高光譜成像技術(shù)是文物保護(hù)領(lǐng)域的研究熱點(diǎn)。它可用于快速、無創(chuàng)地從不同類別的文物表面獲取詳細(xì)的光譜信息。我們可以利用光譜信息直觀地分析顏料成分、線條特征、繪畫技巧和圖案。高光譜成像對(duì)于古代壁畫等文物的保護(hù)、修復(fù)和研究具有很高的科學(xué)意義和應(yīng)用價(jià)值。在這項(xiàng)研究中，中國(guó)青海省某寺大黑天殿的一幅壁畫被用作樣本。出于多種目的獲取和分析高光譜數(shù)據(jù)。進(jìn)行顏料光譜匹配和豐度反演以獲得顏料分布。這些數(shù)據(jù)通過連續(xù)去除和直方圖拉伸來增強(qiáng)以獲得隱藏信息。暗通道先驗(yàn)方法用于虛擬還原壁畫的圖像。結(jié)果表明，利用高光譜成像數(shù)據(jù)、構(gòu)建的純色素光譜庫(kù)和合適的方法，可以定量分析壁畫顏料的種類和分布，提取壁畫中的線條。高光譜圖像有助于識(shí)別被顏料或表面材料隱藏的信息?？梢詫?duì)壁畫圖像進(jìn)行增強(qiáng)，使用連續(xù)譜去除和直方圖線性拉伸等增強(qiáng)方法可以突出顯示隱藏的信息。此外，高光譜成像數(shù)據(jù)在壁畫圖像的復(fù)原方面具有獨(dú)特的優(yōu)勢(shì)，結(jié)合去霧方法和圖像修復(fù)算法可以實(shí)現(xiàn)壁畫圖像的虛擬復(fù)原?？傊?，高光譜成像技術(shù)被發(fā)現(xiàn)對(duì)古壁畫的顏料分析、線條提取、信息增強(qiáng)、隱藏信息提取和虛擬修復(fù)具有非常有利的效果。

介紹

文化遺產(chǎn)是文明的重要組成部分，傳承著歷史文化。壁畫作為重要的文化遺產(chǎn)之一，蘊(yùn)含著前人的智慧和技藝。它們內(nèi)容豐富，色彩鮮艷，形象生動(dòng)，充分顯示了創(chuàng)作者的巧妙構(gòu)思和高超技藝。壁畫是留給后世的不可估量的文化瑰寶，可用于研究當(dāng)時(shí)的宗教藝術(shù)、政治經(jīng)濟(jì)學(xué)、文化歷史、民族服飾等。壁畫的歷史可以追溯到石器時(shí)代，包括史前巖畫、彩陶、宮殿壁畫、墓葬壁畫和寺廟壁畫。這幾類壁畫構(gòu)成了悠久的壁畫歷史。它們是人類文明最寶貴的、不可再生的財(cái)富，反映了他們那個(gè)時(shí)代的社會(huì)風(fēng)貌，具有深遠(yuǎn)的歷史意義和研究?jī)r(jià)值。然而，由于多年的自然侵蝕和人為活動(dòng)，壁畫不可避免地出現(xiàn)了不同程度的自然老化和退化。

分析壁畫的顏料成分、線條特征、繪畫技巧和圖案內(nèi)容，對(duì)于壁畫的保護(hù)、修復(fù)和研究具有重要意義。近年來，隨著儀器的小型化和便捷化，高光譜技術(shù)在文物保護(hù)領(lǐng)域得到廣泛應(yīng)用。高光譜技術(shù)可以為文物材質(zhì)和年代的鑒定提供科學(xué)依據(jù) ，深入直觀地反映文物中的色素信息，增強(qiáng)和挖掘隱藏信息，恢復(fù)壁畫圖像和圖案。將高光譜短波紅外成像技術(shù)應(yīng)用于古畫分析。他們?cè)诠女嬀€狀特征的提取、顏料信息的識(shí)別與分類、隱藏信息的提取等方面取得了較好的效果。庫(kù)奇等人。獲取了龐貝考古遺址壁畫和壁畫銘文的高光譜數(shù)據(jù)，從顏料識(shí)別和繪圖等方面進(jìn)行了分析，評(píng)估了石膏豐度，增強(qiáng)了褪色的細(xì)節(jié)和特征，證明了其可行性。遺產(chǎn)研究領(lǐng)域的高光譜技術(shù)。

