《青花瓷文物高光谱遥感鉴别方法及其应用》简介
《青花瓷文物高光谱遥感鉴别方法及其应用》这本书是由.赵恒谦著创作的,《青花瓷文物高光谱遥感鉴别方法及其应用》共有78章节
4
1.1 遥感青花瓷鉴别研究背景
青花瓷是中国陶瓷发展史上影响最大、成就最高的陶瓷品种之一。青花瓷发展有悠久的历史,由唐代至清末,历朝历代传世和出土总数数不胜数。与此同时,时代、青料、工艺、产地
5
1.2 遥感青花瓷鉴别研究意义
我国历史源远流长,文物遗存丰富,其中古陶瓷类文物种类繁多,工艺精湛,文化内涵丰富,具有极高的科学研究价值。成熟的青花瓷出现在元代景德镇,明清时期是青花瓷发展的主
7
1.3.1 青花瓷鉴别研究现状
在元代,青花料常采用进口钴料着色,锰含量低,铁含量高,硫、砷微量,无铀、镍。元青花最显著的特点是在瓷器表面的青花料区域会有黑色的斑点沉入体内。元代青花的色彩有深
8
1.3.2 深度学习方法研究现状
深度学习是通过构建多层网络,计算机自动从底层开始层层学习,可以经过不同层次的信息处理、转化和抽象,提取出更高维、更抽象的数据,再进行特征表示(HINTON G
9
1.3.3 高光谱遥感数据特征挖掘研究现状
高光谱遥感数据能够提供近乎连续的窄波段光谱信息,这是进行定量与定性研究的基础,高维数据也给高光谱遥感的应用带来了挑战,包括维度灾难和增加的计算成本,数据冗余和噪
10
1.4 遥感青花瓷鉴别面临的挑战
遥感作为一种特殊的图像,早就在2013年世界各国专家学者就开始用深层学习方法开展智能化遥感技术解译的探索,包含总体目标、情景查找、目标检测、地物归类、变化检测、
15
2.1.3 中国古代瓷器的发展
2.1.3.1 新石器时期陶器发展 依据考量的很多考古学材料,在新石器时期在我国陶器的高速发展经历了3个阶段(李耀柄,2004):早期红陶、中期陶器、晚期陶制器
17
2.2 青花瓷的起源与发展
青花瓷,烧造历史之悠久,窑口遍布之广,纹饰、造型之丰富,受到民众喜爱之普遍,是其他品种难与之相比的。中国青花瓷在世界上享有很高的声誉,既是日常生活中不可缺少的用
21
2.3.1 青花瓷真假鉴定
2.3.1.1 从器型上鉴定 青花瓷器型也随着发展需要而变化,这是断定年代的重要指标,有一些器型还保持了前代的设计风格,例如宋朝很流行梅瓶、玉壶,而元朝的青瓷器
23
3 基于真彩色图像的景德镇 青花瓷鉴别分类
21世纪以来,计算机的运算能力和运算速度得到显著提高,在快速的计算能力和巨大数据集的支持下,深度学习也得到了迅猛发展,其中卷积神经网络在图像分类方面应用较广。深
25
3.1.1 青花瓷图像的获取
为了保证数据来源真实可靠,经过调研最终确定选择故宫博物院提供的陶瓷藏品,同时为了快速批量获取各个年代的青花瓷图像,我们使用网络爬虫技术从故宫博物院官网批量获取各
26
3.1.2 青花瓷图像的预处理
深度学习模型结构复杂,利用其进行图像分类需要庞大的数据量,图像数据集的规模和质量直接影响模型的效果,利用网络爬虫技术批量下载博物馆官方提供的青花瓷文物图像可以大
27
3.2 图像分类经典网络模型
在先前的研究中,进行图像分类任务时对图像特征进行提取多是手动进行,之后再使用分类器进行分类,这种方式往往需要大量人力、物力,同时只有有效的图像特征才可以提高图像
28
3.2.1 网络模型的选择
利用不同的模型进行分类,分别有VGG16、AlexNet、DenseNet、GoogleNet、Inception_v3、Resnet50和Squeezenet
29
3.2.2 VGG网络模型
2015年牛津大学的K. Simonyan和A. Zisserman在进行图像分类任务时,首次提出了VGGNet网络模型,VGGNet网络模型最初是为了探索网络
30
3.2.3 ResNet网络模型
通常,CNN的层数越多,识别效果就越好,但是这种情况在层数增加到一定程度后就会出现变化,此时继续增加模型的层数会使识别效果不增反减,这种情形称为梯度消失。为避免