[發(fā)明專利]基于幅值相位混合建模的圖像檢索方法

在審

• 申請?zhí)枺?/td>: 201611199740.8
• 申請日: 2016-12-22
• 公開（公告）號: CN106815314A
• 公開（公告）日: 2017-06-09
• 發(fā)明（設計）人: 楊紅穎;許娜;王向陽;牛盼盼
• 申請（專利權(quán)）人: 遼寧師范大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/00
• 代理公司: 大連非凡專利事務所21220
• 代理人: 閃紅霞

技術(shù)領(lǐng)域

本發(fā)明涉及基于內(nèi)容的圖像檢索方法，特別涉及一種可有效降低特征的維度，縮減了相似度計算所分配的時間，具有較高的平均檢索查準率和較低的時間復雜度的基于幅值相位混合建模的圖像檢索方法。

背景技術(shù)

在信息技術(shù)爆炸的今天，互聯(lián)網(wǎng)文化已經(jīng)滲透到人們?nèi)粘Ｉ钪校瑘D片信息及多媒體技術(shù)的應用促使人們急需優(yōu)秀的算法與技術(shù)來篩選所需信息，因此，如何更加高效并且精準地檢索和分類大量的數(shù)字圖像源是大家共同關(guān)注的熱點問題，而基于內(nèi)容的圖像檢索技術(shù)(CBIR)是解決問題的有效技術(shù)之一。

CBIR相比較傳統(tǒng)的基于文本的圖像檢索技術(shù)(TBIR)，優(yōu)勢在于把圖像的顏色信息、輪廓紋理信息等視覺感官特征以最優(yōu)的算法對其進行抽離和變換，通過計算來表征圖像，進而對同類圖像進行特征匹配和查找，其中特征提取和匹配環(huán)節(jié)可由軟件設備取代人工注釋，因此排除了語義的歧義性并減少了工作量，真正意義上實現(xiàn)了人工智能技術(shù)在圖像檢索領(lǐng)域的應用。目前，雖然基于顏色和輪廓紋理信息的圖像檢索方法已有許多，但輪廓紋理特征分類尚存在諸多難點，使得平均檢索率較低、時間復雜度較高，且僅采用單一方法難以實現(xiàn)對所有輪廓紋理特征進行分類。

發(fā)明內(nèi)容

本發(fā)明是為了解決現(xiàn)有技術(shù)所存在的上述技術(shù)問題，提供一種可有效降低特征的維度，縮減了相似度計算所分配的時間，具有較高的平均檢索查準率和較低的時間復雜度的基于幅值相位混合建模的圖像檢索方法。

本發(fā)明的技術(shù)解決方案是：一種基于幅值相位混合建模的圖像檢索方法，其特征在于按如下步驟進行：

約定：L指通過PDTDFB濾波器得到的低頻子帶、H代表高頻子帶；表示復子帶系數(shù)；a為的實部子帶、b為虛部子帶；i為虛數(shù)單位；和為Weibull分布概率密度函數(shù)的形狀參數(shù)和尺度參數(shù)；和為Vonn分布概率密度函數(shù)的位置參數(shù)和尺度參數(shù)；r表示幅值；P指概率密度函數(shù)；f為最大似然法超越方程函數(shù)；為相對相位；W為幅值紋理庫；V為相對相位紋理庫；I指待檢索圖像；J指圖像庫中圖像；為I和J之間的歐式距離；為圖像I的特征向量在第i個分量處的特征值；

a. 初始設置

獲取檢索圖像庫中的圖像J并初始化變量；

b. 高頻子帶獲取

對圖像J進行PDTDFB變換，得到1個L和若干個H，設置分解參數(shù)為 [2 3]，即H分解為兩個尺度，分別為4個方向和8個方向，每幅圖像共得到12個H，每個H包含2個矩陣大小相同的a和b，用表示；

c. 系數(shù)幅值Weibull建模

c.1 根據(jù)下式對每個H的a和b進行r計算，得到12個幅值子帶系數(shù)：

c.2 對每幅圖像H的12個幅值子帶系數(shù)采用Weibulll分布概率密度函數(shù)進行統(tǒng)計建模，其概率密度函數(shù)P可定義為：

；

其中：；

c.3 根據(jù)下式計算Weibull分布的形狀參數(shù)和尺度參數(shù)，設給定Weibull分布隨機樣本為，并假定樣本是獨立分布的，則有

；

c.4 將得到的Weibull分布的形狀參數(shù)和尺度參數(shù)作為每一幅圖像J的特征向量，存入圖像幅值紋理庫W以待檢索使用；

d. 系數(shù)相對相位Vonn建模

d.1 根據(jù)下式對每個H的a和b進行計算，得到12個相對相位子帶系數(shù)：

；

d.2 對每幅圖像H的12個相對相位子帶系數(shù)采用Vonn分布概率密度函數(shù)進行統(tǒng)計建模，其概率密度函數(shù)P可定義為：

；

d.3 應用最大似然法，根據(jù)下式估算Vonn分布的位置參數(shù)和尺度參數(shù)：

；

d.4 將得到的Vonn分布的位置參數(shù)和尺度參數(shù)作為每一幅圖像J的特征向量，存入圖像相位紋理庫V以待檢索使用；

e. 待檢索圖像處理操作

e.1 輸入待檢索圖像I，對I進行PDTDFB分解，得到1個L和若干個H，設置分解參數(shù)為 [2 3]，即H分解為兩個尺度，分別為4個方向和8個方向，每幅圖像共得到12個H，每個H包含2個矩陣大小相同的a和b；

e.2 重復步驟c，對待檢索的圖像I高頻子帶的12個幅值子帶系數(shù)采用Weibulll分布進行建模，計算其形狀參數(shù)和尺度參數(shù)，得到待檢索的圖像I的特征向量；

e.3 重復步驟d，對待檢索的圖像I高頻子帶的12個相對相位子帶系數(shù)采用vonn分布進行建模，計算其位置參數(shù)和尺度參數(shù)，得到待檢索的圖像I的特征向量；

f. 相似度計算