[发明专利]一种基于果蝇优化算法和光滑孪生支持向量机的彩色图像分类方法与系统

摘要

本发明一种基于果蝇优化算法和光滑孪生支持向量机的彩色图像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,特别涉及一种基于果蝇优化算法和光滑孪生支持向量机的彩色图像分类方法与系统。所要解决的问题是彩色图像分类问题。本发明包括：先提取彩色图像的颜色特征和纹理特征构造加权混合特征；然后利用果蝇优化算法选取光滑孪生支持向量机分类器的参数；使用选定的参数和彩色图像的加权混合特征作为输入构建光滑孪生支持向量机的二次规划问题，使用光滑方法求解二次规划问题得到光滑孪生支持向量机分类器；提取未知类别的新图像的加权混合特征，输入到光滑孪生支持向量机分类器，输出新图像对应的类别。

主权项

一种基于果蝇优化算法和光滑孪生支持向量机的彩色图像分类方法与系统，主要包括：步骤1：颜色特征提取，将RGB颜色空间转换为HSV颜色空间，将HSV颜色空间均匀量化，统计不同颜色在图像中所占的比例作为该图像的颜色特征；步骤2：纹理特征提取，将各颜色分量转化为灰度，对灰度级压缩,计算共生矩阵，根据灰度共生矩阵计算能量、熵、相关性、逆差距,采用这四个指标的均值作为纹理特征；步骤3：构造加权混合特征，将步骤2和步骤3得到的颜色特征向量和纹理特征赋予不同权重，然后组合并进行归一化作为彩色图像的混合特征；步骤4：果蝇优化算法初始化，设定果蝇优化算法的最大迭代次数、群体规模和果蝇初始位置并随机设定初始飞行距离，设定初始最佳味道浓度为0，当前迭代次数为0；步骤5：利用果蝇优化算法选取光滑孪生支持向量机的参数，计算当前每个果蝇个体的味道浓度判定值作为光滑孪生支持向量机的参数，随机选取80％图像作为训练集，剩余图像构成测试集，将训练集图像在步骤3得到的加权混合特征数据作为输入，训练得到光滑孪生支持向量机模型，将测试集输入光滑孪生支持向量机模型计算准确率ACC_i作为味道浓度Smell(i)，如果味道浓度Smell(i)大于最佳味道浓度Best_Smell，将最佳味道浓度赋值为Smell(i)的值并记录对应的果蝇位置信息和味道判定值，迭代次数加1，如果当前迭代次数大于了最大迭代次数，则执行步骤6,否则更新所有果蝇的位置，如果该步中最佳味道浓度未更新，对所有果蝇位置加一个高斯扰动，随机赋予每个果蝇一个飞行距离，然后重新执行步骤5；步骤6：光滑孪生支持向量机分类器的构建，使用步骤5最后记录的味道判定值作为参数和所有图像的混合特征数据作为输入，采用光滑算法求解光滑孪生支持向量机的二次规划问题，训练得到最终的光滑孪生支持向量机分类器；步骤7：当得到一张未知类别的新图像时，将图像输入量化并执行步骤2、步骤3和步骤4得到新图像的特征数据，将该特征输入步骤7得到的光滑孪生支持向量机分类器，输出为新图像对应的类别。