Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
Retrait gratuit dans votre magasin Club
7.000.000 titres dans notre catalogue
Payer en toute sécurité
Toujours un magasin près de chez vous
Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
Medical imaging is fundamental to modern healthcare, and its widespread use has resulted in creation of image databases. These repositories contain images from a diverse range of modalities, multidimensional as well as co-aligned multimodality images. These image collections offer opportunity for evidence-based diagnosis, teaching, and research. Advances in medical image analysis over last two decades shows there are now many algorithms and ideas available that allow to address medical image analysis tasks in commercial solutions with sufficient performance in terms of accuracy, reliability and speed. Content-based image retrieval (CBIR) is an image search technique that complements the conventional text-based retrieval of images by using visual features, such as color, texture, and shape, as search criteria. This book emphasizes the design of wavelet filter-banks as efficient and effective feature descriptors for medical image retrieval. Firstly, a generalized novel design of a family of multiplier-free orthogonal wavelet filter-banks is presented. In this, the dyadic filter coefficients are obtained based on double-shifting orthogonality property with allowable deviation from original filter coefficients. Next, a low complex symmetric Daub-4 orthogonal wavelet filter-bank is presented. This is achieved by slightly altering the perfect reconstruction condition to make designed filter-bank symmetric and to obtain dyadic filter coefficients. In third contribution, the first dyadic Gabor wavelet filter-bank is presented based on slight alteration in orientation parameter without disturbing remaining Gabor wavelet parameters. In addition, a novel feature descriptor based on the design of adaptive Gabor wavelet filter-bank is presented. The use of Maximum likelihood estimation is suggested to measure the similarity between the feature vectors of heterogeneous medical images. The performance of the suggested methods is evaluated on three different publicly available databases namely NEMA, OASIS and EXACT09. The performance in terms of average retrieval precision, average retrieval recall and computational time are compared with well-known existing methods.