刘 彬 刘 静 吴 超 杨有恒

①(燕山大学电气工程学院 秦皇岛 066004)

②(燕山大学信息科学与工程学院 秦皇岛 066004)

1 引言

近年来，随着图像分类领域的飞速发展，词袋模型[1]作为一种简单有效的图像分类方法得到了广泛的关注和研究。该方法将图像特征量化为视觉单词，通过统计出视觉单词的频率直方图完成图像表示。然而，仅统计单词特征出现次数来表示图像，使得特征分布中的空间信息未被有效利用。因此，Lazebnik等人[2]提出了空间金字塔词袋模型(Spatial Pyramid Matching,SPM)，将图像划分成不同尺寸的子区域分别进行直方图统计，有效提高了词袋模型的分类能力，因此很多算法均基于SPM进行改进。

为提高分类效率，Li等人[3]在SPM中引入极限学习机(Extreme Learning Machine,ELM)[4]，利用其对提取出的SPM特征进行分类。由于ELM具有良好的特征，因而广泛应用于分类、预测和回归等领域[5–7]。然而传统ELM只能利用已提取好的特征向量来训练网络，无法考虑特征的空间分布信息。因此，Huang等人[8]提出局部感受野极限学习机(Local Receptive Fields based Extreme Learning Machine,ELM-LRF)，通过将局部感受野与ELM相结合，使得网络可以利用空间信息以增加特征辨识度。然而对于复杂图像，单层网络提取出的特征信息表达能力有限，无法进一步提高网络分类能力。随着计算机性能的不断提升，研究学者提出了AlexNet,GoogleNet等深度学习网络结构[9–12]，然而其训练网络所需的计算量远超传统分类算法。而ELM-LRF网络简单、易于训练、泛化性强，在处理一些分类任务时同样能够获得较高精度。

由于传统ELM训练方法通常使用的均方根误差(Mean Square Error,MSE)准则对训练数据中的离群点和脉冲噪声较为敏感。……