Articles de revues sur le sujet « Denoising Image »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Consultez les 50 meilleurs articles de revues pour votre recherche sur le sujet « Denoising Image ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Parcourez les articles de revues sur diverses disciplines et organisez correctement votre bibliographie.
Rubel, Andrii, Oleksii Rubel, Vladimir Lukin et Karen Egiazarian. « Decision-making on image denoising expedience ». Electronic Imaging 2021, no 10 (18 janvier 2021) : 237–1. http://dx.doi.org/10.2352/issn.2470-1173.2021.10.ipas-237.
Texte intégralR. Tripathi, Mr Vijay. « Image Denoising ». IOSR Journal of Engineering 1, no 1 (novembre 2011) : 84–87. http://dx.doi.org/10.9790/3021-0118487.
Texte intégralXu, Shaoping, Xiaojun Chen, Yiling Tang, Shunliang Jiang, Xiaohui Cheng et Nan Xiao. « Learning from Multiple Instances : A Two-Stage Unsupervised Image Denoising Framework Based on Deep Image Prior ». Applied Sciences 12, no 21 (24 octobre 2022) : 10767. http://dx.doi.org/10.3390/app122110767.
Texte intégralHuang, Tingsheng, Chunyang Wang et Xuelian Liu. « Depth Image Denoising Algorithm Based on Fractional Calculus ». Electronics 11, no 12 (19 juin 2022) : 1910. http://dx.doi.org/10.3390/electronics11121910.
Texte intégralBertalmío, Marcelo, et Stacey Levine. « Denoising an Image by Denoising Its Curvature Image ». SIAM Journal on Imaging Sciences 7, no 1 (janvier 2014) : 187–211. http://dx.doi.org/10.1137/120901246.
Texte intégralKhan, Aamir, Weidong Jin, Amir Haider, MuhibUr Rahman et Desheng Wang. « Adversarial Gaussian Denoiser for Multiple-Level Image Denoising ». Sensors 21, no 9 (24 avril 2021) : 2998. http://dx.doi.org/10.3390/s21092998.
Texte intégralGavini, Venkateswarlu, et Gurusamy Ramasamy Jothi Lakshmi. « CT Image Denoising Model Using Image Segmentation for Image Quality Enhancement for Liver Tumor Detection Using CNN ». Traitement du Signal 39, no 5 (30 novembre 2022) : 1807–14. http://dx.doi.org/10.18280/ts.390540.
Texte intégralZhang, Xiangning, Yan Yang et Lening Lin. « Edge-aware image denoising algorithm ». Journal of Algorithms & ; Computational Technology 13 (30 octobre 2018) : 174830181880477. http://dx.doi.org/10.1177/1748301818804774.
Texte intégralManjón, José V., Neil A. Thacker, Juan J. Lull, Gracian Garcia-Martí, Luís Martí-Bonmatí et Montserrat Robles. « Multicomponent MR Image Denoising ». International Journal of Biomedical Imaging 2009 (2009) : 1–10. http://dx.doi.org/10.1155/2009/756897.
Texte intégralBadgainya, Shruti, Prof Pankaj Sahu et Prof Vipul Awasthi. « Image Denoising by OWT for Gaussian Noise Corrupted Images ». International Journal of Trend in Scientific Research and Development Volume-2, Issue-5 (31 août 2018) : 2477–84. http://dx.doi.org/10.31142/ijtsrd18337.
Texte intégralРубель, Андрей Сергеевич, et Владимир Васильевич Лукин. « АНАЛИЗ И ПРОГНОЗИРОВАНИЕ ЭФФЕКТИВНОСТИ ФИЛЬТРАЦИИ С ИСПОЛЬЗОВАНИЕМ БЕЗЭТАЛОННЫХ МЕР ВИЗУАЛЬНОГО КАЧЕСТВА ИЗОБРАЖЕНИЙ ». RADIOELECTRONIC AND COMPUTER SYSTEMS, no 1 (23 février 2018) : 4–14. http://dx.doi.org/10.32620/reks.2018.1.01.
Texte intégralChen, Juan, Zhencai Zhu, Haiying Hu, Lin Qiu, Zhenzhen Zheng et Lei Dong. « A Novel Adaptive Group Sparse Representation Model Based on Infrared Image Denoising for Remote Sensing Application ». Applied Sciences 13, no 9 (6 mai 2023) : 5749. http://dx.doi.org/10.3390/app13095749.
