Esta seção apresenta os resultados

Esta seção apresenta os resultados obtidos pela metodologia
proposta. Os algoritmos foram implementados em MATLAB 7
no sistema operacional Windows XPSP2. A base de imagens de
raio-x odontológico utilizada é composta por 9 imagens de
regiões pertencentes à radiografia panorâmica da arcada
dentária de diferentes pacientes. Estas imagens foram
adquiridas através de uma parceria com a equipe do Dr.
Marcelo de Castro Costa, do Departamento de Odontopediatria
e Ortodontia da Universidade Federal do Rio de Janeiro.
O conjunto de primitivas extraídas é composto por 135
ordens de momentos de Chebyshev e entropia, computados
segundo as expressões (1)-(5), e 4 primitivas estatísticas
(intensidade média, desvio padrão, intensidade máxima e
intensidade mínima).
A escolha da dimensão da janela é crucial para que as
primitivas sejam discriminantes dos principais padrões de
textura da imagem. Foram testadas janelas com dimensão
10x10, 15x15, 20x20 e 25x25. Observamos que a melhor taxa
de classificação foi obtida com a janela de dimensões 20x20,
dentre as quatro dimensões testadas.
O tamanho do conjunto de treinamento é outro fator
importante na metodologia. Um pequeno número de imagens
neste conjunto pode resultar em insuficiência de dados e
prejudicar a classificação ocasionando falhas na segmentação.
Conjuntos com muitas imagens possuem redundâncias que
atrapalham o treinamento. Por exemplo, padrões semelhantes
que podem corresponder a duas classes diferentes. Neste
trabalho, foram utilizadas 5 imagens para treinamento, as
quais foram segmentadas manualmente. A Fig. 4 mostra duas
imagens segmentadas manualmente que fazem parte do
conjunto de treinamento.

結果 (繁體中文) 1:

本節介紹的方法所得到的結果建議。演算法在 MATLAB 7 中實施在 Windows XP SP2 的作業系統。基礎牙科 x 射線用於組成的 9 張圖片區域屬於街機全景攝影不同的牙病患者。這些圖像是獲得通過的博士團隊的夥伴關係。兒童牙科部 Marcelo 德卡斯楚 · 科斯塔和正畸的聯邦大學的里約熱內盧。基元繪製一整套包括 135訂單的切比雪夫時刻和資訊熵計算根據運算式 (1 和 4 的原始統計數字(平均強度，標準差，最大強度和最小強度)。視窗的大小的選擇是關鍵主要判別基元模式嗎?圖像紋理。Windows 進行維度10 x 10、 15 x 15、 20 × 20 和 25 × 25。我們注意到的最好的速率採用尺寸 20 × 20，獲得了分類這四個維度之一。訓練集的大小是另一個因素重要的方法。少量的圖像在這一組可能會導致資料不足和危害造成分割故障分類。有許多圖片集有冗余，阻礙的培訓。例如，類似的標準你可以對應于兩個不同的類。在這工作 5 圖像被用於培訓，其中手動分割。圖 4 顯示了兩個手動的一部分的圖像分割訓練集。

結果 (繁體中文) 2:

本節介紹的方法得到的結果
提出的。該算法是在MATLAB 7實現
在Windows XPSP2操作系統。圖像的基礎
的X射線的牙科使用的由9圖像
屬於所述全景片拱廊區域
從不同患者的牙齒。這些圖像
通過合作獲得與球隊博士
馬塞洛·德卡斯特羅科斯塔，小兒牙科系
和正畸，里約熱內盧聯邦大學。
該套提取原始由135
訂單切比雪夫矩和熵，計算
根據表達式（1） - （5）和第四原始統計
（平均強度，標準偏差，最大強度和
最小強度。）
窗口大小的選擇是至關重要的
原語是鑑別器主圖案
紋理圖像。窗戶被用大小測試
10×10，15×，20×20 25×25和。我們觀察到的最佳速率
，用20×20的窗口的尺寸得到分類，
四個測試層面之間。
訓練集的大小是另一個因素
中的方法很重要。少數圖像的
這組可能會導致數據不足，
靶向傷害排名導致故障。
有許多圖像設置有冗餘
阻礙訓練。例如，類似的模式
可以對應於兩個不同的類。在這個
工作中，我們使用了5張圖片進行訓練，
其中手動分割。圖4示出了兩個
分割圖像手動形成的部分
訓練集。

結果 (繁體中文) 3:

本節介紹的方法得到的結果的建議。該算灋已在MATLAB 7.0在Windows作業系統中xpsp2。影像基礎牙科用X射線影像是由9全景片區域屬於弓不同病人的牙齒。這些影像進行通過與合作夥伴的團隊。Marcelo Castro的海岸，兒童口腔科正畸，聯邦大學的里約熱內盧。選取的原始集是由135命令的時刻和熵計算的切比雪夫，根據公式（1）（4，5）和原始數據强度（平均值，標準差，最大强度最小强度）。視窗尺寸的選擇是至關重要的原始的被識別的主要模式影像的紋理。視窗尺寸的測定10、15x15，20X20，25×25。我們觀察到更好的率得到的分類視窗尺寸20X20，在這四個維度進行了測試。訓練集的大小是另一個因素重要的方法論。一個小數量的影像這可能導致不足的數据集和故障分類的分割造成的損害。許多影像所具有的冗餘組件影響訓練。例如，類似的模式這可能反映了兩個不同的類。在這5，影像進行訓練，已手動分割。圖4顯示了兩個手動分割影像的一部分的訓練集。