[发明专利]视频图像噪声评估方法及装置

权利要求书

1.视频图像噪声评估方法，其特征在于，包括：

对视频图像进行噪声估计得到所述视频图像中每个像素点的噪声数据；

对所述视频图像进行区域划分得到前景区域和背景区域；

根据所述噪声数据确定所述视频图像的全图噪声信息，以及所述前景区域对应的前景噪声信息和所述背景区域对应的背景噪声信息。

2.根据权利要求1所述的视频图像噪声评估方法，其特征在于，所述对视频图像进行噪声估计得到所述视频图像中每个像素点的噪声数据，包括：

通过多层深度学习神经网络对视频图像进行噪声估计，得到所述视频图像中每个像素点的噪声数据，所述多层深度学习神经网络包括堆叠设置的多个残差网络模块；

基于所述噪声数据生成所述视频图像对应的可视化噪声图。

3.根据权利要求1所述的视频图像噪声评估方法，其特征在于，在所述对视频图像进行噪声估计得到所述视频图像中每个像素点的噪声数据之前，还包括：

在确定出输入的视频图像的分辨率小于预设分辨率大小的情况下，对所述视频图像进行边缘填补得到所述预设分辨率大小的视频图像；

对调整后的视频图像进行图像像素值的归一化处理。

4.根据权利要求3所述的视频图像噪声评估方法，其特征在于，在所述对所述视频图像进行区域划分得到前景区域和背景区域之前，还包括：

对调整后的视频图像进行尺寸大小以及图像像素值的恢复；

对恢复后的视频图像进行边缘检测得到高频边缘信息，对所述高频边缘信息进行剔除。

5.根据权利要求1所述的视频图像噪声评估方法，其特征在于，所述对所述视频图像进行区域划分得到前景区域和背景区域，包括：

以所述视频图像的中心为原点，构造内接椭圆，所述内接椭圆的面积大小根据所述视频图像的尺寸以及预设的调节参数确定；

将所述内接椭圆所在的图像区域确定为前景区域，将所述内接椭圆以外的图像区域确定为背景区域。

6.根据权利要求1-5中任一项所述的视频图像噪声评估方法，其特征在于，所述根据所述噪声数据确定所述视频图像的全图噪声信息，包括：

获取预先基于图像数据集计算得到的平均衡量阈值，对所述噪声数据中大于所述平均衡量阈值的像素点的噪声值进行筛选；

对筛选的像素点的噪声值进行均值计算得到所述视频图像的全图噪声信息。

7.根据权利要求6所述的视频图像噪声评估方法，其特征在于，所述对筛选的像素点的噪声值进行均值计算得到所述视频图像的全图噪声信息，包括：

确定每个筛选的像素点的亮度值，基于所述亮度值确定对应噪声值的权重；

对筛选的像素点的噪声值分别乘以对应的权重后，进行均值计算得到所述视频图像的全图噪声信息。

8.根据权利要求1-5中任一项所述的视频图像噪声评估方法，其特征在于，根据所述噪声数据确定所述前景区域对应的前景噪声信息和所述背景区域对应的背景噪声信息，包括：

获取预先基于图像数据集计算得到的平均衡量阈值，对所述前景区域和所述背景区域的噪声数据中大于所述平均衡量阈值的像素点的噪声值进行筛选得到前景噪声值和背景噪声值；

根据所述前景噪声值和所述前景区域的区域大小计算得到前景噪声值占比，以及根据所述背景噪声值和所述背景区域的区域大小计算得到背景噪声值占比。

9.根据权利要求8所述的视频图像噪声评估方法，其特征在于，所述根据所述前景噪声值和所述前景区域的区域大小计算得到前景噪声值占比，以及根据所述背景噪声值和所述背景区域的区域大小计算得到背景噪声值占比，包括：

将每个所述前景噪声值和对应的权重的乘积之和，除以所述前景区域的区域大小，得到前景噪声值占比；

将每个所述背景噪声值和对应的权重的乘积之和，除以所述背景区域的区域大小，得到背景噪声值占比，其中，所述前景噪声值和所述背景噪声值的权重基于对应的像素点的亮度值计算得到。