中的各个样本图片属于的区域，为各个所述样本图片分配对应的积分；将各个所述样本图片的积分进行累加，并将累加后的积分作为所述待检索图片对应的检索积分。

其中，原始平均积分确定单元，具体用于：计算每张所述待检索图片对应的检索积分的平均值，并将计算的所述平均值作为所述相似图像检索算法对应的原始平均积分。

其中，影响因素确定单元，具体用于：当所述原始平均积分和所述实际平均积分之间的差值大于指定阈值时，确定当前采用的图像处理为影响所述相似图像检索算法的鲁棒性的因素。

上述的涉及到的相似图像检索算法的鲁棒性评测装置的具体技术细节和相似图像检索算法的鲁棒性评测方法中的类似，故在此不再具体赘述。

由上可见，本发明通过相似图像检索算法对多张待检索图片进行检索，并根据检索的结果，为每张待检索图片设置相应的可以用于评价相似图像检索算法的准确性的检索积分，进而可以计算出所述相似图像检索算法对应的原始平均积分，该原始平均积分可以表征在正常状态下，所述相似图像检索算法的检索能力。为了测试所述相似图像检索算法的鲁棒性，可以采用不同的图像处理方法，降低测试数组中的样本图片的质量。这样，通过所述相似图像检索算法对降低了质量的图片再次进行检索，从而，可以得到采用了图像处理方法之后的实际平均积分。通过对比所述原始平均积分和所述实际平均积分，便可以确定影响所述相似图像检索算法的鲁棒性的因素。

本说明书中的各个实施方式均采用递进的方式描述，各个实施方式之间相同相似的部分互相参见即可，每个实施方式重点说明的都是与其他实施方式的不同之处。

最后应说明的是：上面对本发明的各种实施方式的描述以描述的目的提供给本领域技术人员。其不旨在是穷举的、或者不旨在将本发明限制于单个公开的实施方式。如上所述，本发明的各种替代和变化对于上述技术所属领域技术人员而言将是显而易见的。因此，虽然已经具体讨论了一些另选的实施方式，但是其它实施方式将是显而易见的，或者本领域技术人员相对容易得出。本发明旨在包括在此已经讨论过的本发明的所有替代、修改、和变化，以及落在上述申请的精神和范围内的其它实施方式。

Claims (10)

1.一种相似图像检索算法的鲁棒性评测方法，其特征在于，提供有指定类目的测试数据集，所述测试数据集中包括干扰数据以及至少两组测试数组，每组测试数组中包括预设数量的样本图片；其中，每组所述测试数组中分别抽取一张样本图片，并将抽取的样本图片作为待检索图片；

所述方法包括：

针对每张所述待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，并根据检索结果为每张所述待检索图片设定对应的检索积分，其中，根据所述待检索图片所处测试数组中的各个样本图片属于的区域，为各个所述样本图片分配对应的积分，然后将各个所述样本图片的积分进行累加，并将累加后的积分作为所述待检索图片对应的检索积分；

基于每张所述待检索图片对应的检索积分，确定所述相似图像检索算法对应的原始平均积分；

对所述至少两组测试数组中的每张样本图片进行图像处理，以降低每张样本图片的质量；

针对每张降低了质量的待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，以得到所述相似图像检索算法在所述图像处理的前提下对应的实际平均积分；

