文献类型：期刊文章

作　　者：谢川[1,2] 王勇超[1] 林志洁[3] 郑秋岚[4] 钱飞[1] 赵磊[1]

XIE Chuan;WANG Yongchao;LIN Zhijie;ZHENG Qiulan;QIAN Fei;ZHAO Lei(School of Computer Science and Technology,Zhejiang University,Hangzhou 310027;School of Information Engineering,Hangzhou Vocational and Technical College,Hangzhou 310018;School of Information and Electronic Engineering,Zhejiang University of Science and Technology,Hangzhou 310023;Institute of Health Food,Zhejiang Academy of Medical Sciences,Hangzhou 310013)

机构地区：[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

出　　处：《模式识别与人工智能》

基　　金：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).

年　　份：2018

卷　　号：31

期　　号：11

起止页码：1047-1060

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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.

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  

分 类 号：TP391]