Por exemplo, em [1] é apresentado u

Por exemplo, em [1] é apresentado um método
semi-automático para segmentação de imagens radiográficas
onde os autores usam projeções para separar a mandíbula
superior da mandíbula inferior, bem como para isolar cada dente de seus vizinhos. Por outro lado, em [5] é apresentada
uma técnica de segmentação baseada em realce de contraste,
utilizando morfologia matemática. Em geral, estas imagens
possuem componentes de alta frequência devido ao processo
de aquisição sendo necessário um pré-processamento para eliminação de ruído
Uma vez realizada a segmentação são feitas medições do objeto segmentado que são analisadas pelo especialista para diagnóstico. Em particular, medidas relativas à coroa, polpa e raiz dos dentes foram a principal motivação para os trabalhos.
Em [9], os autores desenvolvem uma solução utilizando
máscara de Fourier na eliminação da sobreposição de objetos,
problema comum nas imagens panorâmicas. Utilizam-se
também perfis de projeção para obter a região que separa as
arcadas e posteriormente as linhas separadoras dos dentes.
Nos estudos empíricos, foi observado que a máscara de
Fourier deteriora a imagem em muitos casos, o que motivou o
desenvolvimento de outras técnicas para resolução do
problema da sobreposição. Neste sentido, em [10], os autores
tratam do problema da sobreposição, usando quadtree para
gerar uma máscara que é aplicada ao resultado da
segmentação de Otsu para eliminar sobreposições [12].
Neste trabalho propomos uma metodologia para
segmentação de imagens panorâmicas que explora os
diferentes padrões de textura destas imagens. A técnica é
baseada em um classificador Bayesiano, treinado para
identificar na imagem os pixels ativos (pertencentes aos
dentes) e inativos a partir de um treinamento prévio. Esta
metodologia de classificação utiliza medidas estatísticas
(entropia, média, desvio padrão, intensidade máxima e
mínima) e momentos de Chebyshev calculados para cada pixel
da imagem utilizando uma janela de tamanho fixo gerando
assim um vetor de primitivas para cada pixel [13]. O conjunto
de treinamento é formado por uma amostra de imagens
segmentadas manualmente. Dada uma imagem de teste, são
computados os vetores de características para cada pixel os
quais são passados para o classificador para efetuar a
segmentação. Nos resultados experimentais mostramos que a
técnica é promissora e discutimos suas limitações.
O trabalho está organizado como segue. Na seção II é
apresentada a metodologia desenvolvida e sua fundamentação
teórica. Em seguida, na seção III, discutimos os resultados
experimentais. O texto é encerrado com as conclusões e
trabalhos futuros.
P. H. M. Lira, G. A. Giraldi, L. A. P. Neves and R. A. Feijóo
Dental R-Ray Image Segmentation Using
Texture Recognition
A

結果 (繁體中文) 1:

例如，在 [1] 是一種方法半自動的射線圖像分割作者在哪裡使用預測分隔的下巴下頜骨以及隔離你的鄰居每個牙齒的頂部。另一方面，[5] 中顯示一種基於對比度增強的分割技術利用數學形態學。一般來說，這些圖像有高頻元件需要購買消噪預處理一旦進行測量的分割分段由專家診斷分析的物件。特別是，措施和有關的冠，根髓的牙齒主要動機的工作。在 [9] 中，作者開發的解決方案使用傅裡葉遮罩中的重疊物件，消除全景圖像的共同問題。使用也篩選分離該區域的設定檔商場和後來的牙齒的行分隔符號。在實證研究中，觀察的面具傅裡葉惡化的形象在很多情況下，動機是什麼要解決其他技術的發展重疊的問題。在這個意義上，在 [10] 中，作者處理的重疊，使用四叉樹的問題生成一個遮罩，它應用於的結果大津分割，消除重疊 [12]。在這項工作，我們提出了一種方法探索的全景圖像分割這些圖像紋理的不同模式。這項技術是基於貝葉斯分類器，受過訓練，標識圖像有效象素 (屬於牙齒) 和非從以前的培訓活動。這排名的方法使用統計措施(熵、 均值、 標準差、 最大強度和最小) 和切比雪夫時刻計算每個圖元使用固定大小視窗生成的圖像[13] 每個圖元的原始向量。一套培訓由組成的樣本的圖像手動分割。鑒於測試圖像，計算每個圖元的向量這被傳遞到的分類器分割。實驗結果表明:技術是有前途，我們討論了其局限性。工作安排如下。在二節制定的方法和它的理由理論。然後，在第三節中，我們討論的結果實驗。文本終止的結論和未來的作品。P.h.· 拉紮羅、 g.a.Giraldi、 l.a.p.Neves r.a.質問牙科的 R 射線圖像分割方法的應用紋理識別的

