基于非高斯多相关HMT模型的彩色纹理图像检索方法技术

本发明专利技术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，本发明专利技术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。

A Color Texture Image Retrieval Method Based on Non-Gauss Multi-correlation HMT Model

【技术实现步骤摘要】
基于非高斯多相关HMT模型的彩色纹理图像检索方法
本专利技术属于数字图像检索
，涉及基于内容的图像检索方法，特别涉及一种基于非高斯多相关HMT模型的彩色纹理图像检索方法。
技术介绍
随着网络多媒体技术的高速发展，信息高速流通，数字图像数据正在迅猛增长，人们可以随时随地捕捉影像形成图像信息，并即时传播到互联网上，图像作为一种信息传播媒介已经融入人们的日常生活。对于网络上日益增长的数字图像源，如何对其进行更加合理高效的检索和分类管理是一项迫切需要解决的热点问题。基于文本的图像检索方法（TBIR）在图像检索技术早期应用颇广，实质为通过人工对图像进行文本标注，此方法将图像检索转变为对图像关键字的检索。然而当今网络技术不断发展，数字图像的信息量日益剧增，TBIR方法存在一定弊端：通过关键字检索的方法很难全面准确地刻画图像日益增长的内容以及视觉信息，而基于内容的图像检索技术（CBIR）是解决上述问题的有效方法之一。与TBIR对比而言，CBIR通过计算来表征图像信息，进而对同类图像进行特征匹配与搜索，具有利用最佳算法提取和转换图像颜色及轮廓等视觉信息的优点。其中特征提取与匹配过程可用计算机软件设备代替人工标注，兼具高效性与客观性，节省了大量的人力与时间成本的同时也消除了主观因素在兴趣、知识储备、职业等各个方面的影响。目前的CBIR技术中，基于形状和颜色特征检索方法的研究已初有成效，然而针对图像纹理特征提取的研究尚存在诸多难点，同时特征提取又是决定CBIR算法质量的关键，但是，迄今为止还没有关于基于非高斯多相关HMT模型的彩色纹理图像检索方法的相关报道。
技术实现思路
本专利技术是为了解决现有技术所存在的上述技术问题，提供一种基于非高斯多相关HMT模型的彩色纹理图像检索方法。本专利技术的技术解决方案是：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。本专利技术首先对纹理图像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，本专利技术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。与目前已有技术相对比，本专利技术具备如下优势效果：第一，采取了多相关统计建模方法，弥补了传统单一方法刻画纹理图像时信息表征不全面的缺陷，在缩减了时间复杂度的同时，全方位精确地刻画与表征了图像信息，从而获得最优检索结果；第二，将参数元组作为特征值来代表任意一幅图像，缩减了特征维度，减少了相似度计算的耗时；第三，利用R、G、B三分量构建了WD-BKF-VB-HMT模型，采用了更多的相关性来估计模型参数，且充分考虑了颜色通道间的系数相关性，使得彩色图像纹理信息的表征更加全面，达到了更准确的建模效果。附图说明图1为本专利技术实施例小波域BKF边缘分布PDF拟合效果图。图2为本专利技术实施例彩色图像WD-BKF-VB-HMT模型PDF拟合效果图。图3~图6为本专利技术实施例彩色纹理图像库检索结果图。图7为本专利技术实施例与对比文献方法检索性能对比分析图。图8为本专利技术实施例的流程图。具体实施方式本专利技术的方法共包括四个阶段：图像DWT高频子带获取、高频子带系数BKF-VB-HMT建模、待检索图像处理操作和相似度计算。具体如图8所示，依次按照如下步骤进行：约定：L表示通过离散小波变换（DWT）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；为第二种修改后本文档来自技高网...

【技术保护点】
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；

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：杨红颖，高思洋，牛盼盼，王向阳，
申请(专利权)人：辽宁师范大学，
类型：发明
国别省市：辽宁,21