仪器，测量与计量

城墙表面病害类型复杂多样且分布不均，光谱数据对具有空间相似性的病害识别准确率低。针对单一数据无法全面建立城墙表面复杂病害类别及严重程度特征表征的问题，本文采用一种多源数据特征融合的古城墙病害检测方法，分别构建独立的特征提取网络提取光谱与真彩数据源的空间—光谱特征与纹理—颜色特征，在每个卷积层后引入BN层，加快网络收敛；通过特征融合模块将光谱数据与彩色数据多维度特征融合，在全连接层完成高级特征学习，通过线性整流函数将特征图映射到非线性空间，增加模型的非线性表达能力；构建了基于对比损失与分类损失的联合损失函数对融合数据权重优化，提升对空间特征相似病害的区分度；最后利用softmax层进行逐像素点分类，实现对古城墙病害情况定量评估以及可视化分析。实验结果表明，总体分类精度和Kappa系数为96.46%和94.20%，与光谱及真彩单一数据对比，分类精度分别提高了6.63%和12.05%。本文方法对于城墙复杂病害区域的识别以及病害分布可视化具有重要意义。

刘绪东, 卢英, 王慧琴, 王可, 王展, 李源. 多源数据特征融合的古城墙病害检测方法研究[J]. 激光与光电子学进展, 2024, 61(22): 01.  复制并引用该论文