[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

说明书

本发明提出了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，涉及图像识别技术领域。一种基于专家场去噪结果优选的噪声图像识别方法，包括以下步骤：获取待识别噪声图像，利用专家场模型对上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；选取信噪比最优的去噪图像，以获得最优去噪图像；建立基于SVM的识别决策模型，将上述最优去噪图像输入至上述识别决策模型，以对上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，则上述最优去噪图像为目标类别图像，当所获得的分数低于上述初设阈值时，则上述最优去噪图像为非目标类别图像。其能够对噪声图像实现精准快速的识别，获得良好的识别效果。

技术领域

本发明涉及图像识别技术领域，具体而言，涉及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。

背景技术

随着数字媒体时代的来临，数字图像作为一种重要的信息载体已经广泛地应用于多个领域。图像识别技术作为经典的模式识别技术，发挥了非常重要的作用。然而，部分数字图像在存储、传输、使用的过程中，往往会出现较为显著的噪声，使得识别难度显著增加。传统的图像识别方法虽然也能够对噪声图像进行识别，但识别精度整体较低且稳健性较差，无法满足实际的识别需求。因此，如何建立一种有效的噪声图像识别方法，可以更加精准和稳定地对噪声图像进行识别，是一个亟待解决且非常有实际应用价值的问题。

发明内容

本发明的目的在于提供一种基于专家场去噪结果优选的噪声图像识别方法，其能够对噪声图像实现精准快速的识别，获得良好的识别效果。

本发明的实施例是这样实现的：

一种基于专家场去噪结果优选的噪声图像识别方法，包括以下步骤：获取待识别噪声图像，利用专家场模型对上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上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，将上述最优去噪图像输入至上述识别决策模型，以对上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，则上述最优去噪图像为目标类别图像，当所获得的分数低于上述初设阈值时，则上述最优去噪图像为非目标类别图像。

在本发明的一些实施例中，上述利用专家场模型对上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上述待识别噪声图像进行迭代滤波，以得到多个去噪图像；对多个上述去噪图像进行峰值信噪比计算；选取峰值信噪比最高的图像以作为上述最优去噪图像。

在本发明的一些实施例中，上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，给上述初始样本添加不同类型噪声，以获得噪声样本；对上述噪声样本进行特征提取，以获取特征结果；利用SVM支持向量机对上述特征结果进行训练，以获得上述识别决策模型。

在本发明的一些实施例中，上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。

在本发明的一些实施例中，上述初始样本包括正样本和负样本，上述正样本为属于目标类别的图像，上述负样本为属于非目标类别的图像。

在本发明的一些实施例中，上述方法还包括以下步骤：根据多个不同类别的上述待识别噪声图像，分别建立多个类别的上述识别决策模型，将多个上述识别决策模型结合以获得精准识别模型，上述精准识别模型用于对多个类别的上述待识别噪声图像进行识别。

在本发明的一些实施例中，上述对上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；根据上述对比结果选择不同标记物的局部图像作为各上述目标物的多个特征样本，根据上述特征样本以进行特征提取。