DEĞİŞTİRİLMİŞ AYRIK HAAR DALGACIK DÖNÜŞÜMÜ İLE YENİ BİR HİSTOGRAM EŞİTLEME YÖNTEMİ
Notice bibliographique
Résumé
Histogram eşitleme dijital görüntülerin kontrastını artırmak için kullanılan yöntemlerden biridir. İdeal histogram eşitleme yöntemlerinde, girdi ve çıktı arasındaki görüntü benzerliğini koruyarak histogramdaki dağılımları tekdüze hale getirerek kontrast gerilmektedir. Frekans alanında yapılan bu çalışmada, Düşük Dinamik Aralığında değiştirilmiş ayrık Haar Dalgacık Dönüşümü ile yeni bir görüntü kontrast germe yöntemi önerilmiştir. Bu yöntemde Olasılık Kütle Fonksiyonunu ile frekansların yüksek geçiş kanalında gürültülü frekanslara bir baskılama işlemi gerçekleştirilmiştir. Daha sonra yapılan frekans dönüşümlerinde histogram frekansların dinamik aralıklarında önemli bir azalma sağlanmıştır. Frekans alanındaki bu işlem görüntüde standart sapmanın artmasını sağlayarak görüntü kalitesinin iyileşmesini sağlar. Kıyaslamalı bir veri seti üzerinde yapılan deneysel çalışmalarda, önerilen yöntem konvansiyonel metotlarla kıyaslanmış ve umut verici sonuçlar elde edilmiştir. Görüntü kalitesi değerlendirme metriklerinden Tepe Sinyal Gürültü Oranı (PSNR), Ortalama Kare Hata (MSE), Yapısal Benzerlik Endeks Ölçütü (SSIM) ve Kontrast değeri deneysel çalışmalarda kullanılmıştır. Önerilen bu yaklaşım ile elde edilen sonuçlar diğer algoritmaların sonuçları ile kıyaslandığında hem kalitatif hem de kantitatif açıdan başarılı bulunmuştur.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,009 | 0,009 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».