[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

本發明公開了一種基于煙花算法的紋理圖像特征選擇方法，利用煙花算法對圖像紋理特征選擇問題優化求解，從而快速地獲得用于圖像處理的最優特征子集，可用于圖像處理和模式識別相關技術領域中。本發明能夠在可接受的時間代價內找到特征選擇問題的高質量的可行解，不需要指定要選擇的特征維數，能夠智能地在正確識別率和特征維數之間取得很好的平衡，自動尋找到合適的紋理圖像特征子集。本發明利用煙花算法對紋理圖像處理中原始數據集進行特征選擇，剔除不相關或冗余的圖像紋理特征，取出真正有效的特征子集，節省分類器的計算時間，從而提高圖像分類的效率和正確率。

技術領域

本發明屬于圖像處理、智能計算和模式識別的交叉應用領域，涉及群智能優化算法在圖像處理，尤其涉及該技術在圖像處理中的紋理特征選擇問題，具體涉及一種基于煙花算法的紋理圖像特征選擇方法。

背景技術

紋理是一種視覺特性，它能反映物體和圖像里同質的現象，體現的是物體表面共有的一種內在屬性。紋理區別于灰度和顏色等圖像特性，是有像素和領域空間的灰度排列呈現的。由于紋理特征能比較全面的反映圖像本身，并且能夠將圖像的本質區別表示出來以便計算機識別。因此，不管是從視覺方面還是數學方面，紋理特征都應作為圖像分類的一種重要的依據。目前，隨著科學技術的發展和機器視覺在工、農、軍事等各個方面的飛速發展，紋理圖像在遙感分析、工業檢測、圖像檢索、醫療等領域有著廣泛的應用。

常見的幾種紋理特征提取方法包括：以統計為基礎的特征提取、以結構為基礎的特征提取、以信號處理為基礎的特征提取和以模型為基礎的特征提取。以統計為基礎的特征提取方法是基于紋理圖像局部區域內灰度的統計特性來測量像素空間分布情況，通過均值、中值、方差、能量、熵等統計特征值來描述圖像的不同區域間的相異性。以結構為基礎的特征提取方法則是采用復雜曲線描述基元間的拓撲關系、結合紋理的規則度和紋理的局部方向的分級紋理結構等等描述圖像紋理。常見的用于描述紋理特征的模型方法包括馬爾科夫隨機場模型、高斯馬爾科夫隨機場模型、Wold-like模型、Gibbles隨機場模型和分型模型等等。基于信號處理的方法有基于小波分解的方法、傅里葉變換的方法和基于Gabor濾波的分析方法等等。

通過這些方法計算得到的紋理特征向量具有高維度的缺陷，會帶來維數災問題，增加分類器的計算時間，降低分類器的性能。所以為了提高圖像分類的正確率和減少計算工作量，在進行圖像分類識別之前，需要對原始的數據集進行紋理特征選擇，剔除不相關或冗余的紋理圖像特征，盡可能選擇出最能代表紋理圖像特征的特征子集，以提高圖像分類的正確率。

特征選擇也叫特征子集選擇，是指從已有的M個特征中選擇N(N≤M)個特征使得系統的特定指標最優化。特征選擇是影響分類準確率的最重要的因素之一。實質上紋理特征選擇問題是一個計算時間復雜度為指數級別NP難求解問題，其時間復雜度為O(2^M)，M為原始特征個數。常用的求解算法如分支限界法，回溯法等只能求解規模很小的特征選擇問題。實際工作中，特征選擇問題常被視為組合優化問題，采用啟發式算法或者最優化方法獲得它的近似最優解。

發明內容

煙花算法是一種啟發式優化算法，具有很強的全局尋優能力，為了解決在紋理圖像特征問題，本發明提出一種基于煙花算法的紋理圖像特征選擇方法。

為了達到上述目的，本發明所采用的技術方案是：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；

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；