Texte intégralKaur, Roopdeep, Gour Karmakar et Muhammad Imran. « Impact of Traditional and Embedded Image Denoising on CNN-Based Deep Learning ». Applied Sciences 13, no 20 (22 octobre 2023) : 11560. http://dx.doi.org/10.3390/app132011560.
Texte intégralTan, Hanlin, Huaxin Xiao, Yu Liu et Maojun Zhang. « Two-Stage CNN Model for Joint Demosaicing and Denoising of Burst Bayer Images ». Computational Intelligence and Neuroscience 2022 (4 avril 2022) : 1–10. http://dx.doi.org/10.1155/2022/6200931.
Texte intégralGoyal, Bhawna, Ayush Dogra, Sunil Agrawal et B. S. Sohi. « A Survey on the Image Denoising to Enhance Medical Images ». Biosciences, Biotechnology Research Asia 15, no 3 (3 septembre 2018) : 501–7. http://dx.doi.org/10.13005/bbra/2655.
Texte intégralZhang, Wen-Li, Jing-Yue Zheng, Kun Liang, Ke-Fan Chen, Jian-Hai Zhao, Jian-Qiang Liu, Yi Wang et Yu-Xin Qin. « Research on Block Matching Three-Dimensional Cooperative Filtering Optical Image Denoising Algorithm Based on Noise Estimation ». Journal of Nanoelectronics and Optoelectronics 16, no 11 (1 novembre 2021) : 1711–19. http://dx.doi.org/10.1166/jno.2021.3132.
Texte intégralQi, Guanqiu, Gang Hu, Neal Mazur, Huahua Liang et Matthew Haner. « A Novel Multi-Modality Image Simultaneous Denoising and Fusion Method Based on Sparse Representation ». Computers 10, no 10 (13 octobre 2021) : 129. http://dx.doi.org/10.3390/computers10100129.
Texte intégralIsmael, Ahmed Abdulmaged, et Muhammet Baykara. « Digital Image Denoising Techniques Based on Multi-Resolution Wavelet Domain with Spatial Filters : A Review ». Traitement du Signal 38, no 3 (30 juin 2021) : 639–51. http://dx.doi.org/10.18280/ts.380311.
Texte intégralHe, Shuang Shuang, Yuan Yuan Jiang et Jin Yan Zheng. « A Novel Image Denoising Method in 2-D Fractional Time-Frequency Domain ». Applied Mechanics and Materials 734 (février 2015) : 586–89. http://dx.doi.org/10.4028/www.scientific.net/amm.734.586.
Texte intégralZou, XiuFang, Dingju Zhu, Jun Huang, Wei Lu, Xinchu Yao et Zhaotong Lian. « WGAN-Based Image Denoising Algorithm ». Journal of Global Information Management 30, no 9 (janvier 2022) : 1–20. http://dx.doi.org/10.4018/jgim.300821.
Texte intégralA.S.C.S.Sastry, P.V.V.Kishore MIEE, Ch Raghava Prasad et M.V.D.Prasad. « Denoising Ultrasound Medical Images ». International Journal of Measurement Technologies and Instrumentation Engineering 5, no 1 (janvier 2015) : 1–14. http://dx.doi.org/10.4018/ijmtie.2015010101.
Texte intégralLiu, Yang, Saeed Anwar, Zhenyue Qin, Pan Ji, Sabrina Caldwell et Tom Gedeon. « Disentangling Noise from Images : A Flow-Based Image Denoising Neural Network ». Sensors 22, no 24 (14 décembre 2022) : 9844. http://dx.doi.org/10.3390/s22249844.
Texte intégralZhou, Ying, Chao Ren, Shengguo Zhang, Xiaoqin Xue, Yuanyuan Liu, Jiakai Lu et Cong Ding. « A Second-Order Method for Removing Mixed Noise from Remote Sensing Images ». Sensors 23, no 17 (30 août 2023) : 7543. http://dx.doi.org/10.3390/s23177543.
