[發(fā)明專利]一種圖像噪聲檢測(cè)方法、裝置及電子設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 201810723780.0
• 申請(qǐng)日: 2018-07-04
• 公開(kāi)（公告）號(hào): CN108846842B
• 公開(kāi)（公告）日: 2021-04-27
• 發(fā)明（設(shè)計(jì)）人: 胡佳靜;張文明;陳少杰
• 申請(qǐng)（專利權(quán)）人: 武漢斗魚(yú)網(wǎng)絡(luò)科技有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/10;G06T5/00;G06N3/04
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種圖像噪聲檢測(cè)方法，其特征在于，包括：

獲取待檢測(cè)圖像；

利用訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型對(duì)所述待檢測(cè)圖像中的噪聲進(jìn)行檢測(cè)，以得到所述待檢測(cè)圖像中噪聲的分布狀態(tài)；其中，所述神經(jīng)網(wǎng)絡(luò)模型是基于添加設(shè)定噪聲的圖像作為訓(xùn)練圖像集以及對(duì)應(yīng)的設(shè)定噪聲的分布圖像作為訓(xùn)練圖像的標(biāo)簽集訓(xùn)練得到的；

其中，所述訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型包括：輸入層、卷積運(yùn)算層和輸出層；

所述輸入層、卷積運(yùn)算層以及輸出層依次相連；

所述卷積運(yùn)算層包括依次相連的設(shè)定數(shù)量的第一卷積單元，每個(gè)第一卷積單元包括依次相連的卷積層、歸一化層和激活函數(shù)層，每個(gè)第一卷積單元通過(guò)激活函數(shù)層連接至下一個(gè)第一卷積單元；

所述輸出層包括依次相連的第二卷積單元、數(shù)據(jù)排列單元和損失函數(shù)單元，所述第二卷積單元包括卷積層，所述卷積層與所述卷積運(yùn)算層中的最后一個(gè)第一卷積單元的激活函數(shù)層相連；

獲取攜帶設(shè)定噪聲的訓(xùn)練圖像；

基于所述訓(xùn)練圖像對(duì)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練，得到訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型；

所述獲取攜帶設(shè)定噪聲的訓(xùn)練圖像，包括：

對(duì)多張彩色原圖像添加設(shè)定噪聲，得到攜帶設(shè)定噪聲的彩色圖像；

將每張攜帶設(shè)定噪聲的彩色圖像與其攜帶的設(shè)定噪聲的分布圖像劃分為一組圖像；

對(duì)每組圖像進(jìn)行直方圖均衡化處理，得到處理后的圖像；

按照設(shè)定尺寸對(duì)處理后的每組圖像進(jìn)行裁剪，得到大小相同的多組圖像；

清洗所述多組圖像中有干擾的圖像，得到清洗后的多組圖像；

將所述清洗后的多組圖像確定為攜帶設(shè)定噪聲的訓(xùn)練圖像；

將所述清洗后的多組圖像旋轉(zhuǎn)隨機(jī)角度，得到旋轉(zhuǎn)后的多組圖像；

將所述清洗后的多組圖像中的像素值進(jìn)行翻轉(zhuǎn)，和/或?qū)⑺鲂D(zhuǎn)后的多組圖像中的像素值進(jìn)行翻轉(zhuǎn)，得到像素值翻轉(zhuǎn)后的多組圖像；

將所述清洗后的多組圖像、所述旋轉(zhuǎn)后的多組圖像以及所述像素值翻轉(zhuǎn)后的多組圖像確定為攜帶設(shè)定噪聲的訓(xùn)練圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述設(shè)定數(shù)量為9，所述神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的批大小batch size為20，所述第一卷積單元的卷積核大小為3*3，步長(zhǎng)為1，輸出通道為64，所述第二卷積單元的卷積核大小為3*3，步長(zhǎng)為1，輸出通道為3。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，損失函數(shù)層通過(guò)如下公式計(jì)算神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出與樣本之間的誤差：

其中，表示神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出，表示樣本值，j表示像素編號(hào)，k為設(shè)定指數(shù)值。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述訓(xùn)練圖像對(duì)預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練，得到訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型之后，所述方法還包括：

利用預(yù)先準(zhǔn)備好的測(cè)試數(shù)據(jù)對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測(cè)試，以確定所述神經(jīng)網(wǎng)絡(luò)模型的可靠性以及泛化能力。