论文部分内容阅读
提出了一种基于双树复小波变换、广义高斯模型和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图像进行分解，在每一层生成六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距离来度量图像的相似性。实验表明该方法比基于能量特征和欧氏距离的检索方法及三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和Kullback-Leibler距离的检索方法有更高的准确率。