通過主成分分析和卷積神經(jīng)網(wǎng)絡(luò)提取中國(guó)古代繪畫高光譜圖像的空間和光譜特征，并融合支持向量機(jī)進(jìn)行分類。鑒別真假畫作，準(zhǔn)確率為84.6%。提出了三種光譜特征提取方法，包括基線減法、內(nèi)歸一化和二階導(dǎo)數(shù)運(yùn)算，應(yīng)用于三種文化遺產(chǎn)材料，分析顏料并繪制宏觀化學(xué)圖譜。使用可見光和近紅外高光譜成像技術(shù)分析了十五世紀(jì)哥特式藝術(shù)作品中的紅色、黑色和白色顏料和粘合劑。他們提供了整體色素分布圖?；诠女嫷母吖庾V數(shù)據(jù)分析了人物冠冕上的顏料類型，并利用主成分分析削弱了背景信息，增強(qiáng)了冠冕周圍的涂抹信息。利用顯著目標(biāo)檢測(cè)方法自動(dòng)獲取陶器和壁畫高光譜圖像的最優(yōu)主成分，并將圖像與真彩色圖像融合，有效挖掘文物中人眼不易察覺的圖案信息。從高光譜數(shù)據(jù)中選取特征波段，采用帶顏色約束的泊松編輯法，對(duì)四對(duì)不同顏色、不同材質(zhì)的中國(guó)古畫進(jìn)行了修復(fù)。修復(fù)后的畫作具有較好的視覺效果和客觀評(píng)價(jià)。從邊緣復(fù)原和顏色復(fù)原兩個(gè)方面提出了利用高光譜圖像和普通圖片對(duì)青銅戰(zhàn)車圖案進(jìn)行數(shù)字虛擬復(fù)原的方法。通過增強(qiáng)和融合不同特征帶中圖案的邊緣來恢復(fù)丟失的邊緣。通過將其光譜與已知光譜進(jìn)行匹配來區(qū)分不同的顏料，并通過融合邊緣和顏色信息來重建損壞的圖像。

與便攜式X射線熒光和拉曼光譜分析方法相比，高光譜技術(shù)能夠以更高的效率同時(shí)獲取大面積圖像和反射光譜信息。由于其光譜分辨率高，該方法可以為圖像中的每個(gè)像素提供近似連續(xù)的光譜曲線，可用于分析彩色文物中使用的顏料的類型和含量。此外，高光譜數(shù)據(jù)的波長(zhǎng)從可見光波段跨越到近紅外波段，比常用相機(jī)的波長(zhǎng)更寬，有助于挖掘一些被顏料或其他材料掩蓋的隱藏信息。高光譜數(shù)據(jù)可用于增強(qiáng)和恢復(fù)壁畫圖像和圖案。

在這項(xiàng)研究中，一幅創(chuàng)作于 1390 年代的壁畫被地面高光譜成像設(shè)備掃描以獲得圖像。保留了壁畫表面的詳細(xì)光譜信息。然后，利用端元提取、光譜匹配和豐度反演算法對(duì)顏料進(jìn)行分析，提取線條，為壁畫研究提供科學(xué)和定量的信息。進(jìn)一步采用光譜特征增強(qiáng)和圖像增強(qiáng)等方法進(jìn)行信息增強(qiáng)，結(jié)合圖像去霧和修復(fù)算法對(duì)壁畫圖像進(jìn)行虛擬復(fù)原，提高了壁畫的內(nèi)涵和藝術(shù)表達(dá)能力。最后是色素豐度圖、線提取圖、信息增強(qiáng)圖、獲得了古壁畫的隱藏信息圖和虛擬復(fù)原圖。高光譜成像技術(shù)的應(yīng)用為壁畫的數(shù)字化文獻(xiàn)、保存修復(fù)研究和流通展示提供了有益的基礎(chǔ)。

