Parallel implementation of collaborative filtering technique for denoising of CT images

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>

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.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

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

Rok uplatnění

2016

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

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