光谱色差与主分量特征融合的石窟表面风化智能评估

针对单一光谱特征无法精细化表征石窟表面复杂风化区域风化类型及程度的问题,基于光谱分析与色度学理论,提出了一种光谱色差与主分量特征融合的石窟表面风化智能量化评估方法。重建石窟表面多光谱图像的反射光谱,计算每个像素点与基准点的色差,并使用主成分分析方法提取多光谱图像数据的主分量特征;然后融合石窟表面风化的光谱色差与主分量特征,对不同风化类型及程度进行表征;最后使用随机森林分类器,对石窟表面多光谱图像中每个像素点的风化程度进行智能评估。实验表明,融合光谱色差与主分量特征的方法对复杂风化区域不同风化类型及程度的表征能力优于单一光谱特征,石窟表面整体风化程度评估准确率为99.86%,Kappa系数为0.99,可实现复杂风化区域的精细化表征。

基于多光谱成像和随机森林算法的石窟表面风化智能评估方法

现有的石窟表面风化程度评估多使用人工局部测量方法,这种方法存在效率较低且评估结果易受主观因素影响等问题,鉴于此,提出了一种多光谱成像与随机森林算法相结合的石窟表面风化智能量化评估方法。通过多光谱成像提取的石窟表面光谱信息对风化类型及风化程度进行表征;利用多光谱特征数据重组和标准化处理建立训练、测试及预测样本;基于最小相对熵理论设计损失函数,训练随机森林算法模型,提取不同风化类型及风化程度样本数据的光谱特征;利用训练后具有特征感知能力的分类模型对石窟多光谱图像每个像素点的风化类型及风化程度进行智能预测评估;使用混淆矩阵和Kappa系数对评估结果进行精度评价。以陕西省延安市清凉山万佛寺万佛窟为例对所提方法进行验证,实验结果表明:目标石窟表面强盐析风化区域所占比例为5.15%,弱盐析风化区域所占比例为27.88%,微盐析风化区域所占比例为27.39%,积尘风化区域所占比例为39.58%,评估结果与实际风化状况基本一致,评估的准确率为98.49%,Kappa系数为0.98。所提方法可以实现像素级的精细化评估。