基于改进的SAE和DCT的自适应无人机巡线图像识别算法研究

针对无人机巡线过程中无人机拍摄的航拍图像具有场景复杂多变、纹理信息丰富、容易出现图像识别结果错误的问题,本文提出了一种基于改进的稀疏自动编码器和离散余弦变换的自适应无人机巡线图像识别算法。首先,结合SAE和DCT优点构建了DCT-DSAE算法模型,然后根据DCT能量集中的特点提出了自适应DCT系数选择法,在不损失原始输入信息的前提下降低输入数据的冗余信息,最后将自适应选择的DCT系数输入到DCT-SAE模型中,通过特征学习得到图像深层次的特征表达以及最后的分类结果。实验表明,本文提出的基于改进的稀疏自动编码器和离散余弦变换的自适应无人机巡线图像识别算法识别平均正确率达到92.69%,DCT-DSAE算法能自动地学习图像深层复杂、抽象特征,重组的特征有效的提高了无人机巡线图像的识别准确率。