所研究的壁畫位于中國(guó)青海省海東市樂都區(qū)以南21公里曲灘鎮(zhèn)曲灘寺大黑天殿北壁室內(nèi)。據(jù)記載，該寺始建于明洪武二十五年(公元1392年)，距今已有600多年歷史。如圖 1所示，壁畫中有四位大黑天神;這些本尊是佛教重要的護(hù)法神，具有深遠(yuǎn)的歷史意義和文化價(jià)值。壁畫繪于離地面約1米高的墻上。壁畫整體狀況較好，大部分畫作完整。這幅壁畫使用的原色主要是紅色和藍(lán)黑色?？梢园l(fā)現(xiàn)，整幅壁畫顏色很深，部分圖案因部分掉漆和煙灰而退化，難以辨認(rèn)。我們用高光譜成像儀對(duì)壁畫進(jìn)行了掃描，并對(duì)其圖像進(jìn)行了多種算法，為這些壁畫的保護(hù)和修復(fù)提供了有用的專題圖。

圖1

中國(guó)青海省某寺大黑天殿北壁壁畫

?

數(shù)據(jù)采集與預(yù)處理

使用高光譜成像系統(tǒng)拍攝了壁畫的高光譜數(shù)據(jù)。成像系統(tǒng)的圖像空間分辨率為1392×1000像素，視場(chǎng)(FOV)為30度，采樣間隔為0.6 nm，光譜分辨率為2.8 nm。該圖像收集在可見光和近紅外區(qū)域的 1040 個(gè)波段中，從 377.45 到 1033.10 nm。高光譜相機(jī)放置在壁畫前方約1m處，主光軸垂直于壁畫。通過關(guān)閉門窗以防止自然光，并使用兩盞鹵素?zé)糇鳛楣庠?，共收集?18 張高光譜圖像。這18張圖片被拼接成一張完整的圖片，包括壁畫中的大黑天四尊，寬2.11米，高0.97米。鑲嵌過程是通過圖像可視化環(huán)境軟件的地圖菜單下的注冊(cè)模塊和鑲嵌模塊實(shí)現(xiàn)的。它是一種快速、方便、準(zhǔn)確的從圖像中提取信息的軟件解決方案。以普通數(shù)碼相機(jī)拍攝的圖像為基準(zhǔn)，利用圖像模塊對(duì)18幅高光譜圖像進(jìn)行幾何校正。然后，使用工具將它們拼接成完整的高光譜圖像。受右側(cè)墻壁的影響，高光譜圖像并沒有完全覆蓋最右側(cè)壁畫上的神像。為了與高分辨率數(shù)字圖像對(duì)比本文方法的效果。

顏料分析

壁畫表面絢麗的色彩，往往是由不同種類、不同比例的顏料，經(jīng)藝術(shù)家精心調(diào)配、調(diào)和而成。顏料的使用方式具有明顯的時(shí)代和地域特征。另一方面，線條是壁畫的基本元素，對(duì)壁畫圖案的輪廓、明暗變化和空間構(gòu)成起著重要作用。對(duì)壁畫顏料和線條的考察，可以為研究壁畫的起源、工藝、畫風(fēng)和時(shí)代演變提供輔助支持。對(duì)壁畫的保護(hù)、研究和修復(fù)具有重要意義。

大多數(shù)用于壁畫的持久顏料都是由礦物成分組成的。由于不同顏料的成分不同，每種顏料都有其獨(dú)特的光譜特征。高光譜技術(shù)可以同時(shí)提供目標(biāo)的圖像和光譜信息，光譜分辨率高，可以為圖像中的每個(gè)像素提供近似連續(xù)的光譜曲線。這些優(yōu)勢(shì)可以支持壁畫顏料種類的科學(xué)判定、顏料空間分布和含量的定量反演、壁畫線條的提取等。

色素端元提取

壁畫的高光譜圖像的端元是通過算法提取的，該算法通過找到包含高光譜向量的最小體積單純形來分解像素。引入強(qiáng)度由正則化操作控制的鉸鏈函數(shù)作為軟約束，并通過一系列增廣拉格朗日算法優(yōu)化結(jié)果。它對(duì)噪聲和異常具有魯棒性，可以處理大規(guī)模的高光譜圖像。我們根據(jù)壁畫呈現(xiàn)的視覺色彩選擇了四個(gè)端元，分別是紅底、黃衣、藍(lán)身、黑線。圖2顯示了提取的紅色、黃色、藍(lán)色和黑色端元光譜曲線。

圖2

提取的四種端元光譜曲線

?

