[發明專利]一種基于深度學習的高光譜古繪畫檢測識別方法

在審

• 申請號: 202010080017.8
• 申請日: 2020-02-04
• 公開（公告）號: CN111291675A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 藍金輝;杜瑜;張隆躍;李彪
• 申請（專利權）人: 北京科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波;鄧琳

本發明提供一種基于深度學習的高光譜古繪畫檢測識別方法，包括：采集古繪畫高光譜數據，構建高光譜古繪畫數據集；對所述高光譜古繪畫數據集進行數據擴充；利用去偽投影匹配解混算法進行混合像元分解；構建基于深度學習的多元特征提取模型，提取古繪畫高光譜的光譜信息和空間信息；構建多元信息多尺度特征融合檢測識別模型；在所述高光譜古繪畫數據集中隨機選取測試樣本，形成新的數據集，對所述檢測識別模型進行驗證。本發明利用高光譜影像信息量豐富的技術優勢和基于深度學習的神經網絡目標檢測的快速性、準確性、高效性等優勢，對古代繪畫進行檢測識別，不僅具有快速、高效的特點，同時彌補了普通繪畫圖像處理中光譜信息不足的缺點。

技術領域

本發明涉及高光譜影像處理技術領域，特別涉及一種基于深度學習的高光譜古繪畫檢測識別方法。

背景技術

由于古代繪畫在文化傳播上的特殊性，對繪畫藝術鑒賞和研究是十分必要的，中華文化底蘊深厚，其繪畫具有內容之廣、信息量之大、數量之巨的特點，同時期的繪畫中包含了多種繪畫的類型，且同時期的繪畫類型又在不同朝代的繪畫中均有所體現，當前的繪畫圖像鑒賞檢測工作，主要依賴大量的人工標注來進行分析與處理，準確識別繪畫年代具有挑戰性。近年來，高光譜技術在文物古玩上的應用日漸興起，高光譜圖像具有豐富的光譜特征信息和空間特征信息，高光譜數據作為一種具有海量信息的“數據立方體”，使得對古繪畫的檢測研究具有很大的挖掘價值。不同年代的繪畫，由于創作者所屬年代的不同，使用的顏料和繪畫風格都各有不同，通過對高光譜古繪畫進行檢測識別，從藝術圖像中提取特征信息并進行檢測識別，既可以滿足人們對藝術和文化研究的需求，同時也可為古繪畫文物的修復工作提供幫助。

繪畫人物檢測需要高光譜影像識別、藝術學、計算機視覺、特征提取、模式識別、人工智能等領域的共同支持，交叉學科帶來技術創新的同時也使得古繪畫年代檢測研究極具挑戰性。繪畫藝術常常由于所屬年代的不同造成顏料使用的差異，另外創作者受當時所屬文化的影響抽象過程的不同、對于線條的藝術表達的特殊性，使得不同年代的繪畫的內容、風格、抒發的感情也具有不同的特色。各朝代的文物，尤其是繪畫類文物最帶有各朝代的政治象征特色，但在相近的朝代得繪畫風格以及內容之間的變化是微妙的，例如：中唐以及晚唐的壁畫無論是風格還是內容上都很相似，所以僅憑人眼觀察，很難分辨這兩個朝代繪畫創作所具有的時代屬性。目前還缺乏對高光譜古繪畫檢測識別的研究，而繪畫藝術研究作為人類對精神世界的追求，對其進行深入的、多角度的研究是十分必要的。

發明內容

本發明的目的在于提供一種基于深度學習的高光譜古繪畫檢測識別方法，以解決對于古繪畫年代、真假、內容表達等檢測識別的技術問題。

為解決上述技術問題，本發明的實施例提供如下方案：

一種基于深度學習的高光譜古繪畫檢測識別方法，包括以下步驟：

S1、采集古繪畫高光譜數據，構建高光譜古繪畫數據集；

S2、對所述高光譜古繪畫數據集進行數據擴充；

S3、利用去偽投影匹配解混算法進行混合像元分解；

S4、構建基于深度學習的多元特征提取模型，提取古繪畫高光譜的光譜信息和空間信息；

S5、構建多元信息多尺度特征融合檢測識別模型；

S6、在所述高光譜古繪畫數據集中隨機選取測試樣本，形成新的數據集，對所述檢測識別模型進行驗證。

優選地，所述步驟S1包括：

通過現有的高光譜古繪畫公共數據和使用高光譜成像設備采集古繪畫高光譜數據，構建高光譜古繪畫數據集，所述高光譜古繪畫數據集中包含不同年代的人物繪畫圖像、風景繪畫圖像、動物花卉圖像的高光譜古繪畫數據；

對所述高光譜古繪畫數據集中的樣本數據進行標注，分為訓練樣本和測試樣本；