多光谱图像处理中的计算技术：在叙利亚语盖伦重写本上的应用
计算机视觉与模式识别
2017-02-09 v1
摘要
多光谱和高光谱图像分析在过去十年中经历了诸多发展。这些方法在重写本上的应用已产生显著成果，通过改善底文本与覆盖文本之间的对比度，使研究者能够恢复否则会丢失在可见覆盖文本之下的文字。本文中，我们在一个叙利亚语盖伦重写本数据集 (www.digitalgalen.net) 的部分数据上探索了大量多光谱和高光谱图像分析方法，包括有监督和无监督的降维技术。在这一扩展的方法集合中，八种方法给出了良好结果：三种为有监督方法——广义判别分析 (GDA)、线性判别分析 (LDA) 和邻域成分分析 (NCA)；其余五种为无监督方法（但仍以有监督方式使用）——高斯过程隐变量模型 (GPLVM)、等距映射 (Isomap)、地标等距映射 (Landmark Isomap)、主成分分析 (PCA) 和概率主成分分析 (PPCA)。这些方法的相对成功通过彩色图像目视判定底文本是否与覆盖文本可区分来确定，从而得到如下方法排序：LDA、NCA、GDA、Isomap、Landmark Isomap、PPCA、PCA 和 GPLVM。这些结果与使用典型变量分析 (CVA) 方法在同一数据集上获得的结果进行了比较，CVA 显示出惊人的准确性（LDA 是 CVA 在对象被分为两类时的特例）。
引用
@article{arxiv.1702.02508,
title = {Computational Techniques in Multispectral Image Processing: Application to the Syriac Galen Palimpsest},
author = {Corneliu Arsene and Peter Pormann and William Sellers and Siam Bhayro},
journal= {arXiv preprint arXiv:1702.02508},
year = {2017}
}
备注
29 February - 2 March 2016, Second International Conference on Natural Sciences and Technology in Manuscript Analysis, Centre for the study of Manuscript Cultures, Hamburg, Germany