1 resultado para KNEE OSTEOARTHRITIS
em Chinese Academy of Sciences Institutional Repositories Grid Portal
Filtro por publicador
- Repository Napier (2)
- ABACUS. Repositorio de Producción Científica - Universidad Europea (3)
- Aberdeen University (6)
- Acceda, el repositorio institucional de la Universidad de Las Palmas de Gran Canaria. España (3)
- AMS Tesi di Dottorato - Alm@DL - Università di Bologna (8)
- AMS Tesi di Laurea - Alm@DL - Università di Bologna (3)
- Archivo Digital para la Docencia y la Investigación - Repositorio Institucional de la Universidad del País Vasco (4)
- Aston University Research Archive (2)
- B-Digital - Universidade Fernando Pessoa - Portugal (1)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (22)
- Biblioteca Digital da Produção Intelectual da Universidade de São Paulo (BDPI/USP) (8)
- Biblioteca Digital de Teses e Dissertações Eletrônicas da UERJ (4)
- Bioline International (1)
- BORIS: Bern Open Repository and Information System - Berna - Suiça (122)
- Brock University, Canada (8)
- CaltechTHESIS (1)
- Cambridge University Engineering Department Publications Database (6)
- CentAUR: Central Archive University of Reading - UK (5)
- Chinese Academy of Sciences Institutional Repositories Grid Portal (1)
- Coffee Science - Universidade Federal de Lavras (1)
- Corvinus Research Archive - The institutional repository for the Corvinus University of Budapest (1)
- Dalarna University College Electronic Archive (2)
- DI-fusion - The institutional repository of Université Libre de Bruxelles (1)
- Digital Commons - Michigan Tech (2)
- Digital Commons at Florida International University (2)
- DigitalCommons@The Texas Medical Center (1)
- Duke University (24)
- FUNDAJ - Fundação Joaquim Nabuco (2)
- Glasgow Theses Service (1)
- Greenwich Academic Literature Archive - UK (2)
- Helda - Digital Repository of University of Helsinki (21)
- Indian Institute of Science - Bangalore - Índia (6)
- Institute of Public Health in Ireland, Ireland (1)
- Institutional Repository of Leibniz University Hannover (2)
- Instituto Politécnico do Porto, Portugal (9)
- Memorial University Research Repository (2)
- National Center for Biotechnology Information - NCBI (2)
- Nottingham eTheses (1)
- Portal de Revistas Científicas Complutenses - Espanha (1)
- QSpace: Queen's University - Canada (2)
- QUB Research Portal - Research Directory and Institutional Repository for Queen's University Belfast (31)
- Queensland University of Technology - ePrints Archive (248)
- ReCiL - Repositório Científico Lusófona - Grupo Lusófona, Portugal (5)
- Repositório Científico da Universidade de Évora - Portugal (3)
- Repositório Científico do Instituto Politécnico de Lisboa - Portugal (1)
- Repositório do Centro Hospitalar de Lisboa Central, EPE - Centro Hospitalar de Lisboa Central, EPE, Portugal (3)
- Repositório Institucional da Universidade de Aveiro - Portugal (3)
- Repositório Institucional da Universidade Federal de São Paulo - UNIFESP (1)
- Repositório Institucional UNESP - Universidade Estadual Paulista "Julio de Mesquita Filho" (26)
- Research Open Access Repository of the University of East London. (1)
- RUN (Repositório da Universidade Nova de Lisboa) - FCT (Faculdade de Cienecias e Technologia), Universidade Nova de Lisboa (UNL), Portugal (2)
- SAPIENTIA - Universidade do Algarve - Portugal (1)
- Universidad de Alicante (1)
- Universidad del Rosario, Colombia (20)
- Universidad Politécnica de Madrid (1)
- Universidade Técnica de Lisboa (2)
- Université de Lausanne, Switzerland (12)
- Université de Montréal (2)
- Université de Montréal, Canada (67)
- University of Canberra Research Repository - Australia (1)
- University of Connecticut - USA (1)
- University of Michigan (5)
- University of Queensland eSpace - Australia (93)
- University of Washington (1)
- WestminsterResearch - UK (2)
- Worcester Research and Publications - Worcester Research and Publications - UK (4)
Relevância:
Resumo:
基于奇异值分解和能量最小原则,提出了一种自适应图像降噪算法,并给出了基于有界变差的能量降噪模型的代数形式。通过在矩阵范数意义下求能量最小,自适应确定去噪图像重构的奇异值个数。该算法的特点是将能量最小法则和奇异值分解结合起来,在代数空间中建立了一种自适应的图像降噪算法。与基于压缩比和奇异值分解的降噪方法相比,由于该算法避免了图像压缩比函数及其拐点的计算,因此具有快速去噪和简单可行的优点。实验结果证明,该算法是有效的。