一種基於高光譜成像的壁畫信息提取方法
2023-05-15 02:05:31
專利名稱：一種基於高光譜成像的壁畫信息提取方法
技術領域：
本發明涉及一種壁畫信息提取方法，尤其涉及一種基於高光譜成像的壁畫信息提取方法。
背景技術：
壁畫是歷史與藝術結合的產物，它從不同的側面反映了各個歷史時期的經濟文化發展狀況和意識形態，其信息有助於幫助考古學家深入了解歷史的發展軌跡及狀態，分析早期藝術學家的繪畫技法，並有利於指導壁畫保護工作者制定合理的保護和修複方案。目前已有的壁畫底稿信息的提取僅利用可見光波段，存在信息不全面的局限性，隨著光譜範圍的擴展，增加了壁畫信息的可視化範圍，但對於壁畫底稿信息的提取依舊採用目視識別的方法，效率較低。
目前壁畫顏料信息的分析多採用採樣的手段進行，通過採集壁畫繪製顏料的樣本，結合物理或化學多種檢測手段對目標顏料進行分析，該採樣的過程是不可逆的，對壁畫具有一定的損害，該方法不利於壁畫保護工作的進行。病害現狀的調查對壁畫的製作材料及工藝、修復材料的篩選、修復工藝、工作量估算等具有決定性影響。對壁畫病害信息的提取和分析傳統上主要是利用透明方格法和CAD法，這兩種方法不僅人工參與大，並且還存在著主觀性強、效率低、耗時耗力的缺點。
發明內容
本發明針對現有技術的弊端，提供一種基於高光譜成像的壁畫信息提取方法。本發明所述的基於高光譜成像的壁畫信息提取方法，包括如下步驟步驟一，獲取預定區域內壁畫的原始高光譜影像信息；步驟二，根據上述原始高光譜影像信息提取壁畫的底稿信息、壁畫的顏料信息、以及壁畫的病害信息。本發明所述的基於高光譜成像的壁畫信息提取方法的步驟二中，去除原始高光譜影像信息中的冗餘信息而獲得包含該原始高光譜影像信息主要特徵的主成分信息，所述主成分信息為高光譜影像信息中各個波段的線性組合；根據各個波段的權重值而選取出主成分中的特徵波段，並由選取出的特徵波段合成壁畫的底稿信息。本發明所述的基於高光譜成像的壁畫信息提取方法中，設A = (A17A2,.. .，Am)T為m維的樣本空間，具有m個變量;A的均值為E (A) = η，而A的協方差為R㈧=L彡0，則根據樣本變量所求出的協方差矩陣提取主成分的步驟為基於樣本的協方差矩陣求解相關的特徵值及特徵向量，每個特徵值都會對應一組特徵向量，它們可以表示為T1, T2，…，Tm ;設P個主成分可以表示為Z1, Z2，. . .，ΖΡ，這P個主成分可以表示為召=TJA , j =
1,2,…，p，在該表達式中L為前述特徵值求得的各個特徵向量T1, T2, , Tm所組成的主成分向量矩陣。
本發明所述的基於高光譜成像的壁畫信息提取方法中，所述各個波段的權重值為預先設置；根據各個波段的權重值繪製權重值與波段對應關係的曲線，該曲線的波峰及波谷部分所對應的波段即為特徵波段。本發明所述的基於高光譜成像的壁畫信息提取方法的步驟二中，去除原始聞光譜影像/[目息中不包含任意空間/[目息的噪聲影像/[目息；自上述去除操作後剩餘的高光譜影像信息中提取各類顏料的波譜曲線，並構建包含上述各類顏料的波譜曲線的參考波譜特徵庫；將原始高光譜影像信息與參考波譜特徵庫內各類顏料的波譜曲線進行匹配，從而確定壁畫中各類顏料的分布狀況。
本發明所述的基於高光譜成像的壁畫信息提取方法中，所述噪聲影像信息包括原始高光譜影像信息中的模糊影像信息、和/或原始高光譜影像信息中經過計算而得出的噪聲統計、和/或原始高光譜影像信息計算過程中累加的誤差。本發明所述的基於高光譜成像的壁畫信息提取方法中，對噪聲影像信息的協方差矩陣進行線性變換，使各個噪聲影像信息具有單位方差且彼此之間不相關；基於噪聲影像信息的協方差矩陣求解相關的特徵值，特徵值小於設定閾值的噪聲影像息則為需要去除的噪聲影像息。本發明所述的基於高光譜成像的壁畫信息提取方法中，對預定區域利用N維可視化器進行提取，所述N維可視化器中每個點的坐標由N個值確定，此N個值即為此點的像素的波譜反射值；所述N維可視化器上呈現聚集的點所對應的波譜即為該預定區域內選定顏料所對應的波譜信息；重複執行上述操作，直至對壁畫中所有顏料的波譜信息均提取完畢。本發明所述的基於高光譜成像的壁畫信息提取方法中，對於壁畫內各區域中同一顏料的波譜信息取均值以作為該壁畫中該顏料的波譜信息，並將此顏料的波譜信息添加入參考波譜特徵庫。