基于韦伯分布统计模型的图像检索方法技术

本发明专利技术公开了一种基于韦伯分布统计模型的图像检索方法，该方法在图像检索过程中，利用非下采样轮廓波变换对图像进行分解，并用韦伯分布概率密度函数将分解所得图像的形状参数及尺度参数作为图像特征，作为图像特征库以待检索使用，再对待检索图像进行如上操作，最后利用欧氏距离作为图像之间相似度的计算方法，计算不同图像之间的相似度，按照相似度从大到小对结果进行排序、输出。实验结果表明，该系统可以有效的表征图像的各特征，大大的提高了检索效率。此外，该方法具有设计简单、易于实现、图像特征提取过程无需人工标注等特点，避免了繁琐而易错的人工标注过程，增强了图像检索系统的实用性。

【技术实现步骤摘要】

本专利技术属于图像处理领域，尤其是一种可提高检索效率的基于韦伯分布统计模型的图像检索方法。
技术介绍
以往的图像检索技术(TBIR)沿用了传统文本检索技术，它不考虑图像本身固有的颜色、纹理、形状等内容特征，而是使用关键字来描述及检索图像。存在如下缺陷：对数据库中每一副图像进行人工标注需要耗费大量的时间和人力；使用关键字难以准确描述内容千差万别图像的内涵；人工选取关键字会包含强烈的主观性，可能造成图像理解上的偏差，直接影响图像的检索效果。为了克服上述缺陷，基于内容的图像检索技术(CBIR)应运而生，该检索技术包含图像视觉特征提取和特征相似度计算两个环节，可有效提高了检索的速度和效率，具有更好的客观性和通用性，更适用于大规模图像库的检索。在图像视觉特征提取过程中，尤其对于含有大量纹理信息的图像，如何准确的表征纹理特征就成为影响检索效果的决定性因素。现有的图像纹理特征提取方法，如傅里叶变换，小波变换，多尺度几何变换等在此方面都各有其局限性，导致相似度计算时间长，影响了检索效率。
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，提供一种可提高检索效率的基于韦伯分布统计模型的图像检索方法。本专利技术的技术解决方案是：一种基于韦伯分布统计模型的图像检索方法，其特征在于按照如下步骤进行：步骤1：利用非下采样轮廓波变换对图像进行分解,得到多尺度多方向的若干个高频子带；步骤2：利用韦伯分布概率密度函数对每一幅图像分解所得高频子带进行统计建模，估计出形状参数p和尺度参数c，并将所得到的形状参数p和尺度参数c作为每一幅图像的特征，作为图像特征库以待检索使用；步骤3：对待检索图像I进行处理操作；步骤4：利用欧氏距离作为图像之间相似度的计算方法，计算不同图像之间的相似度，按照相似度从大到小对结果进行排序、输出。所述步骤2如下：步骤21：定义韦伯分布统计模型表达式为：并且有0<x<∞，p>0，c>0；步骤22：对于韦伯分布概率密度函数的两个参数估计，设是服从韦伯分布的随机样本，则形状参数p可以由log函数计算：可以由牛顿迭代法求解上述非线性方程，尺度参数c的计算方法为：得到韦伯分布概率密度函数的两个参数，分别对每一幅图像分解后得到的若干个高频子带计算形状参数p和尺度参数c，将得到的值作为每一幅图像的特征，作为图像特征库以待检索使用。所述步骤3如下：步骤31：输入待检索图像I，利用非下采样轮廓波变换对待检索图像I进行分解，得到多尺度多方向的若干个高频子带；步骤33：按照步骤2的方法，计算待检索图像I的形状参数p和尺度参数c，得到待检索图像I的特征。所述步骤4如下：步骤41：采用欧氏距离计算待检索图像特征与图像特征库中的特征的相似度，为检索图像I和库中图像J之间的距离，表示图像I的特征向量第i个分量处的特征值，则两幅图像的欧式距离定义为：步骤42：将取倒数作为两幅图像之间的相似度，在所有相似度取倒数前先加系数，取，将检索结果按照相似度从大到小排列输出，得到检索结果。本专利技术利用具有各向异性且平移不变性的非下采样轮廓波变换分解图像，然后结合运用韦伯分布统计模型可以描绘图像纹理特征的性质，得到描绘图像的特征向量，设计了一个基于韦伯分布统计模型的图像检索方法。由于通过非下采样轮廓波变换对图像进行分解，可以得到具有各向异性且平移不变性的子带；两参的韦伯分布统计模型由求得的形状参数和尺度参数共同确定形状，解决了在描述数据统计信息时自由度与灵活度差的问题，降低了时间复杂度。实验结果表明，该系统可以有效的表征图像的各特征，大大的提高了检索效率。此外，该方法具有设计简单、易于实现、图像特征提取过程无需人工标注等特点，避免了繁琐而易错的人工标注过程，增强了图像检索系统的实用性。具体实施方式本专利技术的方法包括以下步骤：步骤1：利用非下采样轮廓波变换对图像进行分解,得到多尺度多方向的若干个高频子带；步骤2：利用韦伯分布概率密度函数对每一幅图像分解所得高频子带进行统计建模，估计出形状参数p和尺度参数c，并将所得到的形状参数p和尺度参数c作为每一幅图像的特征，作为图像特征库以待检索使用；具体步骤如下：步骤21：定义韦伯分布统计模型表达式为：并且有0<x<∞，p>0，c>0；图像经非下采样轮廓波变换后，高频子带系数的统计分布符合参数为（c，p）的韦伯分布统计模型；步骤22：对于韦伯分布概率密度函数的两个参数估计，设是服从韦伯分布的随机样本，则形状参数p可以由log函数计算：可以由牛顿迭代法求解上述非线性方程，尺度参数c的计算方法为：得到韦伯分布概率密度函数的两个参数，分别对每一幅图像分解后得到的若干个高频子带计算形状参数p和尺度参数c，将得到的值作为每一幅图像的特征，作为图像特征库以待检索使用。步骤3：对待检索图像I进行处理操作；具体步骤如下：步骤31：输入待检索图像I，利用非下采样轮廓波变换对待检索图像I进行分解，得到多尺度多方向的若干个高频子带；步骤33：按照步骤2的方法，计算待检索图像I的形状参数p和尺度参数c，得到待检索图像I的特征。步骤4：利用欧氏距离作为图像之间相似度的计算方法，计算不同图像之间的相似度，按照相似度从大到小对结果进行排序、输出。具体步骤如下：步骤41：采用欧氏距离计算待检索图像特征与图像特征库中的特征的相似度，为检索图像I和库中图像J之间的距离，表示图像I的特征向量第i个分量处的特征值，则两幅图像的欧式距离定义为：步骤42：将取倒数作为两幅图像之间的相似度，其中，为了避免所查询图像与图像库中的本图像距离为1/0而出现的无意义结果，在所有相似度取倒数前先加一个无穷小不会引起排序变化的系数，取，将检索结果按照相似度从大到小排列输出，得到检索结果。表1特征提取时间对比表2相似度计算时间对比表3平均查准率对比对比文献：N.E.Lasmar,Y.Berthoumieu.GaussianCopulaMultivariateModelingforTextureImageRetrievalUsingWaveletTransforms.IEEETrans.onImageProcessing,2014,23(5):2246-2261。以上表1、表2和表3，分别为对比文献和本专利技术对四个图像库VISTeX、Brodatz、ALOT和STeX中的图像进行检索得到的数据本文档来自技高网...