提取的端元光譜數(shù)據(jù)與我們團(tuán)隊(duì)構(gòu)建的純色素光譜庫(kù)相匹配。采用SAM、SFF和二進(jìn)制編碼綜合匹配算法來判斷顏料的種類。通過比較數(shù)據(jù)和端元光譜之間的角度，比較光譜吸收特征的位置，并使用邏輯函數(shù)比較每個(gè)編碼數(shù)據(jù)點(diǎn)和端元光譜來進(jìn)行材料識(shí)別。應(yīng)用的純顏料譜庫(kù)在白墻上作畫，收錄了紅、綠、藍(lán)、黃、黑、白等30多種常見的古代壁畫顏料，可作為文物顏料的基準(zhǔn)數(shù)據(jù)保護(hù)和恢復(fù)?；诙嗽淖罱K匹配，初步的鑒定假設(shè)可能是衣服的黃色可能是雌黃?；诙嗽淖罱K匹配和背景的紅色端元可能是朱砂或紅赭石，僅從光譜很難識(shí)別這種色素。藍(lán)色端元的光譜與已知的藍(lán)色顏料有很大的不同，僅從光譜上很難識(shí)別藍(lán)色顏料的類型。利用X射線衍射和同位素X射線熒光研究了某寺壁畫的顏料。利用光學(xué)顯微鏡、斷面分析、掃描電子顯微鏡與能量色散光譜法和X射線衍射分析了某寺壁畫的顏料。他們的結(jié)果表明，藍(lán)色顏料是青金石和藍(lán)銅礦。此外，他們還指出紅色素為朱砂和鉛，黃色素為雌黃，這與光譜技術(shù)鑒定的結(jié)果部分一致。

豐度倒置

通過FCLS算法反演每種色素的豐度，利用最小誤差原理求解提取端元的豐度。對(duì)于端元豐度圖中的每個(gè)像素，像素的數(shù)字編號(hào)(DN)一般為0-1，表示豐度，也表示該端元的含量。最后，將 18 幅高光譜圖像進(jìn)行拼接，計(jì)算出紅色、黃色和藍(lán)色端元的豐度圖，如圖3所示。這張圖直觀地展示了壁畫上每種顏料的空間含量分布。其取值范圍為0~1，代表相應(yīng)色素的含量。數(shù)值越大，含量越高。

圖3

色素豐度圖：紅色端元豐度圖;b黃色端元豐度圖;c藍(lán)色端元豐度圖

?

同樣的方法被用來提取黑線端元并計(jì)算它們的豐度圖。將18幅圖像的線段提取結(jié)果進(jìn)行了拼接，如圖 5所示。線條提取圖像中，背景線條清晰，真彩色圖像中看不到的佛像輪廓線和肚臍清晰可見。

圖4

黑線端元豐度圖

?

因此，可以結(jié)合端元提取、光譜匹配和豐度反演算法來分析古代壁畫中使用的顏料。它們可用于識(shí)別顏料的種類并計(jì)算其在壁畫中的含量分布，可為文物的文獻(xiàn)記載、研究和修復(fù)提供定量和科學(xué)的參考。

信息增強(qiáng)

隱藏信息是指人眼難以識(shí)別的信息，如修復(fù)痕跡、篡改信息等。對(duì)古代壁畫進(jìn)行信息增強(qiáng)和隱藏信息挖掘，可以提高藝術(shù)表現(xiàn)效果，為古代壁畫研究提供新的啟示。高光譜圖像具有豐富的波段，可以突出物體在不同波長(zhǎng)下的細(xì)微差異。它們包括可見光到近紅外波段，可以幫助我們識(shí)別顏料或表面材料掩蓋下的信息，挖掘人眼難以察覺的信息。這些獨(dú)特的優(yōu)勢(shì)使得高光譜成像技術(shù)成為壁畫信息增強(qiáng)和隱藏信息挖掘的合適方法。

通過連續(xù)體去除和線性拉伸進(jìn)行圖像增強(qiáng)

