深度学习方法在图像的特征提取方面具有优势。针对传统特征提取方法需要先验知识的不足，提出一种自动编码器（AutoEncoder）与卷积神经网络（convolutionalneuralnetwork，CNN）相结合的深度学习特征提取方法。该方法给AutoEncoder加入快速稀疏性控制，据此对图像训练出基本构件，并初始化CNN的卷积核；同时，给CNN加入了滤波机制，使输出特征保持稀疏性。实验结果表明，在Minist手写数字库和Yale人脸库的识别效果上，提出的特征提取方法均取得了较好的结果，实验进一步通过交叉验证T检验指出，引入滤波机制的特征提取模型优于没有采用滤波机制的模型。