Texture classification based on the generalized gamma distribution and the dual tree complex wavelet transform

Ahmed Drissi El Maliani 1 Nour-Eddine Lasmar 2 Mohammed El Hassouni 3 Yannick Berthoumieu 2
1 LRIT - Laboratoire de Recherche Informatique et Télécommunications
2 IMS - Laboratoire de l'intégration, du matériau au système
3 DESTEC - Departement des Sciences et Techniques de la Communication
Abstract : This paper deals with stochastic texture modeling for classification issue. A generic stochastic model based on three-parameter Generalized Gamma (GG) distribution func-tion is proposed. The GG modeling offers more flexibility pa-rameterization than other kinds of heavy-tailed density devoted to wavelet empirical histograms characterization. Moreover, Kullback-leibler divergence is chosen as similarity measure between textures. Experiments carried out on Vistex texture database show that the proposed approach achieves good classification rates.
Type de document :
Communication dans un congrès
ISIVC - International Symposium on Image/Video Communications over fixed and mobile networks, 2010, Rabat, Morocco. IEEE, pp.1-4, 2010, 〈10.1109/ISVC.2010.5656257〉
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger
https://hal.inria.fr/hal-00727115
Contributeur : Nour-Eddine Lasmar <>
Soumis le : dimanche 2 septembre 2012 - 00:54:12
Dernière modification le : mercredi 31 janvier 2018 - 13:46:02
Document(s) archivé(s) le : lundi 3 décembre 2012 - 02:30:08

Fichier

isivc.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Collections

IMS-BORDEAUX | IMS-BORDEAUX-FUSION

Citation

Ahmed Drissi El Maliani, Nour-Eddine Lasmar, Mohammed El Hassouni, Yannick Berthoumieu. Texture classification based on the generalized gamma distribution and the dual tree complex wavelet transform. ISIVC - International Symposium on Image/Video Communications over fixed and mobile networks, 2010, Rabat, Morocco. IEEE, pp.1-4, 2010, 〈10.1109/ISVC.2010.5656257〉. 〈hal-00727115〉

Exporter

BibTeX TEI DC DCterms EndNote

Partager

Métriques

Consultations de la notice

422

Téléchargements de fichiers

396

Contact


archive-ouverte@inria.fr