论文部分内容阅读
随着图像获取方式的改善和增加,各类图像库的建立和扩展,基于内容的图像检索(CBIR)技术的研究有了很宽的应用领域。CBIR主要是基于图像颜色、形状、纹理、空间位置关系等特征。本文主要研究基于纹理的图像检索技术。近年来,人们发现很多物理现象具有比高斯分布更厚的统计拖尾。这类非常重要的非高斯分布被定义为α定分布。研究表明,α稳定分布对纹理图像小波子带系数建模能够准确地表达其重尾特征,而且与高斯和广义高斯模型相比,它能提供更完备的统计描述。另一方面,纹理图像的方向子带不论是边缘分布或是联合分布,都表现出了不同程度的非高斯性。此外,传统的统计模型如高斯模型、Laplacian模型和广义高斯模型在拟合子带系数时,都是基于子带系数之间相互独立这一前提。然而,不同尺度系数之间不仅不是相互独立的,而且具有很强的相关性。本文在小波分析的基础上,建立多变量亚高斯分布模型,研究纹理图像的旋转不变检索算法。然后建立图像检索系统,评估该算法的有效性。主要研究工作包括：(1)采用对称α稳定分布(SαS)对小波子带系数进行建模,估计SαS分布参数,并计算层与层、层内子带间的共变以提取不同方向和尺度系数之间的相关性。在提取子带间的共变作为图像特征的同时,为了进一步提高检索性能,加入低频子带的能量统计值作为图像的互补特征。(2)建立亚高斯导向金字塔模型,推导出具有旋转不变性的特征表达式。同时定义了两幅图像之间的旋转不变距离。(3)通过评估亚高斯模型下的Kullback-Leibler Divergence (KLD)的性能,选择合适的距离函数来度量两幅图像之间的相似度。(4)建立图像检索系统,通过与Gabor变换和广义高斯(GGD)模型算法的对比实验评估系统的检索性能。