...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Computers >Content Based Image Retrieval using the Generalized Gamma Density to model BEMD?s IMFs
【24h】

Content Based Image Retrieval using the Generalized Gamma Density to model BEMD?s IMFs

机译：基于内容的图像检索使用广义伽马密度模拟BEMD？S IMFS

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

—In this paper, we present a texture-image retrieval approach, which is based on the idea of to characterize images without extracting local features, by using global information extracted from the image Bidimensinal Empirical Mode Decomposition (BEMD) together with the Generalized Gamma (GG) Density. The BEMD method decompose image into a set of functions named Intrinsic Mode Function (IMF) and residue. The Generalized Gamma (GG) Density is used to represent the coefficients derived from each IMF and the Kullback- Leibler Distance (KLD) compute the similarity between Gamma Generalized function’s coefficients. The experimental results indicate that our approach can achieve higher retrieval rates.
机译：- 在本文中，我们提出了一种纹理图像检索方法，其基于在不提取本地特征的情况下表征图像的想法，通过使用从图像BidimimiLinal实验分解（BEMD）中提取的全局信息以及广义伽马（ gg）密度。 BEMD方法将图像分解为名为内部模式函数（IMF）和valide的一组函数。广义伽马（GG）浓度用于表示从每个IMF导出的系数，并且kullback-Leibler距离（KLD）计算伽马广义函数系数之间的相似性。实验结果表明，我们的方法可以实现更高的检索率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号