模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2018, Vol. 31 Issue (11): 1047-1060    DOI: 10.16451/j.cnki.issn1003-6059.201811009
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于对抗生成网络的蒙特卡罗噪声去除算法
谢川1,2, 王勇超1, 林志洁3, 郑秋岚4, 钱飞1, 赵磊1
1.浙江大学 计算机科学与技术学院 杭州 310027
2.杭州职业技术学院 信息工程学院 杭州 310018
3.浙江科技学院 信息与电子工程学院 杭州 310023
4.浙江省医学科学院 保健食品研究所 杭州 310013
Monte Carlo Noise Removal Algorithm Based on Adversarial Generative Network
XIE Chuan1,2, WANG Yongchao1, LIN Zhijie3, ZHENG Qiulan4, QIAN Fei1, ZHAO Lei1
1.School of Computer Science and Technology, Zhejiang University, Hangzhou 310027
2.School of Information Engineering, Hangzhou Vocational and Technical College, Hangzhou 310018
3.School of Information and Electronic Engineering, Zhejiang University of Science and Technology, Hangzhou 310023
4.Institute of Health Food, Zhejiang Academy of Medical Sciences, Hangzhou 310013

全文: PDF (3585 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 针对现有的蒙特卡罗噪声去除方法存在的高频细节丢失问题,文中提出基于对抗生成网络的蒙特卡罗噪声去除方法.设计对抗网络结构,包括全卷积网络的生成网络和深度卷积网络的判别网络,用于蒙特卡罗噪声的去除.除了加入包括图像像素颜色外的多维辅助特征作为网络输入以外,还采用包含平滑损失在内的新的损失函数和基于法向量方差和梯度大小相似度偏差的图像局部重要性采样技术用于网络训练.实验表明,文中方法在去除蒙特卡罗噪声时不仅可以取得不错的量化指标,而且还保留图像的高频细节特征.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
谢川
王勇超
林志洁
郑秋岚
钱飞
赵磊
关键词 蒙特卡罗噪声对抗生成网络深度学习图像去噪高真实感绘制    
Abstract:To solve the problem of high frequency details loss in the existing Monte Carlo noise removal method, a Monte Carlo noise removal method based on adversarial generative network is proposed. An adversarial network structure, including the generative network of full convolution network and the discriminator network of deep convolution network, is employed to remove the Monte Carlo noise. The multi-dimensional auxiliary features, including the pixel color of the image, are added as the network input. Besides, the new loss function and local importance sampling technology based on the similarity deviation between normal vector variance and gradient size are applied to network training. Experimental results show that the proposed method achieves good quantization index in removing Monte Carlo noise and meanwhile preserves high-frequency detail features of the image.
Key wordsMonte Carlo Noise    Adversarial Generative Network    Deep Learning    Image Denoising    High Realistic Rendering   
收稿日期: 2018-04-23     
ZTFLH: TP 391  
基金资助:浙江省科技计划项目(No.2017C33176,LGF18F020006,LGF18F020010)、浙江科技学院博士启动基金资助(No.170311)
通讯作者: 林志洁,博士,讲师,主要研究方向为数字图像处理、计算机视觉、机器学习.E-mail:bytelin@qq.com.   
作者简介: 谢川,硕士,副教授,主要研究方向为对象识别、图像去噪、深度学习.E-mail:1204031483@qq.com;王勇超,硕士,副教授,主要研究方向为图像处理、三维展示、视频压缩等.E-mail:ychaowang@zju.edu.cn;郑秋岚,硕士,助理研究员,主要研究方向为食品质量控制、安全评价.E-mail:57889764@qq.com;钱飞,硕士,主要研究方向为深度学习、图像处理、虚拟现实等.E-mail:710331184@qq.com;赵 磊,博士,讲师,主要研究方向为深度学习、图像处理、虚拟现实等.E-mail:120525981@qq.com.
引用本文:   
谢川, 王勇超, 林志洁, 郑秋岚, 钱飞, 赵磊. 基于对抗生成网络的蒙特卡罗噪声去除算法[J]. 模式识别与人工智能, 2018, 31(11): 1047-1060. XIE Chuan, WANG Yongchao, LIN Zhijie, ZHENG Qiulan, QIAN Fei, ZHAO Lei. Monte Carlo Noise Removal Algorithm Based on Adversarial Generative Network. , 2018, 31(11): 1047-1060.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201811009      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2018/V31/I11/1047
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn