论文部分内容阅读
古代壁画颜料识别是当今文明保护领域的重要工作,传统光谱匹配法是以光谱反射率为基础对颜料进行识别,但获取每个点反射率的过程复杂、计算具有一定误差,会对识别精度产生影响。针对这种现象,本文将壁画颜料识别的问题转化成多光谱图像分类的问题,利用在图像分类领域有较强优势的卷积神经网络算法对多光谱图像进行处理,设计了一种新的卷积神经网络模型,并提出了光谱特征重组的数据预处理方式,通过加入两次dropout防止训练过程出现过拟合问题,进而实现对古壁画颜料的分类。实验结果表明,该方法与统计流形SVM分类方法以及未加入dropout的卷积神经网络分类法相比,实验分类效果和分类精度具有明显的优势。