由于缺乏丰富且真实的训练数据，现有的单张图像去噪算法在处理与训练数据分布差异较大的真实原始图像时泛化能力较差。尽管通过异方差高斯噪声模型可部分缓解该问题，但数字相机电子系统所引入的噪声源仍被严重忽视，而这些噪声对原始图像测量的影响尤为显著，尤其是在极端低光照条件下。为解决这一问题，本文提出了一种基于CMOS图像传感器特性的高精度噪声生成模型，从而能够合成更符合图像形成物理过程的真实样本。在此噪声模型的基础上，我们进一步提出了一种针对现有主流数字相机的噪声参数校准方法，该方法简单、可复现，适用于任意新型设备。我们通过构建一个覆盖多个品牌现代数字相机的新低光照去噪数据集，系统性地评估了现有训练方案下神经网络的泛化性能。大量实验结果一致表明，采用本文提出的噪声生成模型后，网络的性能可达到如同在丰富真实数据上训练一般，充分验证了所提噪声模型的有效性。