(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111641889.8 (22)申请日 2021.12.2 9 (65)同一申请的已公布的文献号 申请公布号 CN 114418873 A (43)申请公布日 2022.04.29 (73)专利权人 英特灵达信息技 术 （深圳） 有限公 司 地址 518101 广东省深圳市宝安区新 安街 道海旺社区N12区新湖路99号壹方中 心北区三期B塔15 06 专利权人 合肥英特灵 达信息技 术有限公司 (72)发明人 王林　周晓　朱才志　汝佩哲　 (74)专利代理 机构 北京柏杉松知识产权代理事 务所(普通 合伙) 11413 专利代理师 项京　高莺然 (51)Int.Cl. G06T 5/00(2006.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (56)对比文件 CN 110766621 A,2020.02.07 CN 113052814 A,2021.0 6.29 CN 113822812 A,2021.12.21 CN 112529775 A,2021.0 3.19 US 20172782 21 A1,2017.09.28 CN 111402153 A,2020.07.10 果实.基于卷积神经网络的真实相机图像去 噪的研究. 《中国优秀硕士学位 论文全文数据库 （电子期刊） 》 .2020,第2020年卷(第02期), Biju Ven kadath Somasundaran et al.Image Denoising for Ima ge Retrieval by Cascading a Deep Quality Assessment Network. 《2018 25th IE EE Internati onal Conference o n Image Proces sing (ICIP)》 .2018, 审查员 宋海荣 (54)发明名称 一种暗光图像降噪方法及装置 (57)摘要 本申请实施例提供了一种暗光图像 降噪方 法及装置， 方法包 括： 获取RAW域暗光图像； 对RAW 域暗光图像进行预设图像增强变换， 将变换后的 图像输入预先训练的降噪网络模 型， 得到输出图 像； 其中， 降噪网络模型是根据样本图像训练的， 样本图像包括： 模拟坏点暗光图像和无噪图像； 对输出图像进行预设图像增强变换的逆变换， 得 到降噪图像。 能够显著降低图像坏点对暗光图像 降噪过程产生的影响， 提高暗光图像的降噪质 量。 权利要求书2页 说明书10页 附图4页 CN 114418873 B 2022.12.20 CN 114418873 B 1.一种暗光图像降噪方法， 其特 征在于， 所述方法包括： 获取RAW域暗光图像； 对所述RAW域暗光图像进行预设图像增强变换， 将变换后的图像输入预先训练的降噪 网络模型， 得到输出图像； 其中， 所述降噪网络模型是根据样本图像训练的， 所述样本图像 包括： 模拟 坏点暗光图像和无噪图像； 对所述输出图像进行 所述预设图像增强变换的逆变换， 得到降噪图像； 采用如下步骤获得 所述模拟 坏点暗光图像： 获取暗光噪声图像； 基于预先统计的传感器坏点比例， 在所述暗光噪声图像中随机生成特定数量的坏点， 得到模拟坏点暗光图像， 其中， 所生成的坏点的像素值为高亮值或所生成的坏点的像素值 与周边像素点的像素值 不满足预设 分布。 2.根据权利要求1所述的方法， 其特征在于， 所述对所述RAW域暗光图像进行预设图像 增强变换的步骤， 包括： 依次对所述RAW 域暗光图像进行归一 化、 gamma变换。 3.根据权利要求1所述的方法， 其特 征在于， 采用如下步骤训练所述降噪网络模型： 获取初始神经网络模型和所述样本图像； 将进行所述预设图像增强变换后的模拟 坏点暗光图像输入所述初始神经网络模型； 基于所述初始神经网络模型输出结果和进行所述预设图像增强变换后的无 噪图像， 计 算损失值； 基于所述损失值调 整所述初始神经网络的模型参数， 并返回将进行所述预设图像增强 变换后的模拟坏点暗光图像输入所述初始神经网络模型的步骤， 直到所述初始神经网络模 型收敛； 将收敛的初始神经网络模型确定为所述降噪网络模型。 4.一种暗光图像降噪装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取RAW 域暗光图像； 降噪模块， 用于对所述RAW域暗光图像进行预设图像增强变换， 将变换后的图像输入预 先训练的降噪网络模型， 得到输出图像； 其中， 所述降噪网络模型是根据样本图像训练的， 所述样本图像包括： 模拟 坏点暗光图像和无噪图像； 逆变换模块， 用于对所述输出图像进行所述预设图像增强变换的逆变换， 得到降噪图 像； 还包括： 生成模块， 所述 生成模块具体用于： 获取暗光噪声图像； 基于预先统计的传感器坏点比例， 在所述暗光噪声图像中随机生成特定数量的坏点， 得到模拟坏点暗光图像， 其中， 所生成的坏点的像素值为高亮值或所生成的坏点的像素值 与周边像素点的像素值 不满足预设 分布。 5.根据权利要求4所述的装置， 其特征在于， 所述降噪模块包含增强变换子模块， 所述 增强变换子模块， 具体用于： 依次对所述RAW 域暗光图像进行归一 化、 gamma变换。 6.根据权利要求4所述的装置， 其特征在于， 还包括训练模块， 所述训练模块， 具体用权　利　要　求　书 1/2 页 2 CN 114418873 B 2于： 获取初始神经网络模型和所述样本图像； 将进行所述预设图像增强变换后的模拟 坏点暗光图像输入所述初始神经网络模型； 基于所述初始神经网络模型输出结果和进行所述预设图像增强变换后的无 噪图像， 计 算损失值； 基于所述损失值调 整所述初始神经网络的模型参数， 并返回将进行所述预设图像增强 变换后的模拟坏点暗光图像输入所述初始神经网络模型的步骤， 直到所述初始神经网络模 型收敛； 将收敛的初始神经网络模型确定为所述降噪网络模型。 7.一种电子设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总线， 其中， 处理 器， 通信接口， 存 储器通过通信总线完成相互间的通信； 存储器， 用于存放计算机程序； 处理器， 用于执 行存储器上所存放的程序时， 实现权利要求1 ‑3任一所述的方法步骤。 8.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质内存储有计算机 程序， 所述计算机程序被处 理器执行时实现权利要求1 ‑3任一所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 114418873 B 3