[发明专利]基于截尾广义柯西建模的纹理图像检索方法

摘要

本发明公开了一种基于截尾广义柯西建模的纹理图像检索算法，首先对纹理图像进行非下采样小波变换；其次，对变换得到的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；然后，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；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估计的截尾广义柯西分布的位置参数和尺度参数作为每幅图像的特征，有效地降低了图像特征维度，减少了相似度计算时间，提高了检索效率，增强了算法实用性。

主权项

一种基于截尾广义柯西分布统计模型的图像检索方法，其特征在于按照如下步骤进行：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。