随着计算机应用的不断深入,人们希望计算机能够模拟人类的各种活动,从而有效地协助人类的生产和生活。计算机视觉是完成这一目标的重要任务之一,它的目的是模仿人眼对外部世界进行感知和认知。由于纹理的普遍性,以及其在人类感知和认知外部世界过程中所起的重要作用,因此,对纹理的研究是计算机视觉里非常重要的一部分。为了提高纹理图像的正确识别率,本文在基本概率神经网络用于分类识别率较高的基础上,引入差异进化的方法来弥补基本概率神经网络的不足,从而提出了一种进化概率神经网络,并将其应用到纹理图像识别中。差异进化算法直接由实数分量构成参数矢量,采用统一的概率分布来随机选择初始种群,使得收敛速度大大加快;算法中的交叉操作范围很广(随机性的采用个体的多个分量),从而较易保持群体的多样性;选择操作具有针对性,这就保证了种群能够稳定的收敛到最优解。实验结果表明该方法具有较高的正确识别率,且收敛速度较快。通过分析纹理图像的特点,发现在实际的纹理识别中,某些类别的纹理特征较为明显,只需要较少参数即可识别,而某些类别的纹理,特征很不明显,需要较多的特征参数作为输入参数才能达到较高的识别率。针对该问题,本文在进化概率神经网络的基础上提出了一种双进化概率神经网络,并将其应用到纹理图像识别中。由于局域能量较大的像素代表了原始图像中的明显特征,本文根据此思想做了大量的实验,提出了一个能够有效衡量纹理图像特征明显与否的指标,从而确保了双进化概率神经网络的有效性。通过应用实例表明,采用双进化概率神经网络进行纹理图像识别,不仅正确识别率较高,而且识别速度更快。