【技术保护点】
一种基于韦伯分布统计模型的图像检索方法，其特征在于按照如下步骤进行：步骤1：利用非下采样轮廓波变换对图像进行分解,得到多尺度多方向的若干个高频子带；步骤2：利用韦伯分布概率密度函数对每一幅图像分解所得高频子带进行统计建模，估计出形状参数p和尺度参数c，并将所得到的形状参数p和尺度参数c作为每一幅图像的特征，作为图像特征库以待检索使用；步骤3：对待检索图像I进行处理操作；步骤4：利用欧氏距离作为图像之间相似度的计算方法，计算不同图像之间的相似度，按照相似度从大到小对结果进行排序、输出。

【技术特征摘要】
1.一种基于韦伯分布统计模型的图像检索方法，其特征在于按照如下步骤进行：
步骤1：利用非下采样轮廓波变换对图像进行分解,得到多尺度多方向的若干个高频子
带；
步骤2：利用韦伯分布概率密度函数对每一幅图像分解所得高频子带进行统计建模，估
计出形状参数p和尺度参数c，并将所得到的形状参数p和尺度参数c作为每一幅图像的特
征，作为图像特征库以待检索使用；
步骤3：对待检索图像I进行处理操作；
步骤4：利用欧氏距离作为图像之间相似度的计算方法，计算不同图像之间的相似度，
按照相似度从大到小对结果进行排序、输出。
2.根据权利要求1所述的基于韦伯分布统计模型的图像检索方法，其特征在于所述步
骤2如下：
步骤21：定义韦伯分布统计模型表达式为：
并且有0<x<∞，p>0，c>0；
步骤22：对于韦伯分布概率密度函数的两个参数估计，设是服从韦伯分
布的随机样本，则形状参数p可以由log函数计算：
可以由牛顿迭代法求解上述非线性方程，尺度参数c的计算方法为：

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