首先，連續(xù)譜去除用于增強(qiáng)預(yù)處理壁畫高光譜圖像的光譜特征。連續(xù)譜去除是通過突出光譜曲線的吸收和反射特征并將其歸一化為一致的光譜背景來增強(qiáng)光譜特征的有效方法。然后選取波長(zhǎng)分別為640.31 nm、549.79 nm和460.20 nm的三個(gè)波段作為紅、綠、藍(lán)通道合成假彩色圖像，通過直方圖進(jìn)行線性拉伸實(shí)現(xiàn)信息增強(qiáng)。其中，直方圖線性拉伸是一種通過按比例放大原始圖像的亮度范圍，使變換后的圖像直方圖兩端飽和，從而提高圖像質(zhì)量的一種方法。最后將18幅增強(qiáng)圖像進(jìn)行拼接得到信息增強(qiáng)圖。 如圖6所示，增強(qiáng)后的壁畫圖像背景中的線條顏色為白色，人物與背景的分離度更高，真彩色圖像中極度油煙區(qū)域的線條也清晰可見。壁畫圖像的對(duì)比度更高，細(xì)節(jié)更清晰。此外，在增強(qiáng)壁畫圖像的背景中，中間濃、底部淡的白色霧狀物質(zhì)也能在一定程度上反映出壁畫被油煙污染的程度和程度。

圖5

連續(xù)譜去除和線性拉伸方法的信息增強(qiáng)圖像

?

利用譜差提取隱藏信息

另外可以發(fā)現(xiàn)，在普通數(shù)碼相機(jī)拍攝的真彩色圖像中，最后一個(gè)人物的身體、頸部、面部、眼球和眼角都是藍(lán)黑色的，如圖6a所示。在增強(qiáng)后的壁畫圖像中，身體邊緣、頸部、眼球和眼睛邊緣的顏色是白色的，與圖7中人物的全身和面部顏色明顯不同。 b.在預(yù)處理后的高光譜壁畫圖像中，提取感興趣區(qū)域，計(jì)算平均光譜曲線。如圖6所示c、人體和面部光譜曲線的吸收特征和趨勢(shì)相似，僅在700~1000 nm之間的反射率不同。衣邊、頸部、眼球和眼緣4條曲線的光譜特征相似，與身體和面部的光譜曲線有明顯區(qū)別。因此，身體邊緣使用的顏料可能與身體和頸部使用的顏料不同。

圖6

從高光譜圖像中提取的隱藏信息：普通數(shù)碼相機(jī)拍攝的正佛像;b隱藏信息提取后右佛的結(jié)果圖像;c圖像中典型物體的平均光譜曲線

?

為了考察顏料使用上的差異，又選取了壁畫中的另外三尊佛像進(jìn)行比較。圖7顯示了四個(gè)選定的 Buddha 區(qū)域。

圖7

信息增強(qiáng)前后四佛局部圖像：普通數(shù)碼相機(jī)拍攝的第一尊佛局部圖像;b普通數(shù)碼相機(jī)拍攝的二佛局部圖像;c普通數(shù)碼相機(jī)拍攝的三世佛局部圖像;d普通數(shù)碼相機(jī)拍攝的四世佛局部圖像;圖像增強(qiáng)后的第一尊佛的局部圖像;f圖像增強(qiáng)后的二佛局部圖像;g圖像增強(qiáng)后的第三尊佛的局部圖像;h圖像增強(qiáng)后的四世佛局部圖像

?

從圖8可以看出 ，在本尊佛像中，可以看到四尊佛身為藍(lán)黑色，二、三、四尊佛的臉色為藍(lán)黑色，色帶一世、二世、三世佛都是棕色的。然而，圖8中增強(qiáng)后的壁畫圖像中的面部、身體和色帶的顏色存在一些差異 。因此，為了比較不同佛像的面部、身體和色帶區(qū)域是否存在不同的色素，我們?cè)陬A(yù)處理后的高光譜壁畫圖像中選擇感興趣區(qū)域，計(jì)算平均光譜曲線，如圖8所示。

圖8

高光譜圖像中四佛典型物體的光譜曲線：a為二、三、四佛的面部光譜;b四佛身相圖;c一、三、四佛的色帶圖

?

從圖8a可以看出 ，對(duì)于不同佛的面部區(qū)域，第三和第四佛的反射率曲線相似，而第二曲線與其他兩個(gè)略有不同。反射率差異接近3%。但700 nm附近的吸收谷位置和曲線趨勢(shì)比較相似。反射率的差異可能是由光的不同亮度或其他噪聲引起的。

對(duì)于圖8b所示的不同佛的身體區(qū)域 ，四佛的光譜曲線高度相似。最大的差異出現(xiàn)在第二條曲線和其他曲線之間，大約為 1%。

值得注意的是，對(duì)于不同佛的色帶區(qū)域，如圖7e -g所示，在增強(qiáng)圖像中，第一、二、三佛的色帶顏色相對(duì)不同。圖7c中，三佛的光譜曲線也不同。反射率的最大差異超過 4%。因此，這部分的顏料可能會(huì)有所不同。

因此，高光譜光譜特征增強(qiáng)和圖像增強(qiáng)等方法可以提高壁畫圖像質(zhì)量，豐富信息量，增強(qiáng)古代壁畫的解讀和識(shí)別效果。它可以挖掘難以辨認(rèn)的信息并揭示改變的區(qū)域。從而可以用來增加古代壁畫的可讀性和藝術(shù)表現(xiàn)效果，為古代壁畫的研究提供新的啟示。

虛擬修復(fù)

由于年代久遠(yuǎn)，受潮濕、高溫等自然環(huán)境和寺廟燒香、拜佛等人類活動(dòng)的影響，壁畫都有不同程度的退化。借助圖像復(fù)原方法，可以在不干擾壁畫現(xiàn)狀的情況下，虛擬地復(fù)原壁畫的破損。它是對(duì)壁畫文件和實(shí)際修復(fù)的寶貴補(bǔ)充。虛擬修復(fù)可以為實(shí)際修復(fù)提供有用的信息，提高古代壁畫保護(hù)修復(fù)的效率。高光譜成像技術(shù)以其寬廣的光譜覆蓋范圍和比可見光更強(qiáng)的穿透能力，為虛擬修復(fù)提供了新的可能。

受煙塵影響的壁畫圖像合成

如圖 10a所示，壁畫被油煙污染嚴(yán)重，部分圖案被遮蓋。整個(gè)畫面都被熏黑了，背景中的一些線條甚至難以辨認(rèn)。在預(yù)處理后的壁畫高光譜圖像中，由于紅色背景區(qū)域的感興趣區(qū)域受煙塵影響較小，提取了煙塵損害相對(duì)嚴(yán)重區(qū)域的煙塵紅底和煙塵黑線，計(jì)算平均光譜曲線。如圖 10b，紅底和煙灰紅底兩條曲線的趨勢(shì)和光譜特征位置相似。交叉發(fā)生在波長(zhǎng)800nm附近;也就是說，煙灰對(duì)紅色背景的影響可能在該波段附近較小。550 nm后，煙灰紅底和煙灰黑線兩條光譜曲線的差異隨著波長(zhǎng)的增加而增大;也就是說，背景和線條的可分離性增加了。

圖9

不同煙灰水平下圖案的光譜分析：壁畫圖像;b感興趣區(qū)域及其平均光譜曲線

?

圖10顯示了壁畫小區(qū)域的 真彩色圖像(圖10a )和波長(zhǎng)為 405.79 nm(圖10b)、605.40 nm(圖 10c)和 805.53 nm(圖 10)的圖像。 10d ). 紅底黑線在波長(zhǎng)為805.53nm的波段更加清晰，字符右側(cè)白漆缺失邊緣的黑痕在該波段消失。

圖10

不同波長(zhǎng)的高光譜圖像：真彩色圖像;b波段為 405.79 nm;c波段為605.40 nm;805.53 nm 的d波段

?

因此，選擇波長(zhǎng)分別為805.53 nm、549.79 nm和460.20 nm的三個(gè)波段作為紅、綠、藍(lán)通道，將偽彩色圖像與預(yù)處理后的高光譜圖像進(jìn)行合成。在真彩色圖像的基礎(chǔ)上，對(duì)合成的假彩色圖像進(jìn)行分塊直方圖匹配，得到圖案更清晰、色彩逼真的油煙壁畫圖像。

初步除煙

與一般退化不同，煙灰往往會(huì)覆蓋大面積的壁畫圖案，煙灰覆蓋圖像的空間分布與有霧圖像相似。

在計(jì)算機(jī)視覺和計(jì)算機(jī)圖形學(xué)中，通常使用大氣散射模型來描述霧圖像的形成過程和原理。煙熏和霧的顆粒雖然不同，但都會(huì)導(dǎo)致部分光被顆粒散射，入射光接觸到顆粒時(shí)，光的強(qiáng)度會(huì)減弱。

其中是保持圖像透視深度的常數(shù)參數(shù)。通過結(jié)合假彩色圖像、大氣散射模型和暗通道先驗(yàn)，對(duì)合成的煙灰覆蓋壁畫圖像進(jìn)行初步煙灰去除。首先通過偽彩色圖像計(jì)算出暗通道圖像，根據(jù)暗通道圖像得到大氣光值和透射率。其次，根據(jù)大氣散射模型從合成的煙灰覆蓋壁畫圖像中獲得無煙灰圖像。最后調(diào)整亮度，實(shí)現(xiàn)對(duì)油煙的初步去除。然后將這些圖像轉(zhuǎn)換到HSV空間，其中V分量乘以設(shè)定的亮度因子形成一個(gè)新的V分量，用于進(jìn)行逆HSV變換以獲得調(diào)整亮度的圖像。如圖 11，與原圖相比，初步去煙塵后的壁畫圖像煙塵影響降低，細(xì)節(jié)突出，紅底黑線更清晰。

圖 11

合成煙灰覆蓋的壁畫圖像

掉漆補(bǔ)漆

壁畫背景存在多處因掉漆造成的破損，導(dǎo)致底部白墻外露。為了進(jìn)一步改善壁畫的視覺效果，采用圖像修復(fù)算法修復(fù)掉漆部分。圖像修復(fù)算法，可以同步利用圖像中的紋理和結(jié)構(gòu)信息，更好地實(shí)現(xiàn)目標(biāo)區(qū)域的填充. 首先，對(duì)待修復(fù)區(qū)域的像素進(jìn)行掩蔽，計(jì)算被掩蔽區(qū)域邊緣的塊的優(yōu)先級(jí)，找出優(yōu)先級(jí)最高的圖像塊。然后這個(gè)補(bǔ)丁被替換為在相似性標(biāo)準(zhǔn)下在整個(gè)圖像中搜索的最佳目標(biāo)補(bǔ)丁。最后，更新剩余的屏蔽區(qū)域和相應(yīng)的置信度優(yōu)先級(jí)和數(shù)據(jù)優(yōu)先級(jí)。下一個(gè)具有最高優(yōu)先級(jí)的圖像塊將以相同的方式填充。重復(fù)此過程，直到修復(fù)所有像素塊。在使用算法對(duì)圖像進(jìn)行修復(fù)之前，我們需要知道要修復(fù)的區(qū)域。因此，我們提出了一種使用支持向量機(jī) (SVM) 定位油漆損失區(qū)域的方法。第一的，壁畫中的人物區(qū)域與背景區(qū)域區(qū)分開來，因?yàn)榈羝釁^(qū)域主要位于背景區(qū)域。另一個(gè)原因是壁畫中的人物非常細(xì)膩，色彩豐富，這可能會(huì)影響提取區(qū)域的準(zhǔn)確性和修復(fù)的效果。其次，選擇圖像中每種顏色的感興趣區(qū)域、遮罩區(qū)域和油漆損失區(qū)域作為訓(xùn)練數(shù)據(jù)，如圖13b 所示。分類方法用于將蒙版背景區(qū)域分為幾個(gè)類別，包括油漆損失區(qū)域，如圖 12c所示。第三，為了使提取區(qū)域完全覆蓋劣化區(qū)域，形態(tài)學(xué)濾波中的膨脹操作進(jìn)行了三次，以擴(kuò)大原來提取的區(qū)域。最終提取的油漆損失區(qū)域如圖 12d所示。

圖 12

提取掉漆區(qū)域：區(qū)分佛像和背景區(qū)域的mask ;b每種顏色、蒙版區(qū)域和掉漆區(qū)域的訓(xùn)練數(shù)據(jù);c SVM分類圖;d提取的油漆損失區(qū)域

?

最后，在初步去除煙灰后，使用 Criminisi 算法修復(fù)圖像中的油漆損失區(qū)域。如圖 13所示，從視覺效果來看，修復(fù)掉漆后，壁畫中的大部分白墻都出現(xiàn)了，使得整個(gè)畫面更加連貫。

圖 13

掉漆補(bǔ)漆

?

其中是圖像的DN，是環(huán)境光的分量，為壁畫的反射率圖像，為修復(fù)后的結(jié)果圖像。為進(jìn)一步修復(fù)受煙塵影響的壁畫圖像，根據(jù)方法，設(shè)置兩個(gè)不同權(quán)重和參數(shù)的雙邊濾波器，解決掉漆修復(fù)后圖像的光照和反射，實(shí)現(xiàn)壁畫圖像的虛擬修復(fù). 其中，雙邊濾波器是一種非線性濾波器，可以同時(shí)考慮空間信息和灰度相似度，可以更好地達(dá)到保邊和去噪的目的。最后對(duì)18張復(fù)原圖像進(jìn)行拼接，得到虛擬復(fù)原圖。從視覺上看，如圖 14所示，修復(fù)后的圖像基本消除了油煙對(duì)壁畫內(nèi)容的影響，修復(fù)了背景的掉漆。清晰連貫;因此，該方法在很大程度上恢復(fù)了壁畫的原貌。

圖 14

虛擬復(fù)原圖

?

因此，利用高光譜成像的優(yōu)勢(shì)以及相關(guān)的去霧方法和圖像修復(fù)算法，可以恢復(fù)被煙塵模糊的壁畫圖像，修復(fù)背景中的掉漆損壞。這種方法更適用于煙灰較輕、掉漆面積較小的壁畫。對(duì)嚴(yán)重?zé)熁?基本看不見)或大面積掉漆的壁畫的修復(fù)工作將進(jìn)一步研究。盡管如此，這種方式還是有助于提升古代壁畫的藝術(shù)表現(xiàn)力，提高線上展覽的流通能力，讓更多的觀眾看到。也可為壁畫修復(fù)提供有價(jià)值的指導(dǎo)。

結(jié)論

在這項(xiàng)研究中，獲取并分析了一幅古代壁畫的高光譜成像數(shù)據(jù)。研究成果可歸納如下：(1)基于高光譜成像數(shù)據(jù)和純色素光譜庫(kù)，通過端元提取、光譜匹配和豐度反演算法，可以定量分析古代壁畫色素的種類和含量。壁畫中的線條也可以提取;(2) 高光譜技術(shù)有助于識(shí)別顏料或表面材料所覆蓋的信息。采用連續(xù)譜去除、直方圖線性拉伸等增強(qiáng)方法，可以增強(qiáng)壁畫圖像，突出壁畫中隱藏的信息;(3)高光譜圖像在壁畫圖像的復(fù)原中具有獨(dú)特的優(yōu)勢(shì)。結(jié)合去霧方法和圖像修復(fù)算法可以實(shí)現(xiàn)壁畫的虛擬修復(fù)。本研究將拓展高光譜成像技術(shù)在古代壁畫保護(hù)與研究中的應(yīng)用?？梢栽鰪?qiáng)對(duì)古代壁畫的數(shù)字化記錄能力，提高古代壁畫的藝術(shù)表現(xiàn)力和流通展示能力。還需要指出的是，一些涉及的方法，如色素分析、信息提取和虛擬復(fù)原等，還需要進(jìn)一步研究以取得更高的性能?？梢栽鰪?qiáng)對(duì)古代壁畫的數(shù)字化記錄能力，提高古代壁畫的藝術(shù)表現(xiàn)力和流通展示能力。還需要指出的是，一些涉及的方法，如色素分析、信息提取和虛擬復(fù)原等，還需要進(jìn)一步研究以取得更高的性能?？梢栽鰪?qiáng)對(duì)古代壁畫的數(shù)字化記錄能力，提高古代壁畫的藝術(shù)表現(xiàn)力和流通展示能力。還需要指出的是，一些涉及的方法，如色素分析、信息提取和虛擬復(fù)原等，還需要進(jìn)一步研究以取得更高的性能。