Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > Publicações > Visualização > Efficient parallelization on GPU of an image smoothing method based on a variational model

Publicações

Efficient parallelization on GPU of an image smoothing method based on a variational model

Título
Efficient parallelization on GPU of an image smoothing method based on a variational model
Tipo
Artigo em Revista Científica Internacional
Ano
2019-08
Autores
Henrique F. de Arruda
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Alex F. de Araujo
(Autor)
Outra
Ver página pessoal Sem permissões para visualizar e-mail institucional Pesquisar Publicações do Participante Sem AUTHENTICUS Sem ORCID
Antonio C. Sementille
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
João Manuel R. S. Tavares
(Autor)
FEUP
Revista
Vol. 16 4
Páginas: 1249-1261
ISSN: 1861-8200
Editora: Springer Nature
Indexação
Classificação Científica
CORDIS: Ciências Tecnológicas
FOS: Ciências da engenharia e tecnologias
Outras Informações
ID Authenticus: P-00K-P26
Resumo (PT):
Abstract (EN): Medical imaging is fundamental for improvements in diagnostic accuracy. However, noise frequently corrupts the images acquired, and this can lead to erroneous diagnoses. Fortunately, image preprocessing algorithms can enhance corrupted images, particularly in noise smoothing and removal. In the medical field, time is always a very critical factor, and so there is a need for implementations which are fast and, if possible, in real time. This study presents and discusses an implementation of a highly efficient algorithm for image noise smoothing based on general purpose computing on graphics processing units techniques. The use of these techniques facilitates the quick and efficient smoothing of images corrupted by noise, even when performed on large-dimensional data sets. This is particularly relevant since GPU cards are becoming more affordable, powerful and common in medical environments.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Nº de páginas: 13
Documentos
Nome do Ficheiro Descrição Tamanho
10.1007_s11554-016-0623-x 1st Page 1693.22 KB
RTIP-D-14-00091 Paper Draft 1333.00 KB
Recomendar Página Voltar ao Topo
Copyright 1996-2025 © Faculdade de Direito da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z
Página gerada em: 2025-08-21 às 09:42:17 | Política de Privacidade | Política de Proteção de Dados Pessoais | Denúncias