一种噪声图像识别方法以及相关设备与流程

本发明涉及图像识别领域，具体涉及一种噪声图像识别方法以及相关设备。

背景技术：

1、近年来，随着互联网技术的飞速发展，网络上出现了海量的图像。在浏览图像的过程中，可能会遇到一些带有噪声的图像，这些噪声图像往往会影响浏览体验，因此，可以对图像进行噪声检测，从而检测出带有噪声的图像并进行处理。当前的噪声图像检测方法可以对图像分块，并对图像块进行dct(离散余弦变换)变换，从而筛选出估计噪声方差的图像块来进行噪声估计。

2、在对当前技术的研究和实践过程中，本技术的发明人发现当前的噪声图像检测方法仅仅针对高斯噪声，无法检测出其他噪声的图像，而且，在通过dct筛选出的小尺寸的图像块上进行相应的统计量计算时，难以获得相应的图像语义信息，从而对复杂纹理区域和噪声容易混淆，因此，导致噪声图像识别的准确率较低。

技术实现思路

1、本发明实施例提供一种噪声图像识别方法以及相关设备，相关设备可以包括噪声图像识别装置、电子设备、计算机程序产品和计算机可读存储介质，可以提高噪声图像识别的准确率。

2、一种噪声图像识别方法，包括：

3、获取待识别图像，并对所述待识别图像进行降噪，得到图像退化特征和降噪图像；

4、将所述待识别图像切分为多个图像块，并基于每一图像块的位置，对所述降噪图像进行切分，得到每一图像块对应的降噪图像块；

5、根据所述图像退化特征和降噪图像块，对所述图像块进行噪声检测，得到每一图像块的噪声检测结果；

6、计算所述降噪图像块的统计特征值，并根据所述统计特征值，在所述图像块中筛选出至少一个目标图像块；

7、基于所述目标图像块的噪声检测结果，确定所述待识别图像的噪声图像识别结果。

8、相应的，本发明实施例提供一种噪声图像识别装置，包括：

9、获取单元，用于获取待识别图像，并对所述待识别图像进行降噪，得到图像退化特征和降噪图像；

10、切分单元，用于将所述待识别图像切分为多个图像块，并基于每一图像块的位置，对所述降噪图像进行切分，得到每一图像块对应的降噪图像块；

11、检测单元，用于根据所述图像退化特征和降噪图像块，对所述图像块进行噪声检测，得到每一图像块的噪声检测结果；

12、筛选单元，用于计算所述降噪图像块的统计特征值，并根据所述统计特征值，在所述图像块中筛选出至少一个目标图像块；

13、确定单元，用于基于所述目标图像块的噪声检测结果，确定所述待识别图像的噪声图像识别结果。

14、在一些实施例中，所述检测单元，具体可以用于将所述每一图像块与对应的降噪图像块进行对比，以得到所述待识别图像的初始噪声特征；将所述初始噪声特征与所述图像退化特征进行融合，以得到所述每一图像块的目标噪声特征；基于所述目标噪声特征，确定所述图像块的噪声检测结果。

15、在一些实施例中，所述检测单元，具体可以用于将所述初始噪声特征与所述图像退化特征进行拼接，得到所述待识别图像的当前噪声特征；在所述当前噪声特征中提取出每一图像块的目标噪声特征。

16、在一些实施例中，所述筛选单元，具体可以用于获取所述降噪图像块中每一像素的像素值；计算所述降噪图像块中像素值的方差，得到所述降噪图像块的像素方差；将所述像素方差作为所述降噪图像块的所述统计特征值。

17、在一些实施例中，所述筛选单元，具体可以用于基于每一所述降噪图像块的所述统计特征值，对所述降噪图像块进行排序，并根据排序结果，在所述降噪图像块中筛选出至少一个目标降噪图像块；在所述图像块中筛选出目标降噪图像块对应的图像块，得到至少一个目标图像块。

18、在一些实施例中，所述确定单元，具体可以用于在所述噪声检测结果中筛选出目标图像块的噪声检测结果，得到目标噪声检测结果；统计出所述目图像块的图像块数量，并根据所述目标噪声检测结果，统计存在噪声的目标图像块的数量，得到噪声数量；基于所述噪声数量和图像块数量，确定所述待识别图像的噪声图像识别结果。

19、在一些实施例中，所述确定单元，具体可以用于基于所述图像块数量，确定所述噪声数量对应的噪声数量阈值；当所述噪声数量超过所述噪声数量阈值时，确定所述待识别图像为噪声图像；当所述噪声数量未超过所述噪声数量阈值时，确定所述待识别图像为无噪声图像。

20、在一些实施例中，所述获取单元，具体可以用于采用噪声识别模型对所述待识别图像进行特征提取，得到图像特征；在所述图像特征中提取出图像退化特征，并根据所述图像退化特征，对所述图像特征进行降噪，得到降噪图像特征；基于所述降噪图像特征，生成所述待识别图像对应的降噪图像。

21、在一些实施例中，所述获取单元，具体可以用于对所述图像特征进行卷积处理，得到目标图像特征；基于图像退化特征在所述目标图像特征中剔除噪声特征，得到初始降噪图像特征，并将所述初始降噪图像特征作为所述目标图像特征；返回执行所述基于图像退化特征在所述目标图像特征中剔除噪声特征的步骤，直至所述初始降噪图像特征达到预设尺寸时为止，得到降噪图像特征。

