[发明专利]一种基于深度学习的高光谱古绘画检测识别方法

说明书

本发明提供一种基于深度学习的高光谱古绘画检测识别方法，包括：采集古绘画高光谱数据，构建高光谱古绘画数据集；对所述高光谱古绘画数据集进行数据扩充；利用去伪投影匹配解混算法进行混合像元分解；构建基于深度学习的多元特征提取模型，提取古绘画高光谱的光谱信息和空间信息；构建多元信息多尺度特征融合检测识别模型；在所述高光谱古绘画数据集中随机选取测试样本，形成新的数据集，对所述检测识别模型进行验证。本发明利用高光谱影像信息量丰富的技术优势和基于深度学习的神经网络目标检测的快速性、准确性、高效性等优势，对古代绘画进行检测识别，不仅具有快速、高效的特点，同时弥补了普通绘画图像处理中光谱信息不足的缺点。

技术领域

本发明涉及高光谱影像处理技术领域，特别涉及一种基于深度学习的高光谱古绘画检测识别方法。

背景技术

由于古代绘画在文化传播上的特殊性，对绘画艺术鉴赏和研究是十分必要的，中华文化底蕴深厚，其绘画具有内容之广、信息量之大、数量之巨的特点，同时期的绘画中包含了多种绘画的类型，且同时期的绘画类型又在不同朝代的绘画中均有所体现，当前的绘画图像鉴赏检测工作，主要依赖大量的人工标注来进行分析与处理，准确识别绘画年代具有挑战性。近年来，高光谱技术在文物古玩上的应用日渐兴起，高光谱图像具有丰富的光谱特征信息和空间特征信息，高光谱数据作为一种具有海量信息的“数据立方体”，使得对古绘画的检测研究具有很大的挖掘价值。不同年代的绘画，由于创作者所属年代的不同，使用的颜料和绘画风格都各有不同，通过对高光谱古绘画进行检测识别，从艺术图像中提取特征信息并进行检测识别，既可以满足人们对艺术和文化研究的需求，同时也可为古绘画文物的修复工作提供帮助。

绘画人物检测需要高光谱影像识别、艺术学、计算机视觉、特征提取、模式识别、人工智能等领域的共同支持，交叉学科带来技术创新的同时也使得古绘画年代检测研究极具挑战性。绘画艺术常常由于所属年代的不同造成颜料使用的差异，另外创作者受当时所属文化的影响抽象过程的不同、对于线条的艺术表达的特殊性，使得不同年代的绘画的内容、风格、抒发的感情也具有不同的特色。各朝代的文物，尤其是绘画类文物最带有各朝代的政治象征特色，但在相近的朝代得绘画风格以及内容之间的变化是微妙的，例如：中唐以及晚唐的壁画无论是风格还是内容上都很相似，所以仅凭人眼观察，很难分辨这两个朝代绘画创作所具有的时代属性。目前还缺乏对高光谱古绘画检测识别的研究，而绘画艺术研究作为人类对精神世界的追求，对其进行深入的、多角度的研究是十分必要的。

发明内容

本发明的目的在于提供一种基于深度学习的高光谱古绘画检测识别方法，以解决对于古绘画年代、真假、内容表达等检测识别的技术问题。

为解决上述技术问题，本发明的实施例提供如下方案：

一种基于深度学习的高光谱古绘画检测识别方法，包括以下步骤：

S1、采集古绘画高光谱数据，构建高光谱古绘画数据集；

S2、对所述高光谱古绘画数据集进行数据扩充；

S3、利用去伪投影匹配解混算法进行混合像元分解；

S4、构建基于深度学习的多元特征提取模型，提取古绘画高光谱的光谱信息和空间信息；

S5、构建多元信息多尺度特征融合检测识别模型；

S6、在所述高光谱古绘画数据集中随机选取测试样本，形成新的数据集，对所述检测识别模型进行验证。

优选地，所述步骤S1包括：

通过现有的高光谱古绘画公共数据和使用高光谱成像设备采集古绘画高光谱数据，构建高光谱古绘画数据集，所述高光谱古绘画数据集中包含不同年代的人物绘画图像、风景绘画图像、动物花卉图像的高光谱古绘画数据；

对所述高光谱古绘画数据集中的样本数据进行标注，分为训练样本和测试样本；