基于LBP-DEELM的木材紋理分類算法

向 東，陳 宇，陳廣勝

(東北林業(yè)大學(xué)信息與計(jì)算機(jī)工程學(xué)院，黑龍江 哈爾濱 150040)

基于LBP-DEELM的木材紋理分類算法

向 東，陳 宇，陳廣勝

(東北林業(yè)大學(xué)信息與計(jì)算機(jī)工程學(xué)院，黑龍江 哈爾濱 150040)

為解決傳統(tǒng)木材紋理分類的準(zhǔn)確率低且難度大的問(wèn)題，提出了一種基于LBP-DEELM(局部二值-差分演化優(yōu)化極限學(xué)習(xí)機(jī))模型的木材紋理分類算法。在闡述局部二值算子(LBP)和差分演化優(yōu)化極限學(xué)習(xí)機(jī)(DEELM)算法的基礎(chǔ)上，使用均勻旋轉(zhuǎn)不變的LBP模式提取紋理的特征值，結(jié)合差分演化算法進(jìn)行極限學(xué)習(xí)機(jī)優(yōu)化，通過(guò)訓(xùn)練得到每類紋理所對(duì)應(yīng)的分類器模型參數(shù)，構(gòu)造分類器，實(shí)現(xiàn)了對(duì)木材紋理準(zhǔn)確高效的分類。實(shí)驗(yàn)結(jié)果表明，相比于BP神經(jīng)網(wǎng)絡(luò)，SVM支持向量機(jī)等分類算法，該模型的實(shí)驗(yàn)誤差率為2%左右，準(zhǔn)確率高，實(shí)用性強(qiáng)。

木材紋理分類；LBP算子；差分演化優(yōu)化極限學(xué)習(xí)機(jī)；分類器

木材紋理分類[1]是木材優(yōu)化利用的重要部分，但限于木材紋理的天然屬性，紋理結(jié)構(gòu)精細(xì)復(fù)雜、無(wú)規(guī)律，使得紋理分類一直是木材學(xué)的前沿課題。近年來(lái)隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，將其引入木材學(xué)，也為解決木材紋理分類問(wèn)題提供了新思路。針對(duì)不同的分類研究，國(guó)內(nèi)外學(xué)者提出了不同的特征提取及紋理分類的算法，灰度共生矩陣法，馬爾可夫隨機(jī)場(chǎng)，尺度不變特征變換法等在特征提取方面取得了一定的突破；而常用的分類算法有BP神經(jīng)網(wǎng)絡(luò)、SVM支持向量機(jī)[2]、決策樹[3]、貝葉斯、Gauss-Newton(高斯牛頓)等。然而我國(guó)對(duì)于木材紋理分類的研究起步較晚，初期主要是對(duì)國(guó)外的經(jīng)驗(yàn)總結(jié)，優(yōu)化傳統(tǒng)的分類算法，大多紋理分類模型都是基于以上算法的結(jié)合，取得了一定的成果；……