Texte intégralJebur, Rusul Sabah, Mohd Hazli Bin Mohamed Zabil, Dalal Abdulmohsin Hammood, Lim Kok Cheng et Ali Al-Naji. « Image Denoising Using Hybrid Deep Learning Approach and Self-Improved Orca Predation Algorithm ». Technologies 11, no 4 (12 août 2023) : 111. http://dx.doi.org/10.3390/technologies11040111.
Texte intégralHua, Gang, et Daihong Jiang. « A New Method of Image Denoising for Underground Coal Mine Based on the Visual Characteristics ». Journal of Applied Mathematics 2014 (2014) : 1–7. http://dx.doi.org/10.1155/2014/362716.
Texte intégralTan, Yi, Jin Fan, Dong Sun, Qingwei Gao et Yixiang Lu. « Multi-scale Image Denoising via a Regularization Method ». Journal of Physics : Conference Series 2253, no 1 (1 avril 2022) : 012030. http://dx.doi.org/10.1088/1742-6596/2253/1/012030.
Texte intégralZhou, Shiwei, Yu-Hen Hu et Hongrui Jiang. « Multi-View Image Denoising Using Convolutional Neural Network ». Sensors 19, no 11 (7 juin 2019) : 2597. http://dx.doi.org/10.3390/s19112597.
Texte intégralOyebode, Kazeem Oyeyemi. « Investigating a Denoising Approach to an Improved Otsu Segmentation on Cell Images ». Journal of Biomimetics, Biomaterials and Biomedical Engineering 33 (juillet 2017) : 59–64. http://dx.doi.org/10.4028/www.scientific.net/jbbbe.33.59.
Texte intégralZhang, Haoming, Yue Qi, Xiaoting Xue et Yahui Nan. « Ancient Stone Inscription Image Denoising and Inpainting Methods Based on Deep Neural Networks ». Discrete Dynamics in Nature and Society 2021 (20 décembre 2021) : 1–11. http://dx.doi.org/10.1155/2021/7675611.
Texte intégralHartbauer, Manfred. « A Simple Denoising Algorithm for Real-World Noisy Camera Images ». Journal of Imaging 9, no 9 (18 septembre 2023) : 185. http://dx.doi.org/10.3390/jimaging9090185.
Texte intégralPriyanka, Steffi, et Yuan-Kai Wang. « Fully Symmetric Convolutional Network for Effective Image Denoising ». Applied Sciences 9, no 4 (22 février 2019) : 778. http://dx.doi.org/10.3390/app9040778.
Texte intégralLiang, Dong Tai. « Color Image Denoising Using Gaussian Multiscale Multivariate Image Analysis ». Applied Mechanics and Materials 37-38 (novembre 2010) : 248–52. http://dx.doi.org/10.4028/www.scientific.net/amm.37-38.248.
Texte intégralAli, Mohammed Nabih. « A wavelet-based method for MRI liver image denoising ». Biomedical Engineering / Biomedizinische Technik 64, no 6 (18 décembre 2019) : 699–709. http://dx.doi.org/10.1515/bmt-2018-0033.
Texte intégralGopatoti, Anandbabu, Merajothu Chandra Naik et Kiran Kumar Gopathoti. « Convolutional Neural Network Based Image Denoising for Better Quality of Images ». International Journal of Engineering & ; Technology 7, no 3.27 (15 août 2018) : 356. http://dx.doi.org/10.14419/ijet.v7i3.27.17972.
Texte intégralChoubey, Shruti Bhargava, et S. P. V. Subba Rao. « Implementation of hybrid filter technique for noise removal from medical images ». International Journal of Engineering & ; Technology 7, no 1.1 (21 décembre 2017) : 25. http://dx.doi.org/10.14419/ijet.v7i1.1.8917.
Texte intégralYang, Fangjia, Shaoping Xu et Chongxi Li. « Boosting of Denoising Effect with Fusion Strategy ». Applied Sciences 10, no 11 (1 juin 2020) : 3857. http://dx.doi.org/10.3390/app10113857.
Texte intégralYuan, Quan, Zhenyun Peng, Zhencheng Chen, Yanke Guo, Bin Yang et Xiangyan Zeng. « Medical Image Denoising Algorithm Based on Sparse Nonlocal Regularized Weighted Coding and Low Rank Constraint ». Scientific Programming 2021 (7 juin 2021) : 1–6. http://dx.doi.org/10.1155/2021/7008406.
