摘要
本发明公开了一种基于深度学习的图像自适应去噪方法，具体涉及图像处理技术领域，包括：设计图像块拆分算法，对输入内窥镜图像进行分块，以提高去噪精度和适用性；引入深度学习模型实现拆分后的内窥镜图像自适应去噪，能够捕捉内窥镜图像中复杂的噪声分布和内窥镜图像结构之间关系，以保留细胞结构、血管分布组织的细微特征；设计多维噪声评价函数作为深度学习模型中的学习函数，从多维层面对内窥镜图像去噪效果进行评价，保留组织的形状、大小、颜色及分布特征，以实现对不同特征噪声的自适应去噪；引入智能优化算法作为深度学习模型的l oss函数，以加快整个自适应去噪的收敛速度和效率。
