一种基于蚁群优化的图像分类算法.PDFVIP

第３２卷第４期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．４ ２０１５年４月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｐｒ．２０１５ 一种基于蚁群优化的图像分类算法 屠　莉　杨立志 （江苏省信息融合软件工程技术研发中心　江苏江阴２１４４０５） （江阴职业技术学院计算机科学系　江苏江阴２１４４０５） 摘　要　　现有图像降维方法中特征信息被过多压缩，从而影响图像分类效果。提出ＩＣＡＣＯ算法，利用蚁群算法来解决图像分类 问题。算法充分提取并保留图像的各种形态特征。利用蚁群优化算法在特征集中自动挖掘有效特征和特征值，构建各类分类规则， 从而实现图像的分类识别。在真实的车标图像数据集上的实验结果表明，ＩＣＡＣＯ算法比其他类似算法具有更高的分类识别率。 关键词　　蚁群算法　图像分类　特征选择　分类规则　车标图像 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１５．０４．０４８ ＡＮＩＭＡＧＥＣＬＡＳＳＩＦＩＣＡＴＩＯＮＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮＡＮＴＣＯＬＯＮＹＯＰＴＩＭＩＳＡＴＩＯＮ ＴｕＬｉ　ＹａｎｇＬｉｚｈｉ （ＪｉａｎｇｓｕＥｎｇｉｎｅｅｒｉｎｇＲ＆ＤＣｅｎｔｅｒｆｏｒＩｎｆｏｒｍａｔｉｏｎＦｕｓｉｏｎＳｏｆｔｗａｒｅ，Ｊｉａｎｇｙｉｎ２１４４０５，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） （ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＪｉａｎｇｙｉｎＰｏｌｙｔｅｃｈｎｉｃＣｏｌｌｅｇｅ，Ｊｉａｎｇｙｉｎ２１４４０５，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｆｅａｔｕｒｅｉｎｆｏｒｍａｔｉｏｎｉｎｃｕｒｒｅｎｔｉｍａｇｅｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎｍｅｔｈｏｄｓｈａｓｂｅｅｎｅｘｃｅｓｓｉｖｅｌｙｃｏｍｐｒｅｓｓｅｄ，ｗｈｉｃｈｉｍｐａｃｔｓｔｈｅ ｅｆｆｉｃｉｅｎｃｙｏｆｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎ．ＩｎｔｈｉｓｐａｐｅｒｗｅｐｒｅｓｅｎｔｔｈｅＩＣＡＣＯａｌｇｏｒｉｔｈｍ，ｉｔｅｍｐｌｏｙｓａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｓａｔｉｏｎｔｏｓｏｌｖｅｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎｐｒｏｂｌｅｍ．Ｔｈｅａｌｇｏｒｉｔｈｍｆｕｌｌｙｅｘｔｒａｃｔｓｖａｒｉｏｕｓｍｏｒｐｈｏｌｏｇｉｃａｌｆｅａｔｕｒｅｓｏｆｉｍａｇｅａｎｄｒｅｔａｉｎｓｔｈｅｍ．Ｔｈｅａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｓａｔｉｏｎｉｓ ｕｓｅｄｔｏａｕｔｏｍａｔｉｃａｌｌｙｍｉｎｅｅｆｆｅｃｔｉｖｅｆｅａｔｕｒｅｓａｎｄｆｅａｔｕｒｅｖａｌｕｅｓｆｒｏｍｆｅａｔｕｒｅｓｅｔｓ，ｔｈｅａｌｇｏｒｉｔｈｍｔｈｅｎｃｏｎｓｔｒｕｃｔｓｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｕｌｅｓｏｆｅｖｅｒｙ ｔｙｐｅ，ｔｈｕｓｒｅａｌｉｓｅｓｉｍａｇｅ’ｓｃｌａｓｓｉｆｉｅｄｒｅｃｏｇｎｉｔｉｏｎ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎａｃｔｕａｌｖｅｈｉｃｌｅｌｏｇｏｉｍａｇｅｄａｔａｓｅｔｓｓｈｏｗｔｈａｔｔｈｅＩＣＡＣＯａｌｇｏｒｉｔｈｍ ｏｕｔｐｅｒｆｏｒｍｓｏｔｈｅｒｓｉｍｉｌａｒａｌｇｏｒｉｔｈｍｓｉｎｔｅｒｍｓｏｆｔｈｅｃｌａｓｓｉｆｉｅｄｒｅｃｏｇｎｉｔｉｏｎａｃｃｕｒａｃｙ． Ｋｅｙｗｏｒｄｓ　　Ａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｓａｔｉｏｎ　Ｉｍａｇｅｃｌａｓｓｉｆｉｃａｔｉｏｎ　Ｆｅａｔｕｒｅｓｅｌｅｃｔｉｏｎ　Ｃｌａｓｓｉｆｉｃａｔｉｏｎｒｕｌｅ　Ｖｅｈｉｃｌｅｌｏｇｏｉｍａｇｅ 用蚁群算法ＡＣＯ（ＡｎｔＣｏｌｏｎｙＡｌｇｏｒｉｔｈｍ）在特征集上选择特征和 ０　引　言 特征值，进一步挖掘分类规则，从而实现图像的分类识别。算法 可以较好地保留特征信息，并选择最优特征构建