基于多變量亞高斯分布模型的圖像檢索的研究.pdf

1、隨著圖像獲取方式的改善和增加，各類(lèi)圖像庫(kù)的建立和擴(kuò)展，基于內(nèi)容的圖像檢索(CBIR)技術(shù)的研究有了很寬的應(yīng)用領(lǐng)域。CBIR主要是基于圖像顏色、形狀、紋理、空間位置關(guān)系等特征。本文主要研究基于紋理的圖像檢索技術(shù)。
　　近年來(lái)，人們發(fā)現(xiàn)很多物理現(xiàn)象具有比高斯分布更厚的統(tǒng)計(jì)拖尾。這類(lèi)非常重要的非高斯分布被定義為α穩(wěn)定分布。研究表明，α穩(wěn)定分布對(duì)紋理圖像小波子帶系數(shù)建模能夠準(zhǔn)確地表達(dá)其重尾特征，而且與高斯和廣義高斯模型相比，它能提供更完備

2、的統(tǒng)計(jì)描述。另一方面，紋理圖像的方向子帶不論是邊緣分布或是聯(lián)合分布，都表現(xiàn)出了不同程度的非高斯性。此外，傳統(tǒng)的統(tǒng)計(jì)模型如高斯模型、Laplacian模型和廣義高斯模型在擬合子帶系數(shù)時(shí)，都是基于子帶系數(shù)之間相互獨(dú)立這一前提。然而，不同尺度系數(shù)之間不僅不是相互獨(dú)立的，而且具有很強(qiáng)的相關(guān)性。
　　本文在小波分析的基礎(chǔ)上，建立多變量亞高斯分布模型，研究紋理圖像的旋轉(zhuǎn)不變檢索算法。然后建立圖像檢索系統(tǒng)，評(píng)估該算法的有效性。主要研究工作包括:

3、
　　(1)采用對(duì)稱(chēng)α穩(wěn)定分布(SαS)對(duì)小波子帶系數(shù)進(jìn)行建模，估計(jì)SαS分布參數(shù)，并計(jì)算層與層、層內(nèi)子帶間的共變以提取不同方向和尺度系數(shù)之間的相關(guān)性。在提取子帶間的共變作為圖像特征的同時(shí)，為了進(jìn)一步提高檢索性能，加入低頻子帶的能量統(tǒng)計(jì)值作為圖像的互補(bǔ)特征。
　　(2)建立亞高斯導(dǎo)向金字塔模型，推導(dǎo)出具有旋轉(zhuǎn)不變性的特征表達(dá)式。同時(shí)定義了兩幅圖像之間的旋轉(zhuǎn)不變距離。
　　(3)通過(guò)評(píng)估亞高斯模型下的Kullback-L