基于所述原始平均积分和所述实际平均积分，确定影响所述相似图像检索算法的鲁棒性的因素。

2.根据权利要求1所述的相似图像检索算法的鲁棒性评测方法，其特征在于，根据检索结果为每张所述待检索图片设定对应的检索积分包括：

将检索出的图片按照相似度从高到低的顺序进行排序，并在排序后的结果中确定命中区域、有效区域以及无效区域；其中，每个区域与各自的计分策略相对应；

判断所述待检索图片所处测试数组中的各个样本图片属于的区域，并根据判断结果以及各个区域对应的计分策略，统计所述待检索图片对应的检索积分。

3.根据权利要求2所述的相似图像检索算法的鲁棒性评测方法，其特征在于，在排序后的结果中确定命中区域、有效区域以及无效区域包括：

将排序后的结果中前N个席位作为命中区域；

将第N+1至kN个席位作为有效区域；

将所述排序后的结果中处于所述命中区域以及所述有效区域之外的席位作为无效区域；

其中，N和k均为指定整数。

4.根据权利要求3所述的相似图像检索算法的鲁棒性评测方法，其特征在于，所述命中区域、有效区域以及无效区域分别对应的计分策略包括：

为每个处于所述命中区域中的图片分配100/N的积分；

为处于所述有效区域中的第一幅图片分配100/N-N的积分，并且所述有效区域中处于所述第一幅图片之后的每幅图片的积分在所述第一幅图片的积分的基础上依次递减1，直至积分递减至0为止；

为处于所述无效区域中的图片分配0的积分。

5.根据权利要求2所述的相似图像检索算法的鲁棒性评测方法，其特征在于，统计所述待检索图片对应的检索积分包括：

根据所述待检索图片所处测试数组中的各个样本图片属于的区域，为各个所述样本图片分配对应的积分；

将各个所述样本图片的积分进行累加，并将累加后的积分作为所述待检索图片对应的检索积分。

6.根据权利要求1所述的相似图像检索算法的鲁棒性评测方法，其特征在于，所述确定所述相似图像检索算法对应的原始平均积分包括：

计算每张所述待检索图片对应的检索积分的平均值，并将计算的所述平均值作为所述相似图像检索算法对应的原始平均积分。

7.根据权利要求1所述的相似图像检索算法的鲁棒性评测方法，其特征在于，确定影响所述相似图像检索算法的鲁棒性的因素包括：

当所述原始平均积分和所述实际平均积分之间的差值大于预先设置的指定阈值时，确定当前采用的图像处理为影响所述相似图像检索算法的鲁棒性的因素。

8.一种相似图像检索算法的鲁棒性评测装置，其特征在于，所述装置提供有指定类目的测试数据集，所述测试数据集中包括干扰数据以及至少两组测试数组，每组测试数组中包括预设数量的样本图片；其中，每组所述测试数组中分别抽取一张样本图片，并将抽取的样本图片作为待检索图片；所述装置包括：

检索得分单元，用于针对每张所述待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，并根据检索结果为每张所述待检索图片设定对应的检索积分，其中，根据所述待检索图片所处测试数组中的各个样本图片属于的区域，为各个所述样本图片分配对应的积分，然后将各个所述样本图片的积分进行累加，并将累加后的积分作为所述待检索图片对应的检索积分；

原始平均积分确定单元，用于基于每张所述待检索图片对应的检索积分，确定所述相似图像检索算法对应的原始平均积分；

质量降低单元，用于对所述至少两组测试数组中的每张样本图片进行图像处理，以降低每张样本图片的质量；

实际平均积分确定单元，用于针对每张降低了质量的待检索图片，在所述测试数据集中按照所述相似图像检索算法进行检索，以得到所述相似图像检索算法在所述图像处理的前提下对应的实际平均积分；

影响因素确定单元，用于基于所述原始平均积分和所述实际平均积分，确定影响所述相似图像检索算法的鲁棒性的因素。

9.根据权利要求8所述的相似图像检索算法的鲁棒性评测装置，其特征在于，所述检索得分单元包括：

区域划分模块，用于将检索出的图片按照相似度从高到低的顺序进行排序，并在排序后的结果中确定命中区域、有效区域以及无效区域；其中，每个区域与各自的计分策略相对应；

积分统计模块，用于判断所述待检索图片所处测试数组中的各个样本图片属于的区域，并根据判断结果以及各个区域对应的计分策略，统计所述待检索图片对应的检索积分。

10.根据权利要求8所述的相似图像检索算法的鲁棒性评测装置，其特征在于，所述原始平均积分确定单元，具体用于：计算每张所述待检索图片对应的检索积分的平均值，并将计算的所述平均值作为所述相似图像检索算法对应的原始平均积分；

影响因素确定单元，具体用于：当所述原始平均积分和所述实际平均积分之间的差值大于预先设置的指定阈值时，确定当前采用的图像处理为影响所述相似图像检索算法的鲁棒性的因素。