魏英姿 欧阳海飞 谭龙田

摘  要：研究汽车商标图像的检索对道路交通安全、驾驶辅助系统开发将起到重要作用。利用极端学习机快速收敛的特点，以HU不变矩作为主要特征值训练极端学习机，并针对不同检索目标选择不同的训练特征参数，设定Harris角点与质心的距离比作为特征值，以检索不同类型汽车商标图像。采用差分进化算法训练极端学习机的输入权值与隐层偏置值，避免了极端学习机的随机性，提高检索精度。实验结果表明，引入新的特征值和使用差分进化算法训练极端学习机都对检索结果有明显的改善。

关键词：图像检索;极端学习机;差分进化;特征提取

引言

汽车主动安全技术也成为近年来研究的热点，利用多种传感器和先进的信号处理技术为驾驶者提供驾驶辅助，甚至在紧急安全时刻主动介入驾驶。智能机器视觉技术应用在汽车安全辅助驾驶上已得到广泛关注，针对汽车商标的图像检索是汽车安全驾驶中机器识别的一部分[1]。文章研究基于内容的汽车商标图像检索方法，力图通过有效的机器学习方法在线找到检索目标[2]。

极端学习机（Extreme learning machine， ELM）已被证明是快速并有效的单隐层前馈神经网络[3]。在车标检索中引入ELM算法，能在很大程度上提高检索速度，进而提高安全驾驶中机器视觉的精度与速度。但是，由于ELM算法输入权值与隐层偏置值多采用随机方法设置，有时会使网络的隐层输出矩阵H无法达到列满秩，进而降低ELM的有效性。……