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注，因此实现过程相对复杂。

技术实现思路

[0004]本申请实施例提供了一种视频图像噪声评估方法及装置，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，为后续的定向降噪处理提供良好支撑。
[0005]第一方面，本申请实施例提供了一种视频图像噪声评估方法，该方法包括：
[0006]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；
[0007]对所述视频图像进行区域划分得到前景区域和背景区域；
[0008]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。
[0009]第二方面，本申请实施例还提供了一种视频图像噪声评估装置，包括：
[0010]像素噪声确定模块，配置为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；
[0011]图像区域划分模块，配置为对所述视频图像进行区域划分得到前景区域和背景区域；
[0012]噪声信息确定模块，配置为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。
[0013]第三方面，本申请实施例还提供了一种视频图像噪声评估设备，该设备包括：
[0014]一个或多个处理器；
[0015]存储装置，用于存储一个或多个程序，
[0016]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请实施例所述的视频图像噪声评估方法。
[0017]第四方面，本申请实施例还提供了一种存储计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本申请实施例所述的视频图像噪声评估方法。
[0018]第五方面，本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机程序，该计算机程序存储在计算机可读存储介质中，设备的至少一个处理器从计算机可读存储介质读取并执行计算机程序，使得设备执行本申请实施例所述的视频图像噪声评估方法。
[0019]本申请实施例中，通过对视频图像进行噪声估计得到视频图像中每个像素点的噪声数据，对视频图像进行区域划分得到前景区域和背景区域，根据噪声数据确定视频图像的全图噪声信息，以及前景区域对应的前景噪声信息和背景区域对应的背景噪声信息，该种噪声评估方法更加精细，细化到像素点的噪声情况，同时采用划分区域并对各个区域进行单独的噪声信息的评估，可以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。
附图说明
[0020]图1为本申请实施例提供的一种视频图像噪声评估方法的流程图；
[0021]图2为本申请实施例提供的一种噪声图可视化展示的示意图；
[0022]图3为本申请实施例提供的一种将视频图像噪声覆盖至原始视频图像的示意图；
[0023]图4为本申请实施例提供的一种包含对输入图像进行变换调整的视频图像噪声评估方法的流程图；
[0024]图5为本申请实施例提供的一种包含对视频图像进行边缘处理的视频图像噪声评估方法的流程图；
[0025]图6为本申请实施例提供的一种对视频图像进行区域划分的视频图像噪声评估方法的流程图；
[0026]图7为本申请实施例提供的一种将视频图像划分为前景区域和背景区域的示意图；
[0027]图8为本申请实施例提供的一种确定全图噪声信息的视频图像噪声评估方法的流程图；
[0028]图9为本申请实施例提供的一种确定前景区域和背景区域噪声信息的视频图像噪声评估方法的流程图；
[0029]图10为本申请实施例提供的一种视频图像噪声评估装置的结构框图；
[0030]图11为本申请实施例提供的一种视频图像噪声评估设备的结构示意图。
具体实施方式
[0031]下面结合附图和实施例对本申请实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请实施例，而非对本申请实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请实施例相关的部分而非全部结构。
[0032]本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
[0033]图1为本申请实施例提供的一种视频图像噪声评估方法的流程图，可用于对视频图像或者单一图像进行噪声评估，确定图像的噪声情况，该方法可以由计算设备如服务器、智能终端、笔记本、平板电脑等来执行，以服务器为执行设备为例，具体可以是视频后端处理的Linux服务器，具体包括如下步骤：
[0034]步骤S101、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。
[0035]在一个实施例中，通过集成的算法模块进行视频图像噪声评估，对输入的视频图像进行噪声估计得到视频图像中每个像素点的噪声数据。其中，该视频图像可以是直播视频的图像画面，或者输入的单独的静态图像等。可选的，该噪声数据可以为像素点对应的噪声值，即针对视频图像中的每个像素点得到该像素点的具体的噪声值。示例性的，噪声值的取值范围为0至1，其中，取值越大表征噪声越明显。
[0036]可选的，对视频图像进行噪声估计过程为：通过训练完成的多层深度学习神经网络对视频图像进行噪声估计，得到视频图像中每个像素点的噪声数据。其中，该多层深度学习神经网络包括堆叠设置的多本文档来自技高网...

【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：