基于深度神经网络的多尺度特征提取方法

摘要

针对传统特征提取方法不能很好地表示左右不对称和弯曲叶片图像信息的问题,提出一种基于深度神经网络的多尺度特征提取方法。首先借鉴空间金字塔匹配模型思想,提取各个空间子区域的高阶Zernike矩特征,使用滑动圆形窗口提取对象域的极坐标傅里叶变换描述子;其次将Zernike矩和傅里叶特征作为深度神经网络的输入向量获取深度抽象特征。实验结果表明,与多种特征提取方法相比,该方法具有较好的特征表示性能。