基于Contourlet系数的广义高斯分布参数的混合估计方法

提出采用广义高斯概率密度建模的Contourlet变换系数的形状参数混合估计方法.当形状参数值较小时,对于小样本采用熵匹配方法估计,而对于大样本利用最大似然方法估计.当形状参数值较大时,采用矩方法估计.实验结果表明,所提出的方案可以有效准确地对Contourlet变换子带进行建模.     

基于改进Contourlet变换的纹理图像混合检索方法

Contourlet变换由于可以提供丰富而灵活的方向信息而被广泛地应用于纹理分析领域。一种改进的在频域具有良好局域性的Contourlet变换被应用于纹理图像的检索中。方向子带系数被建模为广义高斯分布,其分布参数用改进的最大似然方法进行估计并被用做纹理图像检索的特征。利用香农熵测度将纹理图像区分为结构性和随机性纹理图像,相应的一种新的基于能量特征和广义高斯分布参数的混合检索方案被提出。根据具有640个纹理图像的VisTex数据库,检索实验结果表明,和现有基于离散小波变换的方法相比较,平均检索率由76.57%提高到83.55%。