基于空谱联合特征的壁画稀疏多光谱图像颜料分类方法

由于受到现场条件和保护要求限制,对壁画进行光谱成像数据采集时需要快速完成,利用稀疏通道成像能够提高数据采集的效率,但其像元颜料光谱反射率曲线呈现非线性,影响壁画多光谱图像颜料分类精度。针对该问题,提出了基于空谱联合特征的壁画稀疏多光谱图像颜料分类方法,采用长短期记忆神经网络中的双曲正切激活函数提取非线性光谱特征,减小对分类精度的影响;针对多光谱成像空间分辨率较高导致相邻像元相关性较强的问题,利用卷积神经网络中线性整流函数把特征图映射到非线性空间,提高模型非线性特征的表达能力;最后使用多尺度融合策略将空间特征和光谱特征相加,消除光谱非线性和空间相关性的问题对分类结果的影响。实验结果表明,OA和Kappa系数分别达到了97%和0.97以上,有效提高了壁画稀疏多光谱图像的颜料分类精度。