基于LBP-DEELM的木材紋理分類算法研究.pdf

1、木材紋理分類是木材優(yōu)化利用的關(guān)鍵，是木材加工過程的前提環(huán)節(jié)。隨著計(jì)算機(jī)視覺的廣泛應(yīng)用，將計(jì)算機(jī)視覺技術(shù)應(yīng)用到木材紋理分類層面，具有理論和實(shí)踐雙重價(jià)值。本文詳細(xì)介紹了木材紋理特征提取的過程以及利用差分演化優(yōu)化極限學(xué)習(xí)機(jī)模型的分類過程，主要內(nèi)容如下:
　　(1)本文將局部二值模式算子引入木材紋理特征提取研究中。由于木材紋理天然精細(xì)，無組織結(jié)構(gòu)等特點(diǎn)，在獲取特征矩陣時較為困難，固利用局部二值模式算子來提取木材紋理特征。與此同時，為解決傳

2、統(tǒng)紋理特征矩陣數(shù)量巨大，且提取特征矩陣依賴于當(dāng)前木材紋理圖片的擺放，不能準(zhǔn)確區(qū)分是否因旋轉(zhuǎn)圖像得到的特征矩陣等因素，本文擴(kuò)展應(yīng)用LBP算子，耦合均勻模式，旋轉(zhuǎn)不變特性。優(yōu)化后的LBP算子，不僅在量級層面上明顯減小，且不失描述紋理特征，提高了實(shí)驗(yàn)的高效性，更加便于紋理特征的分類研究。
　　(2)本文將差分演化算法和極限學(xué)習(xí)機(jī)算法引入到木材紋理分類研究中。在闡述差分演化算法、極限學(xué)習(xí)機(jī)算法的基礎(chǔ)上，利用差分演化對紋理特征參數(shù)的優(yōu)化，剔

3、除了一些在成本函數(shù)貢獻(xiàn)較少的節(jié)點(diǎn)。而后極限學(xué)習(xí)機(jī)算法根據(jù)輸入的參數(shù)值，計(jì)算出最終的權(quán)值，保證良好的收斂性，兼具良好的泛化能力，形成紋理分類器，保證了實(shí)驗(yàn)結(jié)果的正確性和穩(wěn)定性。
　　(3)本文將局部二值模式算子提取的紋理矩陣應(yīng)用到提出的分類模型中。針對算法的優(yōu)點(diǎn)選取樣本，將提出的算法實(shí)驗(yàn)結(jié)果與木材紋理分類的常用算法作對比，如:SVM、BP神經(jīng)網(wǎng)絡(luò)、自適應(yīng)增強(qiáng)算法，極限學(xué)習(xí)機(jī)算法。實(shí)驗(yàn)結(jié)果表明此應(yīng)用模型有較快的執(zhí)行速度，分類準(zhǔn)確度較高