Notice bibliographique
Résumé
In spite of the availability of advanced imaging devices with high sensitivity, high resolution, and built-in image-data processing procedures, images are often acquired with quality that is unsatisfactory or inadequate for certain purposes. When considering methods to modify such images with the aim of enhancing their quality, it is important to recognize and understand the several notions and factors that affect and determine the quality of an image; see Sections 2.2 and 2.3 as well as Rangayyan [6]. If further analysis of the processed image is to be performed by a human observer, the subjective and qualitative nature of such analysis needs to be taken into consideration. On the other hand, if subsequent analysis of the image is relegated to yet another computational procedure, the objective or quantitative requirements of the procedure should be taken into account in the design of the enhancement procedure. Thus, the nature and extent of enhancement to be effected on an image depend upon further use of the processed image. In most cases, the enhancement sought in an image would be aimed to achieve one or more of the following desired characteristics: • uniform or balanced brightness across the image, which may require dark areas to be made lighter and areas of excessive brightness to be made less bright; • good contrast and visibility of detail; • sharp and well-defined edges and borders of objects or regions in the image; • clean and clear representation of the original objects or scene with no noise or blemishes; • faithful reproduction of hues or shades of color, with particular attention to skin tone and hue in images of humans; and • good color balance to result in a pleasant appearance. Several digital image-processing techniques have been proposed to address the requirements stated above in the case of grayscale images [1, 6]. However, the extension of techniques designed for grayscale or monochromatic images to process color or vector images is neither straightforward nor always appropriate; the methods described in Chapter 3 to remove noise in color images illustrate some related concepts and methods.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,007 | 0,003 |
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 ».