[发明专利]一种基于密集连接卷积的暗光图像去噪方法

权利要求书

1.一种基于密集连接卷积的暗光图像去噪方法，其特征在于，包括以下步骤：

构建密集连接去噪卷积神经网络模型，并对其进行训练；

获取待处理图像，并对所述待处理图像进行预处理，得到目标待处理图像；

通过训练好的密集连接去噪卷积神经网络模型对目标待处理图像进行处理，得到去噪图像。

2.根据权利要求1所述的一种基于密集连接卷积的暗光图像去噪方法，其特征在于，所述构建密集连接去噪卷积神经网络模型具体为：所述密集连接去噪卷积神经网络模型包括八个密集连接卷积块，将四通道图像作为网络的输入，进行多个密集连接卷积块的处理；其中，前四个块中，每进行一个块，再进行一次下采样，后四个块中，先和前面同一尺寸的结果连接进行一个上采样，再进入块处理；最后输出3通道RGB图像。

3.根据权利要求2所述的一种基于密集连接卷积的暗光图像去噪方法，其特征在于，每个密集连接卷积块包括四个卷积层，每个卷积层通过在块内跳跃连接到之后的每个卷积层，最后一个卷积层为1*1卷积层，该1*1卷积层的输出与块的输入相加得到当前密集连接卷积块的输出。

4.根据权利要求1所述的一种基于密集连接卷积的暗光图像去噪方法，其特征在于，所述密集连接去噪卷积神经网络模型的训练具体为：

构造实验训练数据集，该数据集包括多组曝光图像，每一组曝光图像包括同一场景的短曝光图像以及长曝光图像；利用构造好的密集连接卷积神经网络模型对实验训练数据集进行训练，其中令损失函数为网络输出结果与长曝光图像的差值绝对值的平均值，训练的目标为损失函数最小。

5.根据权利要求1所述的一种基于密集连接卷积的暗光图像去噪方法，其特征在于，所述对所述待处理图像进行预处理具体为：

将所述待处理图像处理成多个单颜色通道图像；

将所述多个单颜色通道图像进行拼接，得到目标待处理图像。

6.根据权利要求1所述的一种基于密集连接卷积的暗光图像去噪方法，其特征在于，所述通过训练好的密集连接去噪卷积神经网络模型对目标待处理图像进行处理，得到去噪图像具体为：所述神经网络模型通过一些密集连接卷积，对图像进行不同尺度上的处理，输出去除噪声后的图像。