Search

This paper introduces a centroid-based (CB) supervised classification algorithm of textured images. In the context of scale/orientation decomposition, we demonstrate the possibility to develop centroid approach based on multivariate stochastic modeling. The main interest of the multivariate modeling comparatively to the univariate case is to consider spatial dependency as additional features for characterizing texture content. The aim of this paper is twofold. Firstly, we introduce the Spherically Invariant Random Vector (SIRV) representation for the modeling of wavelet coefficients. Secondly, from the specific properties of the SIRV process, i.e. the independence between the two sub-processes of the compound model, we derive centroid estimation scheme. Experiments from various conventional texture databases are conducted and demonstrate the interest of the proposed classification algorithm.

Bu bildiride, dalgacık dönüşümü için geliştirdiğimiz küresel kodlama algoritmasının dalgacık paketlerine uyarlanması sunulmuştur. Bu kodlayıcıda yerel katsayı enerjisi, dalgacık altbantlarında varolan uzamsal bilgiyi ayırt etmekte ve mevcut bit hızının bant içinde nasıl dağıtılacağına karar vermekte direk bir ölçüt olarak kullanılır. Yerel enerji daha yüsek çözünürlükte yani daha küçük boyutlu pencerelerde tanımlandıkça, kodlayıcı, bit hızını nasıl harcayacağı hakkındaki kararlarını otomatik olarak günceller. Bir sıradüzensel değişkenler kümesi kullanılarak yerel enerjinin en yüksek çözünürlüğe kadar yani dalgacık katsayılarının bireysel enerjilerine kadar belirlenmesi ve kodlanması mümkün olmaktadır. Enerji dağılımı açısından en iyi dalgacık paketinin kullanılması, algoritmanın kodlama performansı artırmaktadır. Sonuçta, özellikle dokulu imgeler için 1 dB’nin üzerinde kodlama kazancı elde edilmiştir. In this paper, we present an adaptation of the spherical coder, which has been developed for wavelet transform, to wavelet packets. This coder uses local energy as a direct measure to differentiate the spatial informatin available in wavelet subbands and to decide how to allocate the available bitrate within each subband. As local energy becomes available at finer resolutions, Le. in smaller size windows, the coder automatically updates its decisions about how to spend the bitrate. We use a hierarchical set of variables to specify and code the local energy up to the highest resolution, i.e. the energy of individual wavelet coefficients. ne performance of the algorithm is improved by the use of optimal wavelet packet in terms of the energy distribution. ne resulting coder achieves over I dB coding gain, especially for textured images. IEEE Publisher's Version WOS:000261359200085