關鍵詞：圖像處理 壁畫顏料 多光譜圖像 分類 卷積神經網絡 

摘要：針對傳統光譜匹配法在進行古代壁畫顏料識別時存在的獲取每個點反射率的過程復雜、計算具有一定誤差等會影響識別精度的問題,將壁畫顏料識別問題轉換成多光譜圖像分類問題,利用在圖像分類領域有較強優勢的卷積神經網絡算法對多光譜圖像進行處理,設計了一種新的卷積神經網絡模型,并提出了光譜特征重組的數據預處理方式,通過加入兩次dropout防止訓練過程出現過擬合問題,進而實現了對古壁畫顏料的分類。實驗結果表明,該方法與統計流形支持向量機分類方法,以及未加入dropout的卷積神經網絡分類方法相比,在分類效果和分類精度上具有明顯的優勢。

激光與光電子學進展雜志要求:

{1}參考文獻按引文先后在文中標出序號，并與文后參考文獻序號一致，參考文獻著錄項目要齊全。

{2}文稿內容應包括：文章題名、作者署名、作者單位、摘要、關鍵詞、引言、正文、結束語或結論、參考文獻等。

{3}本刊對擬采用稿件有酌情刪改權，如不同意刪改者，請在來稿中特別聲明。

{4}文內標題層次一般不超過3級，一律用“1”“1.1”“1.2”“1.1.1”“1.1.2”等標識，均頂格寫。

{5}文稿必須包括題名、作者姓名、中英文摘要和關鍵詞、第一作者簡介。

注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社