Nesta seção, apresentamos uma abord

Nesta seção, apresentamos uma abordagem para
segmentação que assume que todo pixel da imagem está
contido em um padrão de textura [14]. Desta forma, uma vez
encontrado um espaço de características conveniente,
podemos utilizar um classificador para reconhecer as
diferentes texturas e, consequentemente, segmentar a imagem.
Neste trabalho, utilizaremos um classificador Bayesiano, com
aprendizagem supervisionada. A metodologia proposta é
dividida em 3 etapas, como mostrado na Fig. 2: Treinamento,
Pré-Processamento e Segmentação (Classificação).
Para cada pixel (x, y) da imagem tomamos uma janela
W ⊂ ℜ2 para computar as características neste ponto. O
espaço de características é formado por momentos de
Chebyshev [13], e quantidades associadas ao histograma,
definidas como segue.

結果 (繁體中文) 1:

在本節中，我們提出了一種對瞄準，假定每個圖元的圖像是載于一個標準的紋理 [14]。以這種方式，一次找到一個方便的功能，我們可以使用一種分類器來識別不同的紋理，因此，圖像分割。在本文中，我們用貝葉斯分類器，監督式的學習。擬議的方法是分為 3 個步驟，如圖 2 所示: 培訓、預處理和分割 (分類)。圖像每個圖元點 (x，y) 採取一個視窗W 接 ℜ 2，此時計算的特點。的特徵空間組成的時刻切比雪夫 [13] 和數量與長條圖關聯定義如下。

結果 (繁體中文) 2:

在這一節中，我們提出了一個方法
，它假定該圖像中的每個像素被分割
包含在紋理[14]的圖案。因此，一旦
它找到一個合適的特徵空間，
我們可以使用一個分類來識別
不同的紋理，因此目標圖像。
在這項工作中，我們使用貝葉斯分類
監督學習。所建議的方法是
，如圖分為3個步驟。2.培訓，
。預處理和分割（速率）
的圖像的對於每個像素（x，y）的取窗口
W¯¯⊂ℜ2計算在這一部分的功能。所述
特徵空間是由矩形成
與直方圖相關聯的切比雪夫[13]，和數量
定義如下。

結果 (繁體中文) 3:

在本節中，我們提出了一個方法它假定每個點數分割的影像包含一個紋理模式[ 14 ]。以這種管道，一次找到一個適當的空間特徵。我們使用一個分類器的識別囙此，不同的紋理，影像分割。在本文中，我們使用了貝葉斯分類器，有監督的學習。所提出的方法是分為三個階段，如圖2所示：培訓預處理和分割（分類）。對於每個點數（的x，y）的影像有一個視窗ℜ2⊂W計算的特點在這一點上。該空間是由時間的特點切比雪夫[ 13 ]，和相關的數量的長條圖。定義如下。