基于成像光谱仪的景德镇 青花瓷鉴别分类

虽然单独使用迁移学习网络模型虽然可以输出图像的类别，但是数据的前期准备过于复杂，并且在某些时期的景德镇青花瓷图像并不易于区分正确。同时作为景德镇青花瓷来说，想要获取充分数量的景德镇青花瓷非成像光谱数据并不容易，与迁移学习网络模型训练所需的图像样本来说，景德镇青花瓷非成像光谱数据的样本是较少的，想要获取足够的数据成本又太大。本章获取的成像光谱数据具有图谱合一的特点，即同时包括样本的图像信息和光谱信息。

空间维是成像光谱数据最直观的表现形式，在对成像光谱数据空间维进行分类的时候，选取训练样本往往是很方便的，可以通过随机选择的3个波段合成图像，将图像进行预处理即可进行图像模式下的不同年代景德镇青花瓷图像的分类（彭玉凤，2021）。在成像光谱数据的光谱维中，每一个像元矢量都有一条近似连续的光谱曲线相对应，该曲线视为像元相对区域对电磁波波段的光谱响应函数，每个像元的灰度值在不同波段中的变化反映出了此像元所代表的目标信息，这也是进行目标识别和分类的前提。高光谱成像数据随着波段的增多，样本的光谱数据量大量增加，为非成像光谱模式下的不同年代景德镇青花瓷图像的分类打下了基础。