Texte intégralFeng, Yayuan, Yu Shi et Dianjun Sun. « Blind Poissonian Image Deblurring Regularized by a Denoiser Constraint and Deep Image Prior ». Mathematical Problems in Engineering 2020 (24 août 2020) : 1–15. http://dx.doi.org/10.1155/2020/9483521.
Texte intégralQi, Min, Zuo Feng Zhou, Jing Liu, Jian Zhong Cao, Hao Wang, A. Qi Yan, Deng Shan Wu, Hui Zhang et Li Nao Tang. « Image Denoising Algorithm via Spatially Adaptive Bilateral Filtering ». Advanced Materials Research 760-762 (septembre 2013) : 1515–18. http://dx.doi.org/10.4028/www.scientific.net/amr.760-762.1515.
Texte intégralJin, Yan, Wenyu Jiang, Jianlong Shao et Jin Lu. « An Improved Image Denoising Model Based on Nonlocal Means Filter ». Mathematical Problems in Engineering 2018 (4 juillet 2018) : 1–12. http://dx.doi.org/10.1155/2018/8593934.
Texte intégralMalar, E., A. Kandaswamy, S. S. Kirthana, D. Nivedhitha et M. Gauthaam. « Curvelet image denoising of mammogram images ». International Journal of Medical Engineering and Informatics 5, no 1 (2013) : 60. http://dx.doi.org/10.1504/ijmei.2013.051665.
Texte intégralWang, Feng, Weichuan Ni, Shaojiang Liu, Zhiming Xu, Zemin Qiu et Zhiping Wan. « A 2D image 3D reconstruction function adaptive denoising algorithm ». PeerJ Computer Science 9 (3 octobre 2023) : e1604. http://dx.doi.org/10.7717/peerj-cs.1604.
Texte intégralGhafar, Abdul, et Usman Sattar. « Convolutional Autoencoder for Image Denoising ». UMT Artificial Intelligence Review 1, no 2 (31 décembre 2021) : 1–11. http://dx.doi.org/10.32350/air.0102.01.
Texte intégralHu, Yong, Shaoping Xu, Xiaohui Cheng, Changfei Zhou et Yufeng Hu. « A Triple Deep Image Prior Model for Image Denoising Based on Mixed Priors and Noise Learning ». Applied Sciences 13, no 9 (23 avril 2023) : 5265. http://dx.doi.org/10.3390/app13095265.
Texte intégralPhan, Tran Dang Khoa. « A multi-stage algorithm for image denoising based on PCA and adaptive TV-regularization ». Cybernetics and Physics, Volume 10, 2021, Number 3 (30 novembre 2021) : 162–70. http://dx.doi.org/10.35470/2226-4116-2021-10-3-162-170.
Texte intégralPark, Yunjin, Sukho Lee, Byeongseon Jeong et Jungho Yoon. « Joint Demosaicing and Denoising Based on a Variational Deep Image Prior Neural Network ». Sensors 20, no 10 (24 mai 2020) : 2970. http://dx.doi.org/10.3390/s20102970.
Texte intégralHossain, Sadat, et Bumshik Lee. « NG-GAN : A Robust Noise-Generation Generative Adversarial Network for Generating Old-Image Noise ». Sensors 23, no 1 (26 décembre 2022) : 251. http://dx.doi.org/10.3390/s23010251.
Texte intégralTalebi, Hossein, et Peyman Milanfar. « Global Image Denoising ». IEEE Transactions on Image Processing 23, no 2 (février 2014) : 755–68. http://dx.doi.org/10.1109/tip.2013.2293425.
Texte intégralKnaus, Claude, et Matthias Zwicker. « Progressive Image Denoising ». IEEE Transactions on Image Processing 23, no 7 (juillet 2014) : 3114–25. http://dx.doi.org/10.1109/tip.2014.2326771.
Texte intégralChen, Yan, et K. J. Ray Liu. « Image Denoising Games ». IEEE Transactions on Circuits and Systems for Video Technology 23, no 10 (octobre 2013) : 1704–16. http://dx.doi.org/10.1109/tcsvt.2013.2255433.
Texte intégral