[发明专利]一种基于专家场去噪结果优选的噪声图像识别方法及系统

权利要求书

1.一种基于专家场去噪结果优选的噪声图像识别方法，其特征在于，包括以下步骤：

获取待识别噪声图像，利用专家场模型对所述待识别噪声图像进行去噪处理，以获得不同峰值信噪比的多个去噪图像；

选取峰值信噪比最高的所述去噪图像以作为最优去噪图像；

建立基于SVM的识别决策模型，将所述最优去噪图像输入至所述识别决策模型，以对所述最优去噪图像进行评分识别；

当所获得的分数高于初设阈值时，则所述最优去噪图像为目标类别图像，当所获得的分数低于所述初设阈值时，则所述最优去噪图像为非目标类别图像。

2.如权利要求1所述的一种基于专家场去噪结果优选的噪声图像识别方法，其特征在于，利用专家场模型对所述识别噪声图像进行去噪处理的步骤包括以下步骤：

利用不同尺寸的滤波器对所述待识别噪声图像进行迭代滤波，以得到多个去噪图像；

对多个所述去噪图像进行峰值信噪比计算。

3.如权利要求1所述的一种基于专家场去噪结果优选的噪声图像识别方法，其特征在于，所述建立识别决策模型的步骤包括以下步骤：

从图像数据库选取多个初始样本，给所述初始样本添加不同类型噪声，以获得噪声样本；

对所述噪声样本进行特征提取，以获取特征结果；

利用SVM支持向量机对所述特征结果进行训练，以获得所述识别决策模型。

4.如权利要求3所述的一种基于专家场去噪结果优选的噪声图像识别方法，其特征在于，所述噪声包括高斯噪声、泊松噪声和椒盐噪声中的一种或多种。

5.如权利要求3所述的一种基于专家场去噪结果优选的噪声图像识别方法，其特征在于，所述初始样本包括正样本和负样本，所述正样本为属于目标类别的图像，所述负样本为属于非目标类别的图像。

6.如权利要求3所述的一种基于专家场去噪结果优选的噪声图像识别方法，其特征在于，还包括以下步骤：

根据多个不同类别的所述待识别噪声图像，分别建立多个类别的所述识别决策模型，将多个所述识别决策模型结合以获得精准识别模型，所述精准识别模型用于对多个类别的所述待识别噪声图像进行识别。

7.如权利要求3所述的一种基于专家场去噪结果优选的噪声图像识别方法，其特征在于，所述对所述噪声样本进行特征提取的步骤包括以下步骤：

识别噪声样本中的一个目标物和多个标记物，根据目标物与任意一个标记物的大小特征、颜色特征和位置特征对比分别得到对比结果；

根据所述对比结果选择不同标记物的局部图像作为各所述目标物的多个负特征样本，根据所述负特征样本以进行特征提取。

8.一种基于专家场去噪结果优选的噪声图像识别系统，其特征在于，包括去噪模块、筛选模块、识别模块和判断模块：

所述去噪模块用于获取待识别噪声图像，利用专家场模型对所述待识别噪声图像进行去噪处理，以获得不同信噪比的多个去噪图像；

所述筛选模块用于选取信噪比最优的去噪图像，以获得最优去噪图像；

所述识别模块用于建立基于SVM的识别决策模型，将所述最优去噪图像输入至所述识别决策模型，以对所述最优去噪图像进行评分识别；

所述判断模块用于判断当基于SVM模型的得分高于阈值时，则所述最优去噪图像为目标类别图像，当基于SVM模型的得分低于所述阈值时，则所述最优去噪图像为非目标类别图像。

9.一种电子设备，其特征在于，包括：

存储器，用于存储一个或多个程序；

处理器；

当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。