New derivative filters in Perona-Malik equation for image denoising
- سال انتشار: 1403
- محل انتشار: اولین کنفرانس بین المللی دوسالانه هوش مصنوعی و علوم داده
- کد COI اختصاصی: DSAI01_084
- زبان مقاله: انگلیسی
- تعداد مشاهده: 90
نویسندگان
Department of Mathematics, Persian Gulf University, Bushehr, Iran
Department of Mathematics, Persian Gulf University, Bushehr, Iran
چکیده
Based on high order finite difference formula for approximating differentiation,four new filters are proposed to discretize anisotropic diffusion equation to use in imagedenoising. The new results are implemented for removing Gaussian noise and different resultsare compared with MSE, PSNR and SSIM indexes. The results reveal the effectiveness of thenew discretization approaches.کلیدواژه ها
Digital images, Gaussian noise, Anisotropic diffusion, High order finite differenceمقالات مرتبط جدید
- بررسی جامع پتانسیلها و اثرات هوش مصنوعی و ChatGPT در پیشبرد و شکل دهی به فرآیندهای آموزشی مدرن
- بررسی کاربرد هوش مصنوعی در تعاملی سازی محیط یادگیری الکترونیکی
- تحلیلی از نقاط قوت و ضعف هوش مصنوعی در حل مسئله ریاضی
- استفاده از ChatGPT برای بهبود فعالیتهای آزمایشگاهی شیمی
- شخصی سازی آموزش و طراحی آموزشی به واسطه هوش مصنوعی در آموزش عالی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.