22、文化遗产影像处理与分析：从图像分类到颜料映射

文化遗产影像处理与分析：从图像分类到颜料映射

1. 数据收集与准备

在文化遗产研究中，数据的收集和准备是后续分析的基础。研究人员收集了相关图像数据以及与之正确关联的说明文字。具体来说，从特定资源中收集了所有图像数据，并从第二卷中获取了 1370 条与图像正确关联的说明文字，同时排除了因 OCR 错误而收集错误的说明文字以及不正确的图像 - 说明文字索引对。

2. 图像相似度分析

2.1 特征提取与分类

为了分析图像之间的相似度，研究人员采用了迁移学习方法。首先使用在 ImageNet 数据集的 1000 个类别上预训练的 Inception V3 模型，对第二卷中的图像进行处理，为每个图像生成一个长度为 1000 的特征向量。接着，使用 K - 最近邻（KNN）算法将这些图像分为 10 个类别，具体分类结果如下：
| 类别编号 | 图像数量 | 类别描述 |
| ---- | ---- | ---- |
| 0 | 183 | 大多为废墟的黑白图像 |
| 1 | 52 | 包含方形结构的壁画 |
| 2 | 69 | 具有矩形形状（垂直或水平）的长墙 |
| 3 | 386 | 地图、示意图和复杂形状 |
| 4 | 47 | 黑白特写，有飞行的人或动物 |
| 5 | 62 | 圆形特写 |
| 6 | 79 | 人物和动物的表现 |
| 7 | 30 | 动物和天使 |
| 8 | 274 | 大墙 |
| 9 | 259 | 大空间 |

从分类结果来看，这些特征向量可作为描述向量用于图像的进一步分析。为了在