1) endoscopic image
内窥镜图像
1.
Result By using 800 general clinical endoscopic images, the precisions and recalls under various conditions, such as single feature, multi-feature fusion and relevance feedback.
结果通过对 80 0幅标准临床内窥镜图像构成的数据库进行实验研究 ,分别给出了基于单一特征、特征融合以及相关反馈图像检索的查准率和查全率 ,并进行了比较分析。
2.
This paper presents two feature fusion algorithms of medical image retrieval about endoscopic image based on FCM as follow:first,using color correlogram combining with color texture;second,using color correlogram combining with color histogram.
针对医学内窥镜图像,提出两种基于模糊C-均值聚类(FCM)的特征融合算法:融合颜色相关图和图像纹理特征算法以及融合颜色直方图和颜色相关图算法。
3.
The method use the Kernel principal component analysis(KPCA) to extract the high order relation nonlinear feature of image pixels, and selects optimal Support Vector Machines(SVM) to perform the endoscopic image recognition.
基于核学习算法的基本原理,给出了一种利用核主分量分析(KPCA)提取图像像素间高阶相关的非线性特征并与优化的支持向量机(SVM)相结合来进行内窥镜图像的识别方法。
2) angioscope image
血管内窥镜图像
3) ultrasound endoscopes image
内窥镜超声图像
1.
Analyzing the cause of the artifact in the ultrasound endoscopes image, the paper presents a digital image process method to remove the artifact.
在分析了内窥镜超声图像中伪像成因的基础上,运用数字图像处理的方法消除了图像中的伪像。
5) Medical endoscopic image
医学内窥镜图像
6) Endoscope image process
内窥镜图像处理
补充资料：高光谱分辨率遥感图像及图像光谱信息提取
高光谱分辨率遥感图像及图像光谱信息提取
高光谱分辨率遥感图像及图像光谱信息提取 郑兰芬供稿
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条