堆叠自动编码器的金桂花朵图像分割方法

针对金桂的花朵图像,提出一种基于堆叠自动编码器(Stacked Autoencoder,SAE)深度学习的桂花花朵图像分割方法。将花朵RGB彩图通过R-B运算转换成灰度图,将灰度图分成互不重叠子块,对子块进行第一层稀疏自动编码器训练,得到压缩编码特征;对此特征进行第二层稀疏自动编码器训练,得到二层压缩编码特征;然后用此特征和标签进行Softmax层训练;并将2层自动编码器和Softmax层堆叠成深度神经网络;最后用堆叠自动编码器对花朵和背景进行分类。试验结果表明,通过设置合理的参数,提出的深度学习方法能很好地分割出金桂花朵,SD、Dice、ER、NR值分别为77.03%、87.03%、20.80%、6.94%。