基于卷积神经网络的城墙多光谱成像病害检测方法

Abstract

针对传统城墙病害检测采用人工勘测方法,检测效率较低且易受到主观因素干扰等问题,提出一种基于卷积神经网络的城墙多光谱成像病害无损检测方法,利用最小噪声分离方法对城墙多光谱成像数据进行预处理,降低数据维度的同时保留原始数据特征,减少数据噪声;为解决城墙不同病害类型的像素混杂多样造成分类准确率较低的问题,利用卷积操作对城墙病害进行特征提取,保留最重要的特征并去除无关特征,稀疏网络模型;通过全连接层对提取到的特征进行整合梳理和分类,并加入两次dropout防止过拟合问题的出现。最后在城墙多光谱数据集上,使用训练后的卷积神经网络分类模型对城墙病害进行像素级分类检测,并将预测结果进行可视化展示。实验结果表明:总体精度和Kappa系数分别为93.28%和0.91,表明所提方法是有效的,该方法对提高城墙病害检测准确率、掌握城墙病害分布具有重要意义。