[发明专利]基于幅值相位混合建模的图像检索方法

摘要

本发明公开了一种基于幅值相位混合建模的图像检索方法，首先对纹理图像进行PDTDFB变换，对变换得到的高频子带的虚部和实部分别进行幅值计算、相对相位计算；其次，应用Weibull分布函数对幅值进行统计模型建模，得到形状参数和尺度参数；应用Vonn分布函数对相对相位进行统计模型建模，得到位置参数和尺度参数，最后，利用、、和作为图像特征，应用于图像检索。实验结果表明，本发明的方法由于以参数、、和作为每幅图像的特征，有效降低了特征的维度，缩减了相似度计算所分配的时间，具有较高的平均检索率和较低的时间复杂度。

主权项

一种基于幅值相位混合建模的图像检索方法，其特征在于按照如下步骤进行：约定：L指通过PDTDFB滤波器得到的低频子带、H代表高频子带；表示复子带系数；a为的实部子带、b为虚部子带；i为虚数单位；和为Weibull分布概率密度函数的形状参数和尺度参数；和为Vonn分布概率密度函数的位置参数和尺度参数；r表示幅值；P指概率密度函数；f为最大似然法超越方程函数；为相对相位；W为幅值纹理库；V为相对相位纹理库；I指待检索图像；J指图像库中图像；为I和J之间的欧式距离；为图像I的特征向量在第i个分量处的特征值；a. 初始设置获取检索图像库中的图像J并初始化变量；b. 高频子带获取对图像J进行PDTDFB变换，得到1个L和若干个H，设置分解参数为 [2 3]，即H分解为两个尺度，分别为4个方向和8个方向，每幅图像共得到12个H，每个H包含2个矩阵大小相同的a和b，用表示；c. 系数幅值Weibull建模c.1 根据下式对每个H的a和b进行r计算，得到12个幅值子带系数：；c.2 对每幅图像H的12个幅值子带系数采用Weibulll分布概率密度函数进行统计建模，其概率密度函数P可定义为：；其中：；c.3 根据下式计算Weibull分布的形状参数和尺度参数，设给定Weibull分布随机样本为，并假定样本是独立分布的，则有；c.4 将得到的Weibull分布的形状参数和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W以待检索使用；d. 系数相对相位Vonn建模d.1 根据下式对每个H的a和b进行计算，得到12个相对相位子带系数：；d.2 对每幅图像H的12个相对相位子带系数采用Vonn分布概率密度函数进行统计建模，其概率密度函数P可定义为：；d.3 应用最大似然法，根据下式估算Vonn分布的位置参数和尺度参数：；d.4 将得到的Vonn分布的位置参数和尺度参数作为每一幅图像J的特征向量，存入图像相位纹理库V以待检索使用；e. 待检索图像处理操作e.1 输入待检索图像I，对I进行PDTDFB分解，得到1个L和若干个H，设置分解参数为 [2 3]，即H分解为两个尺度，分别为4个方向和8个方向，每幅图像共得到12个H，每个H包含2个矩阵大小相同的a和b；e.2 重复步骤c，对待检索的图像I高频子带的12个幅值子带系数采用Weibulll分布进行建模，计算其形状参数和尺度参数，得到待检索的图像I的特征向量；e.3 重复步骤d，对待检索的图像I高频子带的12个相对相位子带系数采用vonn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的特征向量；f. 相似度计算定义为待检索图像I与图像库图像J之间的欧式距离，表示图像I的特征向量在第i个分量处的特征值，表示图像J的特征向量在第i个分量处的特征值：g. 重复进行e~f步骤，直到将待检索图像I和图像库图像J全部匹配结束。