<title>Cosine transform generalized to lie groups SU(2)xSU(2), O(5), and SU(2)xSU(2)xSU(2): application to digital image processing</title>
Notice bibliographique
Résumé
We propose to apply three of the multiple variants of the 2 and 3-dimensional of the cosine transform. We consider the Lie groups leading to square lattices, namely SU(2)xSU(2) and O(5) in the 2-dimensional space, and the cubic lattice SU(2)xSU(2)xSU(2) in the 3-dimensional space. We aim at evaluating the benefits of some Discrete Group Transform (DGT) techniques, in particular the Continuous Extension of the Discrete Cosine Transform (CEDCT), and at developing new techniques that refine image quality: this refinement is called the high-resolution process. This highest quality is useful to increase the effectiveness of standard features extraction, fusion and classification algorithms. All algorithms based on the 2 and 3-dimensional DGT have the advantage to give the exact value of the original data at the points of the grid lattice, and interpolate well the data values between the grid points. The quality of the interpolation is comparable with the most efficient data interpolation, which are currently used for purposes of image zooming. In our first application, we use DGT techniques to refine fully polarimetric radar images, and to increase the effectiveness of standard features extraction algorithms. In our second application, we apply DGT techniques on medical images extracted from a system and a Magnetic Resonance Imaging (MRI) system.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,007 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».