MétaCan
Menu
Retour à la cohorte
Enregistrement W4285035345 · doi:10.3390/math10142421

Application of Smooth Fuzzy Model in Image Denoising and Edge Detection

2022· article· en· W4285035345 sur OpenAlex
Ebrahim Navid Sadjadi, Danial Sadrian Zadeh, Behzad Moshiri, Jesús Garcı́a, José M. Molina, Roemí Fernández

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMathematics · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesAgencia Estatal de InvestigaciónUniversidad Carlos III de MadridMinisterio de Ciencia e InnovaciónComunidad de Madrid
Mots-clésFuzzy logicBounded functionMathematicsStandard deviationGaussianImpulse noiseGaussian noiseDigital imageImpulse (physics)AlgorithmArtificial intelligencePattern recognition (psychology)Image (mathematics)Computer scienceImage processingMathematical analysisStatisticsChemistryPhysicsPixel

Résumé

récupéré en direct d'OpenAlex

In this paper, the bounded variation property of fuzzy models with smooth compositions have been studied, and they have been compared with the standard fuzzy composition (e.g., min–max). Moreover, the contribution of the bounded variation of the smooth fuzzy model for the noise removal and edge preservation of the digital images has been investigated. Different simulations on the test images have been employed to verify the results. The performance index related to the detected edges of the smooth fuzzy models in the presence of both Gaussian and Impulse (also known as salt-and-pepper noise) noises of different densities has been found to be higher than the standard well-known fuzzy models (e.g., min–max composition), which demonstrates the efficiency of smooth compositions in comparison to the standard composition.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,843
Score d'incertitude au seuil0,191

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,270
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle