一种基于近红外高光谱的壁画起甲病害评估方法

摘要

本发明公开了一种基于近红外高光谱的壁画起甲病害评估方法，所述壁画起甲病害评估方法包括以下步骤：通过近红外高光谱成像系统获取特定壁画在数百个连续的不同光谱波长下的图像；通过肉眼观察定位，寻找到壁画中处于不同严重程度起甲病害的关键位置，并在对应的高光谱图像中相应的位置进行标记，提取光谱数据作为起甲程度的病害光谱标准库；对高光谱数据进行存储与预处理；对光谱特征数据提取与分析。本发明通过对壁画近红外高光谱图像的获取以及光谱特征提取与分析，实现对壁画起甲病害的分布与严重程度的可视化显示。操作过程简单，所得数据可靠性高。同时为非接触式成像，不损坏壁画表面。

权利要求

1.一种基于近红外高光谱的壁画起甲病害评估方法，其特征在于，所述壁画起甲病害评估方法包括以下步骤：通过近红外高光谱成像系统获取特定壁画在数百个连续的不同光谱波长下的图像；

通过肉眼观察定位，寻找到壁画中处于不同严重程度起甲病害的关键位置，并在对应的高光谱图像中相应的位置进行标记，提取光谱数据作为起甲程度的病害光谱标准库；

对高光谱数据进行存储与预处理；对光谱特征数据提取与分析；

其中，上述近红外为900-1700nm，光谱分辨率在5nm，共有256个波段，图像的空间分辨率为320*400；

使用偏最小二乘法对选取出的起甲病害高光谱数据进行分析；通过调整偏最小二乘模型中的参数，使得预测结果与真实结果的误差平方和、平均误差最小，决定系数最大，进行偏最小二乘预测模型的训练和生成；

利用训练得到的预测模型对壁画高光谱图像进行逐像素点的起甲发生程度预测，并使用不同的颜色进行标注，得到壁画中的起甲病害分布可视化图；

重要波段的选择是基于偏最小二乘预测模型中的加权回归系数确定的，加权回归系数表示全部波段空间中每个波段在预测中的权重值；

根据预测模型中加权回归系数的极大值和极小值，选取在壁画起甲病害预测中起到重要作用的波段输入预测模型进行预测。

2.根据权利要求1所述的一种基于近红外高光谱的壁画起甲病害评估方法，其特征在于，所述近红外高光谱成像系统包括：近红外高光谱相机、旋转平台、电脑、光源、三脚架和数据线，所述近红外高光谱相机安装在所述旋转平台上，所述近红外高光谱相机与所述旋转平台通过所述数据线与所述电脑相连，所述旋转平台通过所述电脑的控制进行一定角度内的自动旋转，同时所述近红外高光谱相机通过所述电脑进行图像收集与存储；所述近红外高光谱相机与所述旋转平台通过所述三脚架进行位置固定，所述光源通过所述三脚架进行位置固定。

说明书

一种基于近红外高光谱的壁画起甲病害评估方法

技术领域

[0001] 本发明涉及计算机辅助文物保护领域，尤其涉及一种基于近红外高光谱的壁画起甲病害评估方法。

背景技术

[0002] 古代壁画是我国文化遗产中最有特色的重要组成部分。我国现存的绝大部分遗址中都保存有古代壁画。它不仅是探究中国古代美学装饰特征的珍贵资料，同时也是人类文明发展历史进程的重要记录，具有极高的历史价值、艺术价值及科学价值。这些文化遗产都涉及到本行业领域的保护技术问题，在当前我国保护技术人才相对匮乏、保护技术水平较低下的现状下，保护任务十分紧迫。

[0003] 早期人们主要应用的光学调查法有X光照相、正常光照相、斜射光照相、红外成像等手段进行壁画的调查及记录，近年来随着数字成像技术及器件的发展，多光谱成像、紫外荧光成像技术的应用进入实际应用阶段。但是这些光学调查法光谱范围与维数相对较少，没有很好的挖掘出壁画表面颜料成分在连续光谱范围内的特征变化。与此同时，计算机技术也开始用于古代绘画作品包括壁画、油画等的修复中，出现了计算机辅助文物裂纹、脱落的修补和文物清洗等方面的应用。随着信息技术的发展，数字摄影、图像处理、机器学习等技术也被广泛的应用到古代壁画保护之中。在利用计算机辅助壁画保护过程中，图像处理技术应用最广也最成功。不过这些信息技术的使用大多数只集中在对可见光波段下壁画图像纹理、色彩变化的研究与分析，所提取特征不一定能够表征壁画病害本身属性，缺乏对壁画本身材质颜料的变化分析。

发明内容

[0004] 本发明提供了一种基于近红外高光谱的壁画起甲病害评估方法，本发明通过对壁画近红外高光谱图像的获取以及光谱特征提取与分析，实现对壁画起甲病害的分布与严重程度的可视化显示，详见下文描述：

[0005] 一种基于近红外高光谱的壁画起甲病害评估方法，所述壁画起甲病害评估方法包括以下步骤：

[0006] 通过近红外高光谱成像系统获取特定壁画在数百个连续的不同光谱波长下的图像；

[0007] 通过肉眼观察定位，寻找到壁画中处于不同严重程度起甲病害的关键位置，并在对应的高光谱图像中相应的位置进行标记，提取光谱数据作为起甲程度的病害光谱标准库；

[0008] 对高光谱数据进行存储与预处理；对光谱特征数据提取与分析。

[0009] 所述近红外高光谱成像系统包括：近红外高光谱相机、旋转平台、电脑、光源、三脚架和数据线，

[0010] 所述近红外高光谱相机安装在所述旋转平台上，所述近红外高光谱相机与所述旋转平台通过所述数据线与所述电脑相连，所述旋转平台通过所述电脑的控制进行一定角度内的自动旋转，同时所述近红外高光谱相机通过所述电脑进行图像收集与存储；所述近红外高光谱相机与所述旋转平台通过所述三脚架进行位置固定，所述光源通过所述三脚架进行位置固定。

[0011] 所述对光谱特征数据提取与分析的步骤具体为：

[0012] 利用训练得到的预测模型对壁画高光谱图像进行逐像素点的起甲发生程度预测，并使用不同的颜色进行标注，得到壁画中的起甲病害分布可视化图；同时根据预测模型中加权决定系数的极大值和极小值，选取在壁画起甲病害预测中起到重要作用的波段输入预测模型进行预测。

[0013] 与现有技术相比，本发明具有以下有益效果：

[0014] 1、将近红外高光谱成像技术用于壁画起甲病害的检测与分析上，获取了壁画在近红外波段范围内的光谱变化特征，并以起甲病害不同的严重程度作为参照建立起甲病害光谱特征标准库。操作过程简单，所得数据可靠性高。同时为非接触式成像，不损坏壁画表面。

[0015] 2、利用PLSR预测模型获取了壁画起甲病害位置及严重程度分布图。用户可以通过此分布图直观的看出壁画中起甲病害发生的位置，并且依据颜色的变化可以发现不同严重程度的起甲，从而采取相应的保护措施。同时记录了壁画起甲病害的材质及其状态随时间演化的光谱变化规律，为后期进行壁画的保护与修复提供了参考数据。

[0016] 3、重要波段的提取在保证了预测模型预测准确性与稳定性的前提下，降低了系统的计算成本与开销，简化了预测模型。

附图说明

[0017] 图1为本发明的整体流程图；

[0018] 图2为高光谱图像示例图；

[0019] 图3为高光谱图像存储格式示意图；

[0020] 图4为高光谱图像获取装置示意图；

[0021] 图5为不同起甲程度示意图；

[0022] 图6为四种不同起甲形态的光谱曲线图；

[0023] 图7为壁画起甲风险预估图及其滤波图像的示意图。

具体实施方式

[0024] 为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

[0025] 近红外高光谱技术作为一种非破坏性的光学调查手段，在壁画调查诊断中具有重要的应用前景，特别是在所成图像可以快速、直观的分辨出壁画修复及保护过程的多种信息，对于在壁画科学保护中分析辨别修复材料，评估壁画保存现状都具有重要的意义。

[0026] 对壁画病害预警评估技术存在两个问题：一是对壁画的成像以及特征提取；二是对壁画病害随时间变化的特征分析以及可视化。现有的壁画起甲病害分析技术对壁画的成像存在光谱范围窄、光谱维数小等缺点，很难从化学方面分析壁画的变化。本发明提出一种利用近红外高光谱技术对壁画起甲病害进行分析评估的模型，对成像壁画中的每一个像元位置进行起甲病害程度的分析以及预测，整体的流程如图1所示。

[0027] 101：高光谱壁画信息采集与起甲病害光谱标准库建立；

[0028] (1)近红外高光谱成像系统

[0029] 成像光谱仪的扫描方式为线扫描，并分光使每个元素成分对应线阵上的一个像素点，连续采集多条线组合成高光谱图像。因此，每一幅来自光谱相机的图像结构包括一个维度(空间轴)上的线阵像素和在另一个维度(光谱轴)上的光谱分布(光在光谱元素的强度)，如图2所示。

[0030] 由三维位移平台和近红外高光谱成像系统以及其他辅助单元(光源、控制软件等)搭建专门针对文物的高光谱信息采集系统，其光谱范围涵盖近红外(900-1700nm)等波段。光谱分辨率在5nm左右。利用该系统对特定的壁画进行高光谱图像的获取，如图4所示，1表示近红外高光谱相机，2表示旋转平台，3表示电脑，4表示光源，5表示拍摄的壁画样本，6表示三脚架，7表示数据线。其中近红外高光谱相机1安装在旋转平台2上，近红外高光谱相机1与旋转平台2通过数据线7与电脑3相连，旋转平台2可以通过电脑3的控制进行一定角度内的自动旋转，同时近红外高光谱相机1可以通过电脑3进行图像收集与存储；近红外高光谱相机1与旋转平台2通过三脚架6进行位置固定，光源4通过三脚架6进行位置固定，可以增强环境中的近红外波段强度。

[0031] (2)病害光谱标准库的建立

[0032] 通过近红外高光谱成像系统，能够获取特定壁画在数百个连续的不同光谱波长下的图像，即其高光谱图像，高光谱图像的存储形式如图3所示，高光谱图像的存储形式为三维矩阵，图中图像共包含B个波段。其中x轴方向表示图像的列，y轴方向表示图像的行，而z轴方向表示了图像的波段。图像上的每一个像素点都可以看作是一个B维的向量。图像信息量丰富，识别度较高和数据描述模型多。由于物体的反射光谱具有“指纹”效应，不同物不同谱，同物一定同谱的原理来分辨不同的物质信息，为进一步的文物风险评估，保护、修复等提供技术基础。

[0033] 起甲病害指壁画的底色层或颜料层发生龟裂，进而呈鳞片状卷翘的现象。壁画在不同的起甲阶段内展现不同的形态，同一幅壁画中可能存在着起甲的多种程度，如图5所示，通过肉眼观察定位，寻找到壁画中处于不同严重程度起甲病害的关键位置，并在对应的高光谱图像中相应的位置进行标记，并提取其光谱数据作为该起甲程度的病害光谱标准库，如图6所示。根据壁画上起甲病害表现出的不同形态，将起甲病害分为四个不同的程度，其中完全没有发生起甲为状态1，使用0表示；略微发生起甲为状态2，使用0.3表示；起甲严重为状态3，使用0.6表示；发生起甲并脱落为状态4，使用1表示。

[0034] 102：高光谱数据的存储与预处理；

[0035] 由于成像系统本身因素和外界环境的影响，图像存在一定的噪声。首先对光谱数据进行校正和配准，从而获取相关文物正确的光谱信息和几何信息。然后采用最小噪声分离方法对高光谱图像进行能量集中以达到去除波段内噪声的目的。

[0036] 103：光谱特征数据提取与分析。

[0037] (1)预测模型验证

[0038] 通过起甲病害光谱特征标准库中起甲病害在不同的严重程度中表现出来的光谱特征作为标准进行预测模型的建立，本发明中采用的是偏最小二乘法(partial least squares regressions,PLSR)进行起甲病害程度的拟合，并采用误差平方和(PRESS)、平均误差(RMSE)、决定系数(R-squared)对模型的拟合准确度进行评价，其中决定系数是用来解释预测模型的拟合优度值，R-squared越接近1，代表拟合程度越好，平均误差和误差平方和衡量了预测值与真实值之间的偏差，PRESS和RMSE越小，代表拟合准确度越高。调节PLSR算法中的参数，使得预测结果的R-squared最大，PRESS和RMSE最小，得到最适合进行壁画起甲病害预测的PLSR模型。相关的公式定义为：

[0039] PRESS＝Σ(ypred-yact)2

[0040]

[0041]

[0042] 其中ypred为通过预测模型得到的预测数值，yact为手工标记的壁画起甲风险数值，n为样本个数， 为yact的平均值。

[0043] (2)起甲病害分布可视化图的建立

[0044] 为了得到壁画整体的风险评估图，需要对壁画对应的高光谱图像的每一个像素点使用PLSR预测模型进行预测，预测得到的结果经过归一化后范围在0-1之间，可以看作起甲病害严重的程度，其中0为未发生起甲，1为发生脱落，采用不同的颜色对得到的结果进行标定，能够绘制出壁画起甲病害分布可视化图。根据起甲病害分布可以对不同起甲程度的部位进行适当的检测与维护。如图7所示，表示了两幅壁画图像经过近红外高光谱起甲病害评估方法得到的结果图。其中每行分别代表一幅壁画图像。第一列为壁画在1200nm波长下的图像，第二列为经过PLSR预测模型得到的壁画相应位置起甲病害发生程度值，第三列为第二列经过均值滤波后得到的结果，目的在于使结果图更加平滑。

[0045] (3)重要波段的提取与分析

[0046] 高光谱图像是高维的数据格式，并且在其波段之间具有很高的相关性，因此导致了高光谱图像的冗余性以及预测结果收敛的不稳定性。选取高光谱图像光谱区域内较少的重要波段进行预测，不仅能够减少系统的计算成本，而且也对系统的稳定性与扩展性十分重要。本发明中采用的是PLSR预测模型对壁画起甲程度进行预测，因此选取与壁画病害相关的重要波段再次使用PLSR进行预测，并与上文提到的使用全部波段空间得到的结果进行对比，验证选取的重要波段的有效性和准确性，在本发明中，重要波段的选择是基于PLSR预测模型中的加权回归系数确定的。加权回归系数表示全部波段空间中每个波段在预测中的权重值，其中的极大值与极小值在预测中起到了主要的作用，因此选择极大值与极小值点对应的波段完成重要波段的选择。

[0047] 下面结合具体的试验来说明本发明的操作过程，详见下文描述：

[0048] 近红外高光谱成像仪光谱范围在900-1700nm之间，光谱分辨率为5nm，共有256个波段，在合适的环境下，对发生起甲病害的壁画进行拍摄，图像的空间分辨率为320*400。使用人工标注的方式对起甲病害四个明显的阶段进行光谱数据的提取与保存。

[0049] 受环境以及仪器本身的影响，所得到的壁画高光谱图像里掺杂了一定的噪声，本发明中去除掉图像波段中噪声较大的前20个和后20个波段，同时对剩余的216个波段进行最小噪声分离变换，以减少有用波段中噪声对结果的影响。

[0050] 使用偏最小二乘法对选取出的起甲病害光谱数据进行分析。使用偏最小二乘法对选取出的起甲病害光谱数据进行分析。通过调整PLSR模型中的参数，使得预测结果与真实结果的误差平方和、平均误差最小，决定系数最大，进行PLSR预测模型的训练和生成。

[0051] 利用训练得到的PLSR预测模型对壁画高光谱图像进行逐像素点的起甲发生程度预测，并使用不同的颜色进行标注，得到壁画中的起甲病害分布可视化图。同时根据PLSR模型中加权决定系数的极大值和极小值，选取在壁画起甲病害预测中起到重要作用的波段输入PLSR模型进行预测，而不是输入整个波段空间，在保证结果的同时有效的减少了预测过程中的计算量和计算时间。

[0052] 壁画病害的种类多种多样，其它壁画中常见的以及影响较为严重的病害有酥碱、褪色、龟裂等等，这些与起甲病害一样都是由于壁画本身的物质化学成分变化导致的，本发明只要经过少量的修改，可以直接用来其它多种病害的检测与分析。

[0053] 本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

[0054] 本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

[0055] 以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。