基于Curvelet變換的圖像檢索算法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)、計算機科學(xué)技術(shù)和多媒體技術(shù)不斷發(fā)展,在人類社會包括經(jīng)濟、生活、工作、學(xué)習(xí)等各個方面都產(chǎn)生了大量信息并且?guī)痈鱾€方面的信息呈爆炸式增長。如何從海量的圖像信息中快速、準確的檢索出有用的圖像信息,提高圖像管理和應(yīng)用的能力已經(jīng)成為人們研究的熱點問題。
　　基于內(nèi)容的圖像檢索技術(shù)(Content-based image retrieval, CBIR)是利用圖像的顏色、紋理、形狀、邊沿等底層視覺特征來描述圖像內(nèi)容并作檢索,C

2、BIR克服了傳統(tǒng)檢索方法的諸多缺點,引起人們的廣泛關(guān)注。在CBIR領(lǐng)域,由于多尺度變換能獲得良好的時頻域局部性,同時統(tǒng)計模型能夠近似的表征頻域系數(shù)的分布,因此多尺度變換與統(tǒng)計模型相結(jié)合的檢索方法成為CBIR的主流技術(shù)。在圖像檢索中,小波變換作為一種良好的多尺度分析方法而多被應(yīng)用于紋理圖像的檢索,與小波變換相比,Curvelet變換較提供更多的方向、統(tǒng)計信息而吸引人們的研究。但是目前基于Curvelet變換的方法所用低階統(tǒng)計特征比較簡單,

3、獲取的圖像紋理特征不夠豐富,因此在Curvelet變換域引入高統(tǒng)計階特征以提高檢索能力具有重要的研究價值。
　　本文主要對基于 Curvelet變換的圖像紋理特征進行了較深入的研究。文中提出在Curvelet變換子帶上分別建立廣義高斯密度模型和灰度梯-度共生矩陣來提取圖像的紋理特征,經(jīng)過一系列實驗證明了該方法的有效性。主要工作如下:
　　1.利用Curvelet變換的多方向性,在Curvelet變換子帶上建立廣義高斯密度模(

4、GGD),用基于Newton Raphson迭代法的最大似然估計得到模型參數(shù)α，β,獲得圖像的稀疏表示,在此基礎(chǔ)上結(jié)合K-L （Kullback Leibler）距離作為相似性度量方法,很?好的獲取了圖像的紋理信息,在紋理圖像庫上對比了幾種算法的檢索結(jié)果。同時在紋理特征的基礎(chǔ)上用特征加權(quán)的方法將圖像的顏色特征引入,應(yīng)用于彩色圖像的檢索取得較好的檢索效果。
　　2.在Curvelet變換子帶上引入灰度-梯度共生矩陣(GLGCM),通