Parallel implementation of collaborative filtering technique for denoising of CT images
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27230%2F16%3A86098890" target="_blank" >RIV/61989100:27230/16:86098890 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61989100:27240/16:86098890 RIV/61989100:27740/16:86098890
Výsledek na webu
<a href="http://link.springer.com/chapter/10.1007/978-3-319-40361-8_9" target="_blank" >http://link.springer.com/chapter/10.1007/978-3-319-40361-8_9</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-40361-8_9" target="_blank" >10.1007/978-3-319-40361-8_9</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Parallel implementation of collaborative filtering technique for denoising of CT images
Popis výsledku v původním jazyce
In the paper parallelization of the collaborative filtering technique for image denoising is presented. The filter is compared with several other available methods for image denoising such as Anisotropic diffusion, Wavelet packets, Total Variation denoising, Gaussian blur, Adaptive Wiener filter and Non-Local Means filter. Application of the filter is intended for denoising of the medical CT images as a part of image pre-processing before image segmentation. The paper is evaluating the filter denoising quality and describes effective parallelization of the filtering algorithm. Results of the parallelization are presented in terms of strong and weak scalability together with algorithm speed-up compared to the typical sequential version of the algorithm. (C) Springer International Publishing Switzerland 2016.
Název v anglickém jazyce
Parallel implementation of collaborative filtering technique for denoising of CT images
Popis výsledku anglicky
In the paper parallelization of the collaborative filtering technique for image denoising is presented. The filter is compared with several other available methods for image denoising such as Anisotropic diffusion, Wavelet packets, Total Variation denoising, Gaussian blur, Adaptive Wiener filter and Non-Local Means filter. Application of the filter is intended for denoising of the medical CT images as a part of image pre-processing before image segmentation. The paper is evaluating the filter denoising quality and describes effective parallelization of the filtering algorithm. Results of the parallelization are presented in terms of strong and weak scalability together with algorithm speed-up compared to the typical sequential version of the algorithm. (C) Springer International Publishing Switzerland 2016.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2016
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). Volume 9611
ISBN
978-3-319-40360-1
ISSN
0302-9743
e-ISSN
—
Počet stran výsledku
15
Strana od-do
126-140
Název nakladatele
Springer
Místo vydání
New York
Místo konání akce
Soláň
Datum konání akce
25. 5. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000386324600009