[發明專利]基于DCT-CNN模型的無人機著陸地貌圖像分類方法

有效

• 申請號: 201711028874.8
• 申請日: 2017-10-29
• 公開（公告）號: CN107748895B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 劉芳;路麗霞;黃光偉;王洪娟;王鑫;吳志威
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

1.基于DCT-CNN模型的無人機著陸地貌圖像分類方法，其特征在于，該方法包括以下步驟，

S1：獲取無人機著陸地貌圖像，圖像分為訓練圖像集和測試圖像集；

S2：對無人機著陸地貌圖像DCT變換，并進行DCT系數的篩選，具體如下：

S2.1：首先對無人機著陸地貌圖像進行8×8分塊，對無人機著陸地貌進行分塊后形成子塊，對每個子塊分別進行DCT變換；

S2.2：DCT變換后得到8×8的系數矩陣，對DCT系數進行選擇，按照ZigZag掃描的方式保留矩陣左上角的10個低頻系數；

S2.3：對剩余的54個系數采用系數判別法進行系數選擇；提出的系數判別法是：首先求每一個子塊的平均值，并設定平均值為每塊的系數閾值，然后對每個子塊中剩余的54個系數進行選擇，如果系數小于設定的閾值則該系數置0，大于閾值則保留該系數；

S2.4：把每幅圖像篩選的DCT系數進行整合得到DCT系數矩陣；

S3：針對無人機著陸地貌圖像場景復雜、信息豐富的特點構建了一個14層用于無人機著陸地貌圖像分類的DCT-CNN網絡結構，包括一個輸入層、五個卷積層、三個池化層，四個ReLU層和一個輸出層，具體如下：

S3.1：DCT-CNN模型中的五層卷積層為5-6-9-4-1結構，卷積核大小分別為：第一層卷積層是5×5，第二層是6×6，第三層是9×9，第四層是4×4，第五層為1×1；

S3.2：DCT-CNN模型中的池化層采用了平均池化和最大值池化兩種方法，總共有三層池化層，第一個池化層采用平均池化，后兩層池化采用最大值池化；

S3.3：DCT-CNN模型中增加了zero padding，表示對特征圖進行0填充操作，當pad＝1時，將每張輸入特征圖向四周擴展1格用0填充，填充后相當于長、寬各加2，之后再進行卷積、池化過程；

S3.4：在該網絡結構中，每一層卷積層后面接著一層激活函數層，是為了給網絡加入非線性的因素，使得卷積神經網絡可以更好地解決較為復雜的問題，該卷積神經網絡中采用的是ReLU激活函數，其公式為：

f(x)＝max(0,x)

x為ReLU激活函數自變量；

S4：將訓練集的DCT系數輸入到改進的DCT-CNN模型中訓練，并對網絡進行參數更新，直到損失函數收斂于一個較小的值，訓練結束；

S5：將訓練圖像特征集作為訓練樣本對SVM分類器進行訓練；

S6：輸入測試集，利用訓練好的模型對測試圖像的DCT系數進行逐層學習，最后將得到的一維特征向量輸入到訓練好的SVM分類器中進行分類，得到分類結果。