紋理圖像自動分類算法研究.pdf

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

2、能力好等諸多優(yōu)點。
　　在目前相對成熟的幾種特征提取方法的基礎上，論文對目前幾種較好的分類器進行了重點分析和研究，主要內(nèi)容包括：
　?。?）研究了極端學習機在紋理分類應用中存在的優(yōu)勢。該方法具有學習速度快、泛化能力好等優(yōu)點。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)計幾何特征、Gabor小波和雙樹復小波等方法進行紋理特征提取，利用ELM作為分類器進行訓練學習，實現(xiàn)了紋理圖像的自動分類。
　?。?）提出一

3、種基于遺傳學的紋理分類的改進算法。蟻群算法是一種隨機搜索算法，具有全局最優(yōu)、可并行運算、魯棒性強等特點。本文提出將蟻群算法與極端學習機相結合，將網(wǎng)絡中的隨機參數(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，即達到參數(shù)最優(yōu)。仿真實驗結果表明，利用該方法可以獲得更高的紋理分類效果。
　?。?）傳統(tǒng)的基于極端學習機（ELM）的紋理分類方法容易出