加权Contourlet域隐Markov树纹理图像特征提取模型

为更好地利用相关性描述纹理图像特征,针对目前Contourlet域隐马尔可夫树模型（CHMT）只考虑父结点的一个相邻结点对子结点影响的不足,提出一种加权Contourlet域隐马尔可夫树模型对纹理图像特征提取模型。在分析子结点的状态时,考虑父结点信息的同时利用权重评价父结点兄弟结点对子结点的影响,并通过附加状态转移矩阵体现出来,更加准确地描述了Contourlet系数和HMT的内在联系;运用K-L距离计算图像间的相似度。实验结果表明,改进的模型比CHMT平均检索率高出7%~46%。