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: 95
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 نقش و کاربردهای هوش مصنوعی در رشته مترجمی زبان انگلیسی
- چارچوب یکپارچه مبتنی بر یادگیری عمیق برای تشخیص و مقابله با حملات سایبری در شبکه های صنعتی اینترنت اشیاء
- توسعه سیستم توصیه گر هوشمند برای بهینه سازی مصرف انرژی در شبکه های انرژی هوشمند با استفاده از الگوریتم های یادگیری تقویتی
- طراحی معماری سیستم های نهفته خودترمیم شونده برای کاربردهای بلادرنگ در سیستم های حمل و نقل هوشمند
- طراحی و پیاده سازی سیستم امنیتی یکپارچه برای اینترنت اشیاء صنعتی مبتنی بر محاسبات لبه در صنعت ۴.۰
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.