图像处理

在未知环境中，无人机着陆地貌的自动识别和分类有着极其重要的研究意义，本文提出一种基于稀疏编码和卷积神经网络地貌场景图像分类算法。首先,对训练样本进行非下采样Contourlet变换进行多尺度分解并选取前两层分解图像；然后,在训练样本中选择图像利用稀疏编码学习局部特征，将特征向量按照灰度平均梯度值从大到小进行排序；最后,选择灰度平均梯度较大的特征向量对CNN卷积核进行初始化，通过特征学习得到全局特征向量，并送入SVM中得到地貌图像分类结果。实验结果表明，采用稀疏编码学习到原图像中具有统计特性的特征对CNN卷积核初始化，获得比传统底层视觉特征更好的分类结果，有效避免了网络训练陷入局部最优；提高了自然地貌场景下无人机着陆地貌的分类准确率。

刘芳, 王鑫, 路丽霞, 黄光伟, 王洪娟. 基于稀疏编码和卷积神经网络地貌图像分类[J]. 光学学报, 2019, 39(04): 1.  复制并引用该论文