1.一种图像噪声检测方法，其特征在于，包括：获取待检测图像；

利用训练完成的神经网络模型对所述待检测图像中的噪声进行检测，以得到所述待检测图像中噪声的分布状态；其中，所述神经网络模型是基于添加设定噪声的图像作为训练图像集以及对应的设定噪声的分布图像作为训练图像的标签集训练得到的；

其中，所述训练完成的神经网络模型包括：输入层、卷积运算层和输出层；

所述输入层、卷积运算层以及输出层依次相连；

所述卷积运算层包括依次相连的设定数量的第一卷积单元，每个第一卷积单元包括依次相连的卷积层、归一化层和激活函数层，每个第一卷积单元通过激活函数层连接至下一个第一卷积单元；

所述输出层包括依次相连的第二卷积单元、数据排列单元和损失函数单元，所述第二卷积单元包括卷积层，所述卷积层与所述卷积运算层中的最后一个第一卷积单元的激活函数层相连；

获取携带设定噪声的训练图像；

基于所述训练图像对预设的神经网络结构进行训练，得到训练完成的神经网络模型；

所述获取携带设定噪声的训练图像，包括：对多张彩色原图像添加设定噪声，得到携带设定噪声的彩色图像；

将每张携带设定噪声的彩色图像与其携带的设定噪声的分布图像划分为一组图像；

对每组图像进行直方图均衡化处理，得到处理后的图像；

按照设定尺寸对处理后的每组图像进行裁剪，得到大小相同的多组图像；

清洗所述多组图像中有干扰的图像，得到清洗后的多组图像；

将所述清洗后的多组图像确定为携带设定噪声的训练图像；

将所述清洗后的多组图像旋转随机角度，得到旋转后的多组图像；

将所述清洗后的多组图像中的像素值进行翻转，和/或将所述旋转后的多组图像中的像素值进行翻转，得到像素值翻转后的多组图像；

将所述清洗后的多组图像、所述旋转后的多组图像以及所述像素值翻转后的多组图像确定为携带设定噪声的训练图像。

2.根据权利要求1所述的方法，其特征在于，所述设定数量为9，所述神经网络结构的批大小batch size为20，所述第一卷积单元的卷积核大小为3*3，步长为1，输出通道为64，所述第二卷积单元的卷积核大小为3*3，步长为1，输出通道为3。

3.根据权利要求2所述的方法，其特征在于，损失函数层通过如下公式计算神经网络的实际输出与样本之间的误差：

其中， 表示神经网络的实际输出， 表示样本值，j表示像素编号，k为设定指数值。

4.根据权利要求1所述的方法，其特征在于，所述基于所述训练图像对预设的神经网络结构进行训练，得到训练完成的神经网络模型之后，所述方法还包括：利用预先准备好的测试数据对所述神经网络模型进行测试，以确定所述神经网络模型的可靠性以及泛化能力。

5.一种图像噪声检测装置，其特征在于，所述装置包括：获取模块，用于获取待检测图像；

检测模块，用于利用训练完成的神经网络模型对所述待检测图像中的噪声进行检测，以得到所述待检测图像中噪声的分布状态；其中，所述神经网络模型是基于添加设定噪声的图像作为训练图像集以及对应的设定噪声的分布图像作为训练图像的标签集训练得到的；

其中，所述训练完成的神经网络模型包括：输入层、卷积运算层和输出层；

其中，所述输入层、卷积运算层以及输出层依次相连；

所述卷积运算层包括依次相连的设定数量的第一卷积单元，每个第一卷积单元包括依次相连的卷积层、归一化层和激活函数层，每个第一卷积单元通过激活函数层连接至下一个第一卷积单元；

所述输出层包括依次相连的第二卷积单元、数据排列单元和损失函数单元，所述第二卷积单元包括卷积层，所述卷积层与所述卷积运算层中的最后一个第一卷积单元的激活函数层相连；

获取携带设定噪声的训练图像；

基于所述训练图像对预设的神经网络结构进行训练，得到训练完成的神经网络模型；

所述获取携带设定噪声的训练图像，包括：对多张彩色原图像添加设定噪声，得到携带设定噪声的彩色图像；

将每张携带设定噪声的彩色图像与其携带的设定噪声的分布图像划分为一组图像；

对每组图像进行直方图均衡化处理，得到处理后的图像；

按照设定尺寸对处理后的每组图像进行裁剪，得到大小相同的多组图像；

清洗所述多组图像中有干扰的图像，得到清洗后的多组图像；

将所述清洗后的多组图像确定为携带设定噪声的训练图像；

将所述清洗后的多组图像旋转随机角度，得到旋转后的多组图像；

将所述清洗后的多组图像中的像素值进行翻转，和/或将所述旋转后的多组图像中的像素值进行翻转，得到像素值翻转后的多组图像；

将所述清洗后的多组图像、所述旋转后的多组图像以及所述像素值翻转后的多组图像确定为携带设定噪声的训练图像。

6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑4中任一项所述的图像噪声检测方法。

7.一种包含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实现如权利要求1‑4中任一项所述的图像噪声检测方法。