[发明专利]一种基于小波孪生支持向量机的灰度图分类方法与系统

摘要

本发明一种基于小波孪生支持向量机的灰度图分类方法与系统涉及人工智能和计算机图像处理技术领域,特别涉及一种基于小波孪生支持向量机的灰度图分类方法与系统。所要解决的问题是灰度图像分类问题。本发明包括先提取灰度图的纹理特征和边缘特征构造加权混合特征；然后利用人工萤火虫算法选取小波孪生支持向量机分类器的参数；使用选定的参数和灰度图像的加权混合特征作为输入以及小波函数作为核函数构建小波孪生支持向量机的二次规划问题；提取未知类别的新灰度图的加权混合特征，输入到小波孪生支持向量机分类器，输出新灰度图像对应的类别。

主权项

一种基于小波孪生支持向量机的灰度图分类方法与系统，主要包括：步骤1：灰度图纹理特征提取，根据灰度共生矩阵计算灰度图熵、能量、相关性、逆差距,采用这四个指标的均值作为纹理特征；步骤2：灰度图边缘特征提取，使用高斯滤波器对原图进行去噪，计算梯度幅值确定图像各点邻域强度的变化值将图像灰度点邻域强度值有显著变化的点突显出来，通过阈值化方法来检测有用边缘信息作为边缘特征；步骤3：构造加权混合特征，将步骤1和步骤2得到的纹理特征和边缘特征赋予不同权重，然后组合并进行归一化作为灰度图的混合特征；步骤4：人工萤火虫算法初始化，设定人工萤火虫算法的最大迭代次数、荧光素挥发因子、萤火虫在解空间中的初始位置、移动步长、初试感知半径、动态决策域更新率和个体领域集内的萤火虫数目阈值，并设置当前迭代次数为0；步骤5：利用人工萤火虫算法选取小波孪生支持向量机的参数，设置当前每个萤火虫个体的位置作为小波孪生支持向量机的参数，随机选取80％图像作为训练集用于训练，剩余图像构成测试集用于测试，将训练集图像在步骤1得到的灰度图特征数据作为输入，训练得到小波孪生支持向量机模型，将测试集输入得到的小波孪生支持向量机模型计算准确率ACCi作为每个萤火虫个体的目标函数值，并统计出当前迭代下的最优目标函数值，记录当次迭代具有最优值个体的位置信息，判断此准确率是否为全局最优，如果是，更新全局最优值，并记录此组最优参数值，如果不是，再判断是否达到迭代次数的最大上限,如果是，则执行步骤6，否则，当前迭代次数加1，根据当前全局最优值信息更新所有萤火虫个体的荧光素值，种群中的每个萤火虫个体都在其自己的动态决策域半径内，自动比较周围个体的荧光素值，并将大于自己的个体挑选出来，进而组成自己的邻域集，计算移向其邻域集内个体的概率值，每个个体根据概率值选定需要进行移动的对象，并向其完成移动操作，修改各自的位置信息和动态决策半径，重新执行步骤5；步骤6：小波孪生支持向量机分类器的构建，使用步骤5记录的全局最优值所对应的萤火虫位置向量作为参数，并以所有灰度图的特征数据作为输入，采用拟牛顿算法求解小波孪生支持向量机的二次规划问题，训练得到最终的小波孪生支持向量机分类器；步骤7：当得到一张未知类别的新灰度图时，将图像输入量化并执行步骤1、步骤2和步骤3得到新灰度图的混合特征数据，将该特征输入步骤6得到的小波孪生支持向量机分类器，输出为该新灰度图对应的类别。