Zobrazeno 1 - 10
of 71
pro vyhledávání: '"Denoising technique"'
Publikováno v:
IEEE Access, Vol 12, Pp 159025-159035 (2024)
Image denoising is a critical challenge in digital image processing, particularly when dealing with random-value impulse noise (RVIN). Existing methods for RVIN detection and removal often struggle with poor generalization performance, requiring manu
Externí odkaz:
https://doaj.org/article/b663f89d477046eea5cc3f692c137824
Publikováno v:
Journal of Rock Mechanics and Geotechnical Engineering, Vol 16, Iss 1, Pp 317-332 (2024)
Reliable long-term settlement prediction of a high embankment relates to mountain infrastructure safety. This study developed a novel hybrid model (NHM) that combines a joint denoising technique with an enhanced gray wolf optimizer (EGWO)-ν-support
Externí odkaz:
https://doaj.org/article/e14e0e5508774dce843748b31aa11229
Autor:
I. Sharath Chandra, Rajveer Kushaldev Shastri, D. Kavitha, Kallakunta Ravi Kumar, S. Manochitra, Penumuchi Bujji Babu
Publikováno v:
Measurement: Sensors, Vol 28, Iss , Pp 100835- (2023)
Underwater image deteriorates due to the scattering effect of light in the water. The challenging factor in underwater image analysis is the blurring of the image and color distortion. Various techniques were explored to offer solutions for underwate
Externí odkaz:
https://doaj.org/article/be0ef48ef53b47038dae983d16338e83
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Yan Xing, Wenli Qiao, Taisong Wang, Ying Wang, Chenwei Li, Yang Lv, Chen Xi, Shu Liao, Zheng Qian, Jinhua Zhao
Publikováno v:
EJNMMI Physics, Vol 9, Iss 1, Pp 1-17 (2022)
Abstract Purpose This study aimed to investigate the impact of a deep learning (DL)-based denoising method on the image quality and lesion detectability of 18F-FDG positron emission tomography (PET) images. Methods Fifty-two oncological patients unde
Externí odkaz:
https://doaj.org/article/e882610be8094d0aa26ca846772dadff
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.