[發明專利]一種基于密集連接卷積的暗光圖像去噪方法

在審

• 申請號: 201911048121.2
• 申請日: 2019-10-30
• 公開（公告）號: CN110782414A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 郭太良;趙迪;林志賢;張永愛;周雄圖
• 申請（專利權）人: 福州大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 35100 福州元創專利商標代理有限公司
• 代理人: 錢莉;蔡學俊

1.一種基于密集連接卷積的暗光圖像去噪方法，其特征在于，包括以下步驟：

構建密集連接去噪卷積神經網絡模型，并對其進行訓練；

獲取待處理圖像，并對所述待處理圖像進行預處理，得到目標待處理圖像；

通過訓練好的密集連接去噪卷積神經網絡模型對目標待處理圖像進行處理，得到去噪圖像。

2.根據權利要求1所述的一種基于密集連接卷積的暗光圖像去噪方法，其特征在于，所述構建密集連接去噪卷積神經網絡模型具體為：所述密集連接去噪卷積神經網絡模型包括八個密集連接卷積塊，將四通道圖像作為網絡的輸入，進行多個密集連接卷積塊的處理；其中，前四個塊中，每進行一個塊，再進行一次下采樣，后四個塊中，先和前面同一尺寸的結果連接進行一個上采樣，再進入塊處理；最后輸出3通道RGB圖像。

3.根據權利要求2所述的一種基于密集連接卷積的暗光圖像去噪方法，其特征在于，每個密集連接卷積塊包括四個卷積層，每個卷積層通過在塊內跳躍連接到之后的每個卷積層，最后一個卷積層為1*1卷積層，該1*1卷積層的輸出與塊的輸入相加得到當前密集連接卷積塊的輸出。

4.根據權利要求1所述的一種基于密集連接卷積的暗光圖像去噪方法，其特征在于，所述密集連接去噪卷積神經網絡模型的訓練具體為：

構造實驗訓練數據集，該數據集包括多組曝光圖像，每一組曝光圖像包括同一場景的短曝光圖像以及長曝光圖像；利用構造好的密集連接卷積神經網絡模型對實驗訓練數據集進行訓練，其中令損失函數為網絡輸出結果與長曝光圖像的差值絕對值的平均值，訓練的目標為損失函數最小。

5.根據權利要求1所述的一種基于密集連接卷積的暗光圖像去噪方法，其特征在于，所述對所述待處理圖像進行預處理具體為：

將所述待處理圖像處理成多個單顏色通道圖像；

將所述多個單顏色通道圖像進行拼接，得到目標待處理圖像。

6.根據權利要求1所述的一種基于密集連接卷積的暗光圖像去噪方法，其特征在于，所述通過訓練好的密集連接去噪卷積神經網絡模型對目標待處理圖像進行處理，得到去噪圖像具體為：所述神經網絡模型通過一些密集連接卷積，對圖像進行不同尺度上的處理，輸出去除噪聲后的圖像。