一种基于深度学习的医用内窥镜图像细节的自适应增强方法

本发明提供一种基于深度学习的医用内窥镜图像细节的自适应增强方法，其步骤如下：1.利用性能足够的数码单反相机（这里可以用Canon®EOS 6D）和内窥镜同时获取生物组织的图像，并分割成256*256像素大小；2.将所述内窥镜原始图像和目标图像（标签）作为训练集，构建并训练U型细节增强卷积神经网络；3.将内窥镜获得到的原始图像，输入到所述训练好的U型细节增强卷积神经网络，输出为细节增强后的图像。本发明通过基于深度学习的自适应增强图像的细节来抑制图像的噪声，能够简单高效实时处理高分辨率的内窥镜图像，并且增强后的图像色彩还原度较高。