[發明專利]一種基于煙花算法的紋理圖像特征選擇方法

有效

• 申請號: 201710960947.0
• 申請日: 2017-10-17
• 公開（公告）號: CN107808164B
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 葉志偉;楊娟;張旭;陳宏偉;劉偉;王春枝;鄢來儀;蘇軍;歐陽勇
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 武漢帥丞知識產權代理有限公司 42220
• 代理人: 朱必武

1.一種基于煙花算法的紋理圖像特征選擇方法，其特征在于，包括以下步驟：

步驟1：輸入訓練紋理圖像集，抽取紋理圖像特征向量，構成原始紋理特征樣本集，將所述的原始紋理特征樣本集作為輸入數據訓練集；

步驟2：初始化煙花算法所需的參數以及n個煙花的位置，得到算法的初始種群；

步驟3：將煙花的初始空間位置向量解碼成相應的特征子集，利用適應度評價函數計算得到每個特征子集的適應度函數值；所述的適應度函數值計算公式為：

其中，f(x_i)表示煙花或火花i的適應度函數值，Acc(i)表示煙花或火花i選擇的特征子集訓練分類器所得到的圖像分類正確率，這里使用的分類器是最小距離分類器、貝葉斯分類器、支持向量機分類器、K-近鄰分類器、神經網絡分類器中的任意一種，N表示特征總數，num(i)表示此次選擇的特征個數，y表示權重；

步驟4：計算火花數s_i，并確定每個煙花種群產生子代火花的爆炸幅度r_i；

步驟5：通過煙花算法中的位置更新公式更新煙花的位置，爆炸產生火花x_e；

步驟6：選擇部分火花進行高斯變異移位；

步驟7：將爆炸產生的火花和變異產生的火花解碼并評價其適應度值；

步驟8：從當前代的煙花、爆炸火花和變異火花中選擇下一次迭代的煙花；

步驟9：記錄全局最好的位置G以及其適應度函數值；

步驟10：判斷，是否滿足終止條件，若否，則回轉執行所述步驟4；

若是，則解碼并輸出全局最優煙花位置對應的最優特征子集；

步驟3中所述的將煙花算法中煙花的初始空間位置向量解碼成相應的特征子集，利用sigmoid公式將煙花的初始空間位置向量解碼成相應的特征子集，sigmoid公式為：

其中，表示第t次迭代時第i個煙花的第d維的空間位置，是一個實數，e是自然底數，σ是一個數值范圍是[0,1]服從均勻分布的隨機數。

2.根據權利要求1所述的一種基于煙花算法的紋理圖像特征選擇方法，其特征在于：步驟1中的紋理特征提取方法可以是灰度共生矩陣特征抽取法、基于Gabor濾波器的特征抽取法、小波變換特征抽取法、局部二階段矩、Laws紋理模板特征抽取法、方向梯度直方圖特征抽取法、分形特征紋理特征抽取法、馬爾科夫隨機場特征抽取法的紋理特征抽取方法其中的一種或者數種方法的組合。

3.根據權利要求1所述的一種基于煙花算法的紋理圖像特征選擇方法，其特征在于：步驟2中所述的初始化煙花算法所需的參數包括煙花個數n，控制產生火花總數的參數m，最大迭代次數T，產生火花數量的最小值s_min，產生火花數量的最大值s_max，最大的爆炸幅度權重y，極小值常量δ，煙花的初始空間位置。

4.根據權利要求1所述的一種基于煙花算法的紋理圖像特征選擇方法，其特征在于：步驟4中所述的每個煙花x_i產生的火花數量公式為：

其中，m是控制n個煙花產生火花總數的參數，f(x_i)是第i個煙花的適應度函數，y_min是n個煙花中適應度函數值的最小值，δ是極小值常量；若火花數量過大或過小，按照以下方式處理：

其中，s_min為產生火花數量的最小值，s_max為產生火花數量的最大值，round()為四舍五入取整函數。

5.根據權利要求1或4所述的一種基于煙花算法的紋理圖像特征選擇方法，其特征在于：步驟4中所述的每個煙花種群產生子代火花的爆炸幅度r_i的計算公式為：

其中，是一個常數，表示最大的爆炸幅度，f(x_i)是第i個煙花的適應度函數，y_max是n個煙花中適應度函數值的最大值，δ是極小值常量。