极限学习机在图像分割中的应用

李作仁　王佳玉　安雨桐　祁欣

摘要：计算机视觉是一门研究如何使用机器来观察、理解世界的科学，尤其在这信息技术快速发展的时代，用计算机视觉技术对图像信息进行处理、分析显得尤为重要。图像分割是图像分析、理解和识别的基础，分割效果直接决定了后续图像分析和识别的性能。图像识别是图像处理领域的一部分，是在图像分类基础上进一步对图像分割、识别的研究。[1]目前，已产生了很多图像分割算法，其中基于神经网络的图像分割算法应用最为广泛。但由于传统前馈神经网络在处理图像分割时存在迭代次数多、易陷入局部最优等问题，严重影响了其发展及应用。而极限学习机是一种新的机器学习算法，由于其可调参数少，学习速度快以及良好的泛化性能等优点，正日渐受到众多研究学者们的追捧。该文就以极限学习机的图像分割算法为基础，在确定了最优参数的基础上，建立了基于ELM的图像分割算法，并且通过仿真实验对算法的正确性和有效性进行了验证，指出这种算法能够更加快速地完成对图像的分割，并且图像分割孤立点少，边缘明显，同时该算法大大地缩短了样本的训练时间。

关键词：图像识别；图像分割；机器学习；极限学习机；前馈神经网络；仿真测试

中图分类号：TP75 文献标识码：A 文章编号：1009-3044（2016）03-0207-03

1概述

我们拟基于极限学习机来研究图像分割技术。研究实验 基于极限学习机的图像分割算法在确定了最优参数的基础上，建立了基于ELM的图像分割算法，最后仿真实验证明本文提出的算法能快速有效的分割图像。……