一种基于极端学习机的纹理分类方法
申请号： 201510025460.4 专利类型：发明 公开(授权)日：2017-12-08
本发明公开了一种基于极端学习机的纹理分类方法，该方法包括以下步骤：对已知的纹理图像样本进行特征提取，获取纹理特征向量；采用极端学习机作为基分类器，将纹理特征向量作为极端学习机的输入元素，训练基分类器，利用训练样本集对基分类器进行训练，建立分类模型；对未知的纹理图像进行特征提取，根据构建的动力学模型，获得多个基分类器的输出向量；对未知纹理图像获得的多个输出向量，采用动力模型将其进行融合，利用最大决策规则进行未知的纹理图像识别。本发明实现了纹理图像的自动分类和识别，能够获得较高的分类进度，提高了工作效率及其稳定性。本发明具有精度高、速度快、稳定性强等诸多优点，可以用于纹理图像的自动检测。
