В данном исследовании предложен новый подход на основе карты Кохонсна для очистки речевого сигнала от шумов. В этом методе шумовые кластеры определялись с использованием карты Кохонена на основе частотных и энергетических характеристик речи, а для оценки уровня шума применялся метод «Minimum Statistics Noise Estimation». Это позволило добиться стабильных результатов даже при высоких уровнях шума. В качестве признаков использовались MFCC при низком уровне шума и логарифмическая мел-спектрограмма (Log-Mel) при высоком уровне шума. Эксперименты проводились при различных уровнях шума (1%, 5%, 10%, 15%, 20%, 25% белого шума), а результаты оценивались с помощью метрики PESQ (Perceptual Evaluation of Speech Quality).

В данной тезисной работе представлено общее описание алгоритмов обработки рентгеновских изображений человеческой стопы, которые важны для диагностики различных состояний стопы, включая переломы, деформации и заболевания суставов. Исследование охватывает несколько методов обработки изображений, таких как выявление изменений, сегментация и извлечение признаков, что способствует улучшению качества рентгеновских снимков и повышению точности диагностики. Кроме того, в тезисе обсуждаются трудности, связанные с шумами, искажениями и низкой контрастностью рентгеновских изображений, а также предлагаются методы снижения этих проблем. Реализация этих алгоритмов направлена на повышение эффективности диагностики заболеваний стопы и более эффективное принятие медицинских решений.

В данном исследовании анализируются алгоритмы преобразования классических изображений в квантовые, что является одним из важных этапов квантовой обработки изображений. Мы представляем квантовую схему с 8 000 снимков на компьютере реального времени IBM и симуляторе Аег, предлагаемый подход для эффективного кодирования изображения в квантовый формат и оптимизации количества используемых кубитов. Результаты исследования могут способствовать развитию технологий квантовой обработки изображений.

В статье рассматривается цифровая обработка видеоизображений -процессы улучшения качества видео, оптимизации изображений и их анализа. В статье рассматриваются современные технологии, в частности методы, основанные на искусственном интеллекте и машинном обучении, а также такие подходы, как снижение шума в видео, восстановление изображений, цветокоррекция и улучшение сжатия видео.

В данной статье рассмотрены проблемы, возникающие при цифровой обработке изображений внутренних органов человека, полученных методом видеоэндоскопии, а также пути их устранения. Несмотря на широкое применение видеоэндоскопических изображений в медицине, в диагностике и хирургии, их качество может снижаться из-за таких факторов, как недостаточное освещение, шумы, геометрические искажения и изменение цветового баланса. Кроме того, биологическое разнообразие человеческого организма и патологические различия проявления заболеваний негативно влияют на точность моделей искусственного интеллекта. В статье обоснована актуальность использования современных алгоритмических подходов, включая технологии глубокого обучения, для повышения качества изображений и эффективности диагностики.