結果 (繁體中文) 2:

例如，在[1]提出了一種方法，
用於放射線照相圖像分割半自動
其中作者使用突起分開鉗口
下顎的頂部，以及在每個齒到其相鄰隔離。此外，[5]提出了
基於對比度增強分割技術，
用數學形態學。在一般情況下，這些圖像
有由於過程的高頻分量
獲得迫使前處理為噪聲消除
一旦測量時的分割的對象的分割由技術人員進行診斷分析。特別地，對於冠，紙漿和根牙措施，對工作的主要動機。
在文獻[9]中，作者利用開發解決方案
傅立葉掩蓋重疊的對象，消除
在全景圖像常見的問題。使用
也為分隔的區域突起的
拱門和隨後的牙齒的隔離線。
在實證研究中，觀察到掩模
傅立葉劣化在許多情況下，圖像，這激發了
的其它技術的發展分辨率
的重疊問題。在這個意義上說，在[10]中，作者
處理的重疊問題，用四叉樹，以
產生施加到的結果的掩模
大津分割，以消除重疊[12]。
在本文中，我們提出了一種方法用於
指定目標的全景圖像，探索在
不同的模式，這些圖像的質感。該技術是
基於訓練貝葉斯分類
識別圖像像素資產（屬於
齒）和從先前訓練退役。這種
分類方法使用統計度量
（熵，平均值，標準偏差，最大強度和
對每一個像素計算出的最小）和切比雪夫的時刻
使用固定尺寸的窗口產生圖像的
從而對於每個像素[13]一個基矢量。該組
的培訓內容包括樣本圖像的
手動分割。給定的測試圖像是
每個像素的計算出的特徵向量
被傳遞到分類器來進行
分割。實驗結果表明，該
技術是有前途的，並討論其局限性。
本文結構如下。第二節是
提出制定的方法和它的基礎
理論。然後，在第三節，我們討論的結果
的實驗。文章的結論和結束
未來的工作。
PHM里拉，GA Giraldi，LAP內維斯和RAFeijóo
牙科R-射線圖像分割
紋理識別
的

結果 (繁體中文) 3:

例如，在[ 1 ]提出了一種方法半自動影像分割作者使用預測在分離爪上下頜的牙齒，以及隔離每個鄰居。另一方面，提出了在[ 5 ]一種基於影像分割科技的對比度增强。利用數學形態學的。總的來說，這些影像由於具有高頻率成分的過程收購是必要的預處理，以消除雜訊舉行了一次數據進行分割，分割的對象進行分析的專家來診斷。特別是，有關的措施和牙齒根部牙髓的冠，是主要的動機。[ 9 ]，作者發展了一種求解傅立葉面具消除重疊的對象。在全景影像的共同問題。我們使用也得到的投影輪廓之間的區域界線的拱門和隨後的牙齒。我們的實證研究發現，面具傅裡葉變換的影像的惡化，在許多情况下，這是其他科技的發展重疊的問題。從這個意義上說，在[ 10 ]，作者處理重疊的問題，利用四叉樹對它適用於生成一個面具的結果Otsu閾值法的分割，以消除重疊的[ 12 ]。在本文中，我們提出了一個方法全景影像分割的探討這些不同模式的紋理影像。該科技是一種基於貝葉斯分類器，訓練識別影像中的點數屬於資產的（牙齒）和非從一個以前的訓練。這使用統計分類的方法措施（平均值，標準差，熵，和最大强度切比雪夫矩最小），並計算每個點數影像生成使用一個固定大小的視窗囙此，每個點數的原始載體[ 13 ]。集培訓是由一個樣本影像手動分割。給出了一個測試影像。計算每個點數的特徵向量這是通過對分類器的影響在分割的實驗結果證明了。是一種很有前途的科技，並討論了它的局限性。本文組織如下。第二節是所提出的方法的基礎上，提出了理論上的。然後，在第三部分中，我們討論的結果的實驗結果。本文的結論與終止今後的工作。A. P. H. M. G.吉拉爾迪裏拉，L. A. P. R. A. feijóo和雪牙科用γ射線影像分割紋理識別a