紋理圖像自動(dòng)分類算法研究.pdf

1、紋理分類是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域的一個(gè)重要研究內(nèi)容，其中，紋理特征提取，以及如何構(gòu)建一種快速穩(wěn)定的分類器是算法的關(guān)鍵，本文重點(diǎn)對后者進(jìn)行研究。傳統(tǒng)的紋理分類器主要包括 K-均值聚類，支持向量機(jī)，以及人工神經(jīng)網(wǎng)絡(luò)等，這些分類器普遍存在著正確率低、計(jì)算量大和缺乏理論支持等缺點(diǎn)。極端學(xué)習(xí)機(jī)（ELM）是一種新型單隱層前饋神經(jīng)網(wǎng)絡(luò)；與傳統(tǒng)分類器不同，ELM是隨機(jī)選擇網(wǎng)絡(luò)中的隱層神經(jīng)元，其網(wǎng)絡(luò)的輸出層權(quán)值可以通過解析方法獲得，具有學(xué)習(xí)速度快、泛化

2、能力好等諸多優(yōu)點(diǎn)。
　　在目前相對成熟的幾種特征提取方法的基礎(chǔ)上，論文對目前幾種較好的分類器進(jìn)行了重點(diǎn)分析和研究，主要內(nèi)容包括：
　　（1）研究了極端學(xué)習(xí)機(jī)在紋理分類應(yīng)用中存在的優(yōu)勢。該方法具有學(xué)習(xí)速度快、泛化能力好等優(yōu)點(diǎn)。本文分別基于小波包分解、灰度共生矩陣、灰度梯度共生矩陣、統(tǒng)計(jì)幾何特征、Gabor小波和雙樹復(fù)小波等方法進(jìn)行紋理特征提取，利用ELM作為分類器進(jìn)行訓(xùn)練學(xué)習(xí)，實(shí)現(xiàn)了紋理圖像的自動(dòng)分類。
　?。?）提出一

3、種基于遺傳學(xué)的紋理分類的改進(jìn)算法。蟻群算法是一種隨機(jī)搜索算法，具有全局最優(yōu)、可并行運(yùn)算、魯棒性強(qiáng)等特點(diǎn)。本文提出將蟻群算法與極端學(xué)習(xí)機(jī)相結(jié)合，將網(wǎng)絡(luò)中的隨機(jī)參數(shù)試做螞蟻，則螞蟻覓食過程的路徑可視為參數(shù)尋優(yōu)過程；根據(jù)每次路徑上的信息素，可獲得下一步路徑，通過不斷的更新信息素，最終可以獲得一條最短路徑，即達(dá)到參數(shù)最優(yōu)。仿真實(shí)驗(yàn)結(jié)果表明，利用該方法可以獲得更高的紋理分類效果。
　　（3）傳統(tǒng)的基于極端學(xué)習(xí)機(jī)（ELM）的紋理分類方法容易出