基于双树复小波和广义高斯密度的纹理图像检索

摘要/Abstract

摘要：

提出了一种基于双树复小波变换结合广义高斯密度和Kullback-Leibler距离的纹理图像检索新方法。该方法运用双树复小波变换对检索图像和目标图像进行分解,在每层生成6个方向子带的小波系数,并对小波系数的边缘分布函数进行高斯建模,生成纹理特征,再通过计算相应子带间纹理特征的Kullback-Leibler距离度量图像的相似性。实验表明,该方法比基于能量特征和欧氏距离的检索方法以及在3层分解层数下比基于小波变换、Contourlet变换等结合广义高斯模型的检索方法有更高的检索率。

关键词: 双树复小波变换, 广义高斯密度, Kullback-Leibler距离, 纹理图像检索

Abstract:

A new texture image retrieval method based on dual tree complex wavelet transform (DT-CWT) and Generalized Gaussian Density was proposed.By using the DT-CWT the query images and target images are decomposed to six directional sub-bands at each level.Modeling the marginal distribution of dual tree complex wavelet coefficients using Generalized Gaussian Density (GGD) to generate texture feature vectors. Kullback-Leibler distance (KLD) function was used as similarity measurement.The experimental results show that this method has higher accuracy than the methods based on energy feature and Euclidean distance as well as methods based on wavelet transform,contourlet transform and others using generalized Gaussian model in the same scale.

Key words: dual-tree complex wavelet transform, deneralized gaussian density, Kullback-Leibler distance, texture image retrieval

中图分类号:

TP391.4

张久文, 米进财, 张同峰. 基于双树复小波和广义高斯密度的纹理图像检索[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 60-63.

ZHANG Jiu-wen, MI Jin-cai, ZHANG Tong-feng. Texture image retrieval based on DT-CWT and generalized gaussian density[J]. 吉林大学学报(工学版), 2013, 43(增刊1): 60-63.

参考文献

[1] Minh N Do,Martin Vetterli.Wavelet-based texture retrieval using generalized gaussian density and kullback-leibler distance [C]// IEEE Transactions on Image Processing,2002,111:146-158.

[2] Choy Siu-kai,Tong Chong-kze.Supervised texture classification using characteristic generalized Gaussian density [J].Journal of Mathematical Imaging and Vision,2007,29(1):35-47.

[3] Chen Xin-wu,Ma Jian-zhong.Texture Image Retrieval Based on Contourlet-2.3 and Generalized Gaussian Density Model [C]// 2010 International Conference on Computer Application and System Modeling ICCASM,2010.

[4] Kingsbury N G.Complex wavelets for shift invariant analysis and filtering of signals [J].Appl Comp HarmonicAnal,2000,10(3):234-253.

[5] Kingsbury N G.The dual-tree complex wavelet transform:A new efficient tool for image restoration and enhancement [C]// Proc.European Signal Processing Conf Hodes,1998:319-322.

[6] 曲怀敬.Contourlet变换在纹理图像检索和医学图像分割中的应用研究[D].济南:山东大学,2009. Qu Huai-jin.Research on applications of contourlet transform in texture image retrieval and medical image segmentation[D].Jinan:Shandong University,2009.

[7] Joshi R L,Fisher T R.Comparison of generalized gaussian and laplacian modeling in DCT Image coding [J].IEEE.Signal Processing Letters,1995,2(5):81-82.

[8] Moulin P,Liu J.Analysis of multiresolution image denoisings scheme using generalized Gaussian and complexity priors [J].IEEE Transactions on Information Theory,1999,45(3):909-919.

[9] Cover T M,Thomas J A.Elements of information Theory[M].New York:Wiley,1991:68.

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[5]	刘哲, 徐涛, 宋余庆, 徐春艳. 基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术[J]. 吉林大学学报(工学版), 2018, 48(5): 1614-1620.
[6]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[7]	李志慧, 胡永利, 赵永华, 马佳磊, 李海涛, 钟涛, 杨少辉. 基于车载的运动行人区域估计方法[J]. 吉林大学学报(工学版), 2018, 48(3): 694-703.
[8]	耿庆田, 于繁华, 王宇婷, 高琦坤. 基于特征融合的车型检测新算法[J]. 吉林大学学报(工学版), 2018, 48(3): 929-935.
[9]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[10]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[11]	范敏, 韩琪, 王芬, 宿晓岚, 徐浩, 吴松麟. 基于多层次特征表示的场景图像分类算法[J]. 吉林大学学报(工学版), 2017, 47(6): 1909-1917.
[12]	车翔玖, 张孙旻. 基于异步更新策略的蚁群边缘提取算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1577-1582.
[13]	刘让, 王德江, 张刘, 周达标, 贾平, 丁鹏. 基于梯度天空背景的非均匀性校正和点目标探测[J]. 吉林大学学报(工学版), 2017, 47(5): 1625-1633.
[14]	李志慧, 夏英集, 曲昭伟, 任景琛. 视频监控的数据驱动背景模型[J]. 吉林大学学报(工学版), 2017, 47(4): 1286-1294.
[15]	赵夫群, 周明全, 耿国华. 基于GA-Otsu法的图像阈值分割及定量识别[J]. 吉林大学学报(工学版), 2017, 47(3): 959-964.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed