Se sabe que muchos métodos de mejora de imágenes tienen un compromiso entre la supresión del ruido y la mejora de los bordes. En este artículo, proponemos una nueva técnica de filtrado para la mejora de imágenes y la explicamos desde la teoría de la percepción visual humana. Combina la regresión kernel y la homogeneidad local y evalúa el rendimiento de restauración del método de suavizado. En primer lugar, la imagen se filtra mediante regresión kernel. A continuación, se introduce el cálculo de la homogeneidad local de la imagen, que ofrece una selección adaptativa del suavizado posterior. El efecto global de este algoritmo es eficaz en la reducción del ruido y la mejora de los bordes. Los resultados experimentales muestran que este algoritmo tiene un mejor rendimiento en la mejora de los bordes de la imagen, la mejora del contraste y la supresión del ruido.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un nuevo criterio de explosión para la ecuación DGH
Artículo:
Análisis de simetría de Lie, soluciones exactas y leyes de conservación de la ecuación de Boiti-Leon-Pempinelli con coeficientes variables.
Artículo:
Solución numérica estable positiva incondicional de problemas de valoración de opciones parciales integrodiferenciales.
Artículo:
Características hemodinámicas en arterias coronarias estenosadas: Análisis de CFD basado en imágenes histológicas.
Artículo:
Construcción inteligente de modelos y estrategia de control de curvas de temperatura basada en GPC-PID para la industria metalúrgica
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.