Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Centro Universitário Campo Limpo Paulista (UNIFACCAMP) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
Autor(es): dc.creator | Evangelista, Rodrigo C. | - |
Autor(es): dc.creator | Salvadeo, Denis H.P. | - |
Autor(es): dc.creator | Mascarenhas, Nelson D.A. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T16:21:31Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T16:21:31Z | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2022-01-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.patcog.2021.108363 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/222812 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/222812 | - |
Descrição: dc.description | Poisson noise is the main cause of degradation of many imaging modalities. However, many of the proposed methods for reducing noise in images lack a formal approach. Our work develops a new, general, formal and computationally efficient bayesian Poisson denoising algorithm, based on the Nonlocal Means framework and replacing the euclidean distance by stochastic distances, which are more appropriate for the denoising problem. It takes advantage of the conjugacy of Poisson and gamma distributions to obtain its computational efficiency. When dealing with low dose CT images, the algorithm operates on the sinogram, modeling the rates of the Poisson noise by the Gamma distribution. Based on the Bayesian formulation and the conjugacy property, the likelihood follows the Poisson distribution, while the a posteriori distribution is also described by the Gamma distribution. The derived algorithm is applied to simulated and real low-dose CT images and compared to several algorithms proposed in the literature, with competitive results. | - |
Descrição: dc.description | Centro Universitário Campo Limpo Paulista (UNIFACCAMP) | - |
Descrição: dc.description | Institute of Geosciences and Exact Sciences São Paulo State University (UNESP) | - |
Descrição: dc.description | Computing Department Federal University of São Carlos (UFSCar) | - |
Descrição: dc.description | Institute of Geosciences and Exact Sciences São Paulo State University (UNESP) | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Pattern Recognition | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Bayesian estimation | - |
Palavras-chave: dc.subject | Conjugate distributions | - |
Palavras-chave: dc.subject | Low dose CT | - |
Palavras-chave: dc.subject | Nonlocal means | - |
Palavras-chave: dc.subject | Poisson denoising | - |
Palavras-chave: dc.subject | Stochastic distances | - |
Título: dc.title | A new bayesian Poisson denoising algorithm based on nonlocal means and stochastic distances | - |
Tipo de arquivo: dc.type | texto | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: