[发明专利]基于截尾广义柯西建模的纹理图像检索方法

说明书

技术领域

本发明属于数字图像检索技术领域，涉及基于内容的图像检索方法，特别涉及一种基于截尾广义柯西建模的纹理图像检索方法。

背景技术

目前，智能手机、数码相机等电子设备的普及使得人们能够随时随地捕捉影像形成图像信息，并即时传播到互联网上，数字图像正以惊人的速度增长，当今问题是如何在巨大的图像库中进行高效且精准地检索问题。

早期传统的基于文本的图像检索方法（TBIR）是一个基于词语匹配的检索过程，将图像进行种种注释（譬如名称、编号、内容简述等）进行搜索。随着图像信息量的逐渐扩大，TBIR技术遇到严峻的问题：文本的标注难以全方位精准地描述越来越丰富的图像内容，基于内容的图像检索技术（CBIR）应运而生。CBIR相比较TBIR，其对图像的标注属于自动分析标注，不再是根据人主观的理解来对图像进行文字标注。人工标注会受到兴趣、知识储备、职业等各个方面的主观因素影响，并且一些图像的特殊特征难以用语言进行描述，而CBIR使用软件对图像进行自动分析，特征自行提取（例如纹理特征），并将其组成特征库。在对图像进行检索时，采用相似度计算的方法，计算待检索图像与图像库中图像特征向量的相似度，按从大到小排列选择优先进行输出。因此，CBIR可以较为客观的检索出结果，并且省去大量人力物力进行文本标注，大大提高了检索效率与检索准确率。近年来，CBIR技术已成为图像检索领域的研究热点，由于其客观、智能、自动等特点，被广泛研究和应用于遥感、公安、设计、医学等各个领域。

纹理图像的特征提取是决定一个CBIR算法好坏的关键，CBIR技术的首要任务是找到提取特征的更好方法，提取出独特精准的特征，为搜索到准确图像奠定基础，但现有提出的CBIR技术算法比较繁琐，实现难度较大，时间复杂度较高，因此，找到一种复杂度低、运行速度快、特征提取效果好的CBIR技术，是目前需要深入研究的课题。

发明内容

本发明是为了解决现有技术所存在的上述技术问题，提出一种基于截尾广义柯西建模的纹理图像检索方法。

本发明的技术解决方案是：一种基于截尾广义柯西建模的纹理图像检索方法，其特征在于按如下步骤进行：

约定：I指待检索图像；J指图像库中图像；表示截尾广义柯西分布PDF的位置参数，表示截尾广义柯西分布PDF的尺度参数；指待检索图像I的特征；为I和J之间的相似性距离；代表I的特征向量在第i个分量处的值；LSB代表分解得到的低频子带；HSB代表分解得到的高频子带；

a.初始设置

获取检索图像库中的图像J并初始化变量；

b. 图像UDWT分解

使用非下采样小波变换（UDWT）对检索图像库中的每幅图像J进行分解，设置分解参数，每一幅图像J分解成一个LSB和多尺度多方向的若干个HSB；

c. HSB系数截尾广义柯西分布建模

c.1 对每一幅图像J分解后得到的若干个HSB系数采用截尾广义柯西分布概率密度函数进行统计建模，定义截尾广义柯西分布统计模型为：

其中，，，是函数，表示位置参数，表示尺度参数；

c.2 对截尾广义柯西分布的位置参数以及尺度参数进行参数估计：

其中，，，取，并将进行微分并置零，通过最大似然函数的对数求出位置参数和尺度参数；

c.3 将得到的截尾广义柯西分布的位置参数以及尺度参数作为每一幅图像J的特征向量，存入图像幅值纹理库以待检索使用；

d. 待检索图像处理操作

d.1 输入待检索图像I，对I进行UDWT分解操作，设置分解参数，每幅图像得到1个LSB和若干个多尺度多方向的HSB；

d.2 重复步骤c，对待检索的图像I的HSB系数采用截尾广义柯西分布进行建模，计算其位置参数和尺度参数，得到待检索的图像I的特征；

e. 相似度计算

e.1 定义欧氏距离作为图像I和J之间相似度的计算方法：

e.2 将采取倒数运算，以此作为I和J之间的相似度；

e.3 将得到的相似度按从小到大顺序排列，输出较优的检索结果；

f. 重复步骤d~e，直到图像I和J全部匹配结束。