视频图像噪声评估方法及装置制造方法及图纸

本申请实施例公开了一种视频图像噪声评估方法及装置，该方法包括：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，本方案可以实现噪声点的精确定位，能够精准评估视频图像的噪声水平，获得更有目的性也更加符合主观认知的噪声水平估计，为后续的定向降噪处理提供良好支撑。定向降噪处理提供良好支撑。定向降噪处理提供良好支撑。

【技术实现步骤摘要】
视频图像噪声评估方法及装置


[0001]本申请实施例涉及噪声识别
，尤其涉及一种视频图像噪声评估方法及装置。

技术介绍

[0002]随着直播视频业务的持续发展和应用普及，直播视频已经成为普通人生活社交中非常重要的一部分，与此同时观众对于直播视频本身质量和画质也产生了更高的要求。而视频画面中是否有较多的噪声点是显著影响受众和主播视觉观感的一个衡量因素，而噪声作为一种画面中出现的异常信号，成因复杂同时视觉表现各异，所以精准地刻画视频画面中的噪声也是提升直播质量非常关键的一个环节，其可以有效地评估视频噪声水平并且指导降噪工作。
[0003]相关技术中，存在从信号滤波的角度出发进行噪声估计的方案，该种方式中噪声的估计是粗略的，且并不稳定，在实际的应用中效果有限同时耗时过长；针对采用深度学习方法进行噪声确定的方案，其确定的噪声结果同样细致程度不够，其确定的噪声无法在后续实现局部降噪处理，且使用的深度学习模型如果要取得比较满意的结果，通常要求大量精细标注过的数据进行模型训练，充足且完整标注的大量视频噪声数据通常不存在且需要大量精力完成高质量标本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：杨莹，靳凯，
申请(专利权)人：百果园技术新加坡有限公司，
类型：发明
国别省市：