[发明专利]基于混合统计建模的纹理图像检索方法

权利要求书

1.一种基于混合统计建模的纹理图像检索方法，其特征在于按照以下步骤进行：

约定：L指通过双密度双树复小波变换（DD-DTCWT）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Cauchy分布概率密度函数（PDF）的位置参数和尺度参数；和为Vonn分布概率密度函数（PDF）的位置参数和尺度参数；r表示幅值；P表示概率密度函数；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之间的欧氏距离；为图像I的特征向量在第i个分量处的特征值；为待检索图像特征；为图像特征库中的特征；

a. 初始设置

获取检索图像库内的图像J，同时进行变量初始化；

b. 高频子带获取

对图像J进行二级DD-DTCWT变换，得到4个L和64个H，其中H由矩阵大小相同的32个a和32个b组成，用表示；

c. 系数幅值Cauchy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32个幅值子带系数采用Cauchy分布的PDF进行统计建模，其PDF，即P可定义如下：

其中：；

c.3 根据下式计算Cauchy分布的和两参数，设给定Cauchy分布的随机样本，并假定样本是独立分布的，为Cauchy分布的中值，通过牛顿迭代法估计得出基于位置参数的最大似然函数：

；

c.4 将得到的Cauchy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32个相对相位子带系数：

；

d.2 对每幅图像H的32个相对相位子带系数采用Vonn分布PDF进行统计建模，其PDF，即P可定义如下：

；

d.3 应用最大似然法，根据下式估算Vonn分布的和：

；

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，存入图像相对相位纹理库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进行二级DD-DTCWT分解，得到4个L和64个H，其中H由矩阵大小相同的32个a和32个b组成；

e.2 重复步骤c，对待检索的图像I高频子带的32个幅值子带系数采用Cauchy分布进行建模，计算其和，得到图像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32个相对相位子带系数采用Vonn分布进行建模，计算其和，得到图像I的特征向量；

f. 相似度计算

f.1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I的特征向量在第i个分量处的特征值，表示J的特征向量在第i个分量处的特征值，则图像I与J的欧氏距离定义如下：

；

f.2 将采取倒数运算，以此作为I与J之间的相似度；

f.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；

g. 重复步骤e~f，直到图像I和J全部匹配结束。