如发现有乱码， 请直接从这里浏览原文
正文摘录:

墅堡岱电壬蛰的f，，.即：入式与单片机2007年第2期总第241c，1：=c，】一P(“，1)(2)其『t】.，J为预测算子，是独瓿于数据集的一个确定的运算形式。(3)更新(update)更新的口的足使某一全局性质得以保障。定义一个世新算子u，他褂L，(0、)埘“，，进行更新，即：“，】：一“，1+L，(('f1)(3)2.2纹理特征提取【{jji纹理H像的信息主要集【tl在中高频，凶此.传统的塔从小波分解不适合纹理罔像的特征提取。小波包分解是在分解的迭代过程·f1／fi仪分解奉级的低频部分，而f_i_还对高频部分进行分解，这…一点使得小波包分解能埘高频部分的信_号细节进行更深入的分析。已有的很多研究郡集巾于利』f1小波包刈图像进行多尺发分解.然后在缚个尺度}：j虫立地提取特征.并进行组合形成特征向舒，这些方法的区别仪在于所提取特征的办式和数量／{：同。为了更好地挖掘』t嚏之问的依存关系.小文采用连接小同K度之间的近似系数以及同一K瞍内的细节系数.并提取标准方筹币¨均简来描述纹州特征。由于2ilO恪数小波’能很好地提取H像的高频部分，本艾采川2√O整数小波对图像进行3坛小波包分解，得到8，4个子带.见图1。特觚提取过栉H体女¨F：(j)连接l到3层的近似系数，如对fA通道，连孩(A；AA；AAA).(A；AH；AHA).(A；AV；AVA).(A；AD：人1)A)。H，V.1)通道依次类推.每一个通道得到0个向赶。(2)红分觚的第3层.刈丁A通道，连接水平_7，向的细节系数，如(人AH；AHH；AVH；ADf{)。H，V，D通道依次类推.饵一1、通道甜到1个向量。3相似性度量午H似性度精方法址丛f：内容的I冬l像检索的一个关键环肯，因此，研究小同的相似性度量方法并从巾找到一个最佳的方法足非常重要的。传统的基于纹坪的l冬i像榆索通常采刖一阶距离(，J.)、二：阶距离()和’5氏距离(MalⅥlanobis)进行相似性度量。这里，对8种距离测度进“r比较。设查询图像Q和数据库中的一幅图像P的特征向量分别表示为c／一(q.….q∥.户一(户】.-一，p。)。8种距离测度定义『IIlF：(1)一阶距离(L.)d.(q，p)一∑q，一p，{(4)(2)二阶距离(L!)d，((，，扣)一ryh—p，㈠‘。(i)0』‘ZJ’0‘l—fI(：；)丌J氏距离(Mahalanobis)以(q，p)一√(q—声)‘cov(q)‘(q一户)(6)(4)Dominan(·e距离(=f；(q，户)一nlaxlq：一户，I(7)(5)Canberra距离引㈣卜骞舟l__待㈤(6)BrayCurtis距离引㈣)=善鬻(9)(7)S(】uarcdChord距离。。di(q，p)=∑(河一、F)(8)SquareChiSquarc(1口H离!引㈨)一警鼍，≤。。4实验结果与分析瓜A瓜瓜圈l小波包分解结构(3)苇复f2)的步骤.连接垂亢方向、对角方向的细节系数。通过以}j的特征提取方法，可以得到28个向量，则纹理特征向鲢为28×特征参数的个数。本文采用标准方芹和均伉，得剑56个特征向量。(10)(]1)选取I{rodatz和USC数据库中的113种小同的纹理组成实验纹理库，库I{·每幅阁像分为小卡【{交的16幅子罔.形成一一个1808幅纹卿嘲片的测ij{=库。任榆索过程巾.认为和样本【刳像属于同一张原始H像的结果足1F确的.腹之圳冠错误的。采用QB}=(Q【JeryByExanlpI(、)的金咖方式，从同像库中任意选取一嘴图像作为查咖圈像.fH8种不蚓的距离测度进行_r实验。检索性能坪价指标采J阱夼准率(prec、isi。n)和排序值(缈)’。分驯定义为：f)rccisl()n—y。X(12)其I}l，y勾检索到的，f}j似H像的数日；X勾榆索返旧n‘=f旧像数L】。45业U。_㈨_j.三_-¨川l／Ⅷ，lPUn_㈨黑凹P～¨Ⅷw旧m一…一㈨一川一川』三J掣…些PPr呈__／l三J一卜-l掣…