Finalizada a etapa o treinamento, o

Finalizada a etapa o treinamento, o classificador Bayesiano
está pronto para classificar vetores de primitivas. Os vetores
de primitivas são extraídos de uma imagem de entrada e
apresentados um-a-um para o classificador. Especificamente,
dada uma imagem de teste, para cada pixel (x, y), o
algoritmo encontra a classe k correspondente resolvendo o
problema de otimização (11), usando a expressão (10) para
computar ( ) k p c e as distribuições Gaussianas, definidas a
partir das equações (6) e (7), para calcular as probabilidades
da expressão (9). Do ponto de vista de textura, podemos dizer
que este processo faz um reconhecimento das texturas
principais na imagem (dente e não-dente) gerando assim uma
imagem segmentada.
Na Fig. 3(b) é apresentado o resultado final do processo de
classificação (segmentação) para a imagem da Fig. 3(a).

結果 (繁體中文) 1:

完成了培訓步驟，貝葉斯分類器您準備整理原始載體。向量從輸入圖像繪製基元和提出了一個接一個到分類器。具體來說，給出了測試圖像每個圖元點 (x，y)，會見類 k 相應演算法求解優化問題 (11)，對使用的運算式 (10)計算 () k p c 和高斯分佈，集從方程 (6) 及 (7)，以計算出的概率(9) 運算式。從紋理的角度來看，我們可以說此過程使紋理識別關鍵在從而創造的圖像 (和非齒)分割的圖像。在圖 3 (b) 是過程的最終結果排序 (分割) 圖 3 (a) 中的圖像。

結果 (繁體中文) 2:

完成步訓練，貝葉斯分類器
已經準備好進行排序原始載體。所述載體
基元從輸入圖像中提取和
顯示一個接一個的分類。具體地，
給定的測試圖像，對於每個像素（x，y）時，該
算法找到通過求解k個對應的類
優化問題（11），使用表達式（10）
計算（）kpce高斯分佈，定義
從等式（6）和（7）來計算概率
的表達式（9）。的觀點質地來看，我們可以說
，這個過程是紋理的應答
導致的圖像（齒和無齒）從而產生
分割圖像。
在圖3（b）示出的處理的最終結果
的分類（定位）到圖1的圖像。圖3（a）。

結果 (繁體中文) 3:

完成訓練階段，貝葉斯分類器對原始載體的準備。向量原始影像中選取的輸入介紹了一種用於多分類器。具體來說，一個給定的測試影像，每個點數（的x，y）。K類算灋找到相應的解决優化問題中的應用（11），（10）計算K（P，C）的高斯分佈，定義從方程式（6）及（7），用於計算概率的（9）的表達。從結構觀點看，我們可以說這個過程是一個識別的紋理主要的影像（無齒和齒），從而產生分割影像。圖3（b）中提出的過程的最終結果分類（分割）的影像（圖3）。