22、在一些实施例中，所述噪声图像识别装置还可以包括训练单元，所述训练单元，具体可以用于获取原始图像样本，并对所述原始图像样本进行图像退化，得到目标图像样本，所述目标图像样本包括多个目标图像样本块；基于所述原始图像样本和目标图像样本，对预设噪声识别模型进行训练，得到初始噪声识别模型；采用初始噪声识别模型对所述目标图像样本块进行噪声检测，得到每一目标图像样本块的样本噪声检测结果；基于所述样本噪声检测结果，对所述初始噪声识别模型进行收敛，得到噪声识别模型。

23、在一些实施例中，所述训练单元，具体可以用于基于预设分块尺寸对原始图像样本进行分块，得到多个初始图像样本块，根据所述初始图像样本块，在所述原始图像样本分块添加多种噪声，以得到目标噪声图像样本；对所述目标噪声图像样本的图像质量进行调整，得到目标图像样本；基于所述预设分块尺寸对所述目标图像样本进行分块，得到多个目标图像样本块，并确定每一目标图像样本块的噪声标签。

24、在一些实施例中，所述训练单元，具体可以用于在所述初始图像样本块中筛选出至少一个候选图像样本块，并对所述候选图像样本块添加所述第一噪声，得到原始噪声图像样本；对所述原始噪声图像样本的尺寸进行调整，得到第一调整图像样本，并对所述第一调整图像样本分块添加所述第二噪声和第三噪声，以得到候选噪声图像样本；将所述候选噪声图像样本的图像尺寸调整为所述原始图像样本的尺寸，得到第二调整图像样本，并对所述第二调整图像样本分块添加所述第二噪声，得到目标噪声图像样本。

25、在一些实施例中，所述训练单元，具体可以用于基于所述预设分块尺寸，对所述第一调整图像样本中的至少一个图像样本块添加所述第二噪声，得到初始噪声图像样本；对所述初始噪声图像样本的图像质量进行调整，得到第三调整图像样本，并根据所述预设分块尺寸，对所述第三调整图像样本中的至少一个图像样本块添加所述第三噪声，得到当前噪声图像样本；基于所述预设分块尺寸，对所述当前噪声图像样本中的至少一个图像样本块中添加所述第一噪声，得到候选噪声图像样本。

26、在一些实施例中，所述训练单元，具体可以用于采用预设噪声识别模型中的降噪网络对所述目标图像样本进行降噪，得到第一降噪图像样本；将所述第一降噪图像样本与所述原始图像样本进行对比，以得到初始降噪损失；基于所述初始降噪损失，对所述降噪网络进行收敛，以得到初始噪声识别模型。

27、在一些实施例中，所述训练单元，具体可以用于采用所述初始噪声识别模型的降噪网络对所述目标图像样本进行降噪，得到第二降噪图像样本和样本图像退化特征；基于所述第二降噪图像样本和样本图像退化特征，采用所述初始噪声识别模型中的噪声检测网络对所述目标图像样本块进行噪声检测，得到每一目标图像样本块的样本噪声检测结果。

28、在一些实施例中，所述训练单元，具体可以用于将所述第二降噪图像样本与所述原始图像样本进行对比，以得到目标降噪损失；基于每一目标图像样本块的样本噪声检测结果和噪声标签，确定噪声检测损失；将所述目标降噪损失和噪声检测损失进行融合，得到噪声识别损失，并基于所述噪声识别损失对所述初始噪声识别模型进行收敛，得到噪声识别模型。

29、此外，本发明实施例还提供一种电子设备，包括处理器和存储器，所述存储器存储有应用程序，所述处理器用于运行所述存储器内的应用程序实现本发明实施例提供的噪声图像识别方法。

30、此外，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本发明实施例所提供的任一种噪声图像识别方法中的步骤。

31、此外，本技术实施例还提供一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被处理器执行时实现本技术实施例提供的噪声图像识别方法中的步骤。

32、本发明实施例在获取待识别图像，并对待识别图像进行降噪，得到图像退化特征和降噪图像后，将待识别图像切分为多个图像块，并基于每一图像块的位置，对降噪图像进行切分，得到每一图像块对应的降噪图像块，根据图像退化特征和降噪图像块，对图像块进行噪声检测，得到每一图像块的噪声检测结果，然后，计算降噪图像块的统计特征值，并根据统计特征值，在图像块中筛选出至少一个目标图像块，然后，基于目标图像块的噪声检测结果，确定待识别图像的噪声图像识别结果；由于该方案一方面可以对待识别图像进行降噪，并将降噪后的降噪图像和图像退化特征作为先验信息来辅助图像块的噪声检测，从而可以提升针对各类噪声的检测准确率，另一方面，还可以利用降噪图像进行分块计算统计量(统计特征值)，可以有效筛选出不干扰噪声检测的图像纹理的区域对应的目标图像块，从而可以避免复杂纹理区域对噪声检测的干扰，因此，可以提升噪声图像识别的准确率。