[发明专利]基于非高斯多相关HMT模型的彩色纹理图像检索方法

摘要

本发明公开了一种基于非高斯多相关HMT模型的彩色纹理图像检索方法，首先对纹理图像R、G、B通道执行DWT变换；其次，将变换得到的R、G、B三个颜色分量中同尺度同方向且相同位置节点的高频子带系数捆绑成一个系数向量；然后，进行VB‑HMT统计模型建模，得到图像特征参数五元组；最后，选用参数集代表图像特征应用于图像检索。实验结果显示，本发明的方法由于以参数元组为代表任意一幅图像的特征，缩减了特征维度，从而减少了相似度计算的时间，获得较优的检索效果。

主权项

1.一种基于非高斯多相关HMT模型的彩色纹理图像检索方法，其特征在于按照如下步骤进行：约定：L表示通过离散小波变换获得的低频子带、H表示高频子带；代表系数向量；代表HMT模型系数的隐状态；指协方差矩阵；表示伽马函数；代表图像参数特征集合；k代表小波系数向量树个数；表示第棵向量树的隐状态变量集合；为迭代次数；代表参数更新后的图像特征参数集；表示小波系数节点的父亲节点；代表小波变换子带系数边缘状态概率质量函数，代表小波变换子带系数父子节点间的联合概率质量函数；表示图像特征值的参数集合；V为图像纹理特征库；I指待检索图像；J指图像库中图像；为I和J之间的相对熵散度距离；代表图像I在分量位置时特征向量所具有的特征值；为待检索图像特征；为图像特征库中的特征；a. 初始设置获得图像J，实施参数初始化操作；b. 高频子带获取将图像J的R、G、B三个颜色通道分别执行三级DWT，每个通道得到1个L和9个由不同大小矩阵组成的H；c. 系数BKF‑VB‑HMT建模c.1 将R、G、B三个颜色通道中同尺度同方向且位置相同节点的H系数捆绑成一个系数向量；c.2 使用BKF‑VB‑HMT模型的概率密度函数对每幅图像9个H系数向量进行统计建模，定义如下：；式中，、代表形状参数与尺度参数；为第二种修改后第阶BKF函数，计算式如下：；为状态概率矩阵，代表离散小波变换后的尺度，，为初始状态概率，HMT模型状态转移概率矩阵，表示如下：；其中表示隐状态取值范围，其中；c.3 将所述概率密度函数中的参数形式化为五元组的形式，表示如下：；c.4 根据最大似然准则，使用最大期望算法估计上述五元组中的参数，在EM步中,将每一棵向量树的系数集合作为观测数据，计算得到与；在ML步中，根据ML更新中的参数为：；；；；；c.5 将获得的BKF‑VB‑HMT分布模型的参数集存入图像纹理特征库V中，作为每一幅图像J的特征向量，以待检索使用；d. 待检索图像处理操作d.1 输入I，对其R、G、B三个颜色分量各实施三级DWT变换，每个颜色分量分解出1个L和9个由不同大小矩阵组成的H；d.2 重复步骤c，利用BKF分布，通过VB‑HMT对待检索的图像I高频子带系数进行建模，计算参数特征五元组，得到图像I的特征向量；e. 相似度计算e.1 定义代表I、J之间相对熵散度距离，指I在分量位置时特征向量所具有的特征值，为J在分量位置时特征向量所具有的特征值，指图像总数，因此I与J之间相对熵散度距离可如下式计算：；e.2 将相似度结果依照顺序从小到大排列，在设定的检索结果范围内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。