[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

本發明涉及一種基于密集連接卷積的暗光圖像去噪方法，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。本發明實現了即使在處理暗光或者逆光場景下的圖像時，也能保留大量圖像細節信息，得到高質量的去噪圖像，達到良好的去噪效果。

技術領域

本發明涉及數字圖像處理技術領域，特別是一種基于密集連接卷積的暗光圖像去噪方法。

背景技術

圖像噪聲是指存在于圖像數據中不必要的或者多余的干擾信息，噪聲的存在嚴重影響了圖像的質量，降噪顯得尤為重要。

現有的圖像去噪方法，普遍利用圖像的局部信息來平滑處理，或者把圖像分成一定大小的塊，根據圖像塊之間的相似性，把具有相似結構的二維圖像塊組合在一起形成三維數組，然后用聯合濾波的方法對這些三維數組進行處理，通過逆變換，把處理后的結果返回到原圖像中，從而得到去噪后的圖像。

然而這兩種圖像去噪方法在處理暗光或者逆光場景下的圖像時，往往使圖像丟失了很多細節信息，不能得到高質量的去噪圖像，不能達到良好的去噪效果。

發明內容

有鑒于此，本發明的目的是提出一種基于密集連接卷積的暗光圖像去噪方法，實現了即使在處理暗光或者逆光場景下的圖像時，也能保留大量圖像細節信息，得到高質量的去噪圖像，達到良好的去噪效果。

本發明采用以下方案實現：一種基于密集連接卷積的暗光圖像去噪方法，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。

進一步地，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。

進一步地，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。

較佳的，不同尺寸的塊組合是從輸入塊的尺寸每次下采樣為1/2倍，最后再每次上采樣為2倍，直到回到輸入的尺寸，在相同尺寸塊中，前面的塊的輸出連接到后面的塊。

進一步地，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。

進一步地，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。

進一步地，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。