El ruido gaussiano es uno de los ruidos dominantes que degrada la calidad de los datos de imagen adquiridos por Tomografía Computarizada (CT). Crea dificultades en la identificación patológica o diagnóstico de cualquier enfermedad. La eliminación del ruido gaussiano es deseable para mejorar la claridad de una imagen de CT para aplicaciones clínicas, diagnósticas y de postprocesamiento. Este artículo propone un enfoque de filtro adaptativo no lineal evolutivo, utilizando la Red Neuronal Artificial de Enlace Funcional de Enjambre de Gatos (CS-FLANN) para eliminar el ruido no deseado. La estructura del filtro propuesto se basa en la Red Neuronal Artificial de Enlace Funcional (FLANN) y la Optimización de Enjambre de Gatos (CSO) se utiliza para la selección del peso óptimo del filtro de red neuronal. El filtro aplicado se ha comparado con los filtros lineales existentes, como el filtro de media y el filtro de Wiener adaptativo. Se han calculado índices de rendimiento, como la relación señal a
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Diseño y producción de componentes innovadores de turbomaquinaria mediante optimización topológica y fabricación aditiva
Showroom:
Intercambiador de tubo y coraza
Artículos:
Ubicación óptima del surco en el cojinete de revista hidrodinámico utilizando algoritmo genético
Artículos:
Un algoritmo de clasificación en cascada semisupervisado
Artículos:
Comportamiento tribológico y desgaste de nanocapas de HfN / VN utilizadas en herramientas de corte
Artículos:
Compuestos bioactivos de microalgas rojas con valor terapéutico y nutricional
Artículos:
Enfoque de aplicación ágil con Scrum, Lean y Kanban
Artículos:
Arquitectura de software orientada a la creación de micromundos para la enseñanza y el aprendizaje
Artículos:
Perspectivas sobre datos masivos y analítica de datos masivos