基于LBP-DEELM的木材紋理分類算法

向 東，陳 宇，陳廣勝

(東北林業大學信息與計算機工程學院，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

(東北林業大學信息與計算機工程學院，黑龍江 哈爾濱 150040)

為解決傳統木材紋理分類的準確率低且難度大的問題，提出了一種基于LBP-DEELM(局部二值-差分演化優化極限學習機)模型的木材紋理分類算法。在闡述局部二值算子(LBP)和差分演化優化極限學習機(DEELM)算法的基礎上，使用均勻旋轉不變的LBP模式提取紋理的特征值，結合差分演化算法進行極限學習機優化，通過訓練得到每類紋理所對應的分類器模型參數，構造分類器，實現了對木材紋理準確高效的分類。實驗結果表明，相比于BP神經網絡，SVM支持向量機等分類算法，該模型的實驗誤差率為2%左右，準確率高，實用性強。

木材紋理分類；LBP算子；差分演化優化極限學習機；分類器

木材紋理分類[1]是木材優化利用的重要部分，但限于木材紋理的天然屬性，紋理結構精細復雜、無規律，使得紋理分類一直是木材學的前沿課題。近年來隨著計算機視覺技術的發展，將其引入木材學，也為解決木材紋理分類問題提供了新思路。針對不同的分類研究，國內外學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，馬爾可夫隨機場，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神經網絡、SVM支持向量機[2]、決策樹[3]、貝葉斯、Gauss-Newton(高斯牛頓)等。然而我國對于木材紋理分類的研究起步較晚，初期主要是對國外的經驗總結，優化傳統的分類算法，大多紋理分類模型都是基于以上算法的結合，取得了一定的成果；……