本發明所述的基於高光譜成像的壁畫信息提取方法中，將原始高光譜影像信息與參考波譜特徵庫內各類顏料的波譜曲線進行匹配的方法包括將原始高光譜影像信息中的波譜曲線與參考波譜特徵庫中各類顏料的波譜曲線進行逐一對比，分析二者的相似度，從而確定該原始高光譜影像信息中各顏料的種類及分布；和/或，以參考波譜特徵庫中不同顏料的波譜曲線為參考，與壁畫各選定區域的原始高光譜影像信息進行對比，根據二者的相似度而對各選定區域的顏料進行分類；和/或，對壁畫各選定區域的原始高光譜影像信息中的波譜曲線進行分析，以確定這些選定區域的波譜曲線的相似度，並進而確定各選定區域的顏料是否相同；和/或，設P為未知波譜，q為參考波譜特徵庫中的已知波譜，則二者的相程度η
f \
可表示為^ = COS-1;當所述相似度η大於設定閾值時，二者即為相同的波譜。
UI^IrpI J本發明所述的基於高光譜成像的壁畫信息提取方法的步驟二中，將原始高光譜影像信息與已知各類壁畫病害信息做比較分析，從而確定該原始高光譜影像信息所對應的病害分布信息。本發明所述的基於高光譜成像的壁畫信息提取方法中，所述原始高光譜影像信息與已知各類壁畫病害信息進行比較分析之前，執行如下步驟按預定尺寸對原始高光 譜影像信息進行分割，以令分割後形成的各個區域中的影像具有相同的光譜特徵和相同的屬性特徵；將分割後形成的具有相同光譜特徵和相同的屬性特徵的各個區域進行合併；計算合併後形成的區域內影像的屬性特徵，並以此合併後的影像信息與已知各類壁趣病害信息做比較分析。本發明所述的基於高光譜成像的壁畫信息提取方法中，所述影像的屬性特徵包括影像的顏色、影像的形狀、以及影像的紋理。本發明所述的基於高光譜成像的壁畫信息提取方法中，所述步驟二進一步包括對壁畫病害所對應的影像進行矢量化處理，並根據矢量化後的影像信息進行緩衝分析和疊置分析，從而預測病害的擴散範圍。本發明所述的基於高光譜成像的壁畫信息提取方法中，利用高光譜技術的優勢進行壁畫信息的提取及分析，既克服了傳統壁畫信息調查分析的諸如工作量大、誤差大以及人為因素多等缺點，具有快速、有效的特點，又彌補了多光譜技術中離散波段光譜信息不足的缺點，具有波譜連續性及數據豐富的優點，有望實現壁畫信息的快速、有效、科學的分析，從而為壁畫信息的深入研究及保護修復工作提供指導和依據。
圖I為本發明所述基於高光譜成像的壁畫信息提取方法的流程示意圖。
具體實施例方式下面結合附圖對本發明做進一步的詳細說明，以令本領域技術人員參照說明書文字能夠據以實施。高光譜影像信息具有非常廣闊的波譜覆蓋範圍，包括了可見光、近紅外、中紅外和熱紅外波段，在這些波譜範圍內它準確記錄了目標的波譜反射率，由于波譜的連續性，可為目標提供一條連續的波譜曲線，實現目標光譜信息和空間信息的同步記錄。高光譜成像技術具有較高的光譜解析度，波譜間隔較小，因此相鄰的波譜之間包含大量的重疊信息，該特性為影像的連續成像提供了可能。由於不同地物物質成分的差異性，分別具有不同的波譜反射特性曲線，高光譜成像技術獲取的連續光譜信息為目標的判別提供了依據，有利於實現依據目標光譜特徵的目標探測與識別。此外，它可以同步獲取目標的空間信息、輻射信息以及光譜信息，不需要額外的信號源，屬於無損檢測手段。由於壁畫是歷史的遺存，具有不可再生性，因而理想的壁畫分析技術應該是無損的，高光譜技術正具備了這一特點。因此，利用高光譜技術的優勢進行壁畫信息的提取及分析，既克服了傳統壁畫信息調查分析的諸如工作量大、誤差大以及人為因素多等缺點，具有快速、有效的特點，又彌補了多光譜技術中離散波段光譜信息不足的缺點，具有波譜連續性及數據豐富的優點，有望實現壁畫信息的快速、有效、科學的分析，從而為壁畫信息的深入研究及保護修復工作提供指導和依據。有鑑於上述諸多優點，本發明提供了一種基於高光譜成像的壁畫信息提取方法，以便於提取壁畫的底稿信息、壁畫的顏料分布信息、以及壁畫的病害分布信息。如圖I所示，本發明所述的基於高光譜成像的壁畫信息提取方法，包括如下步驟步驟101，獲取預定區域內壁畫的原始高光譜影像信息。本步驟中，可利用一部高解析度小型CXD攝像機(PC0. 1600，USA)，一對光源及配套的輸送裝置和計算機而獲取壁畫的原始高光譜影像信息。該攝像機的光譜覆蓋區域為400 lOOOnm，共825個波段。所述預定區域即為欲進行壁畫信息提取的區域。步驟102，根據上述原始高光譜影像信息提取壁畫的底稿信息、壁畫的顏料信息、以及壁畫的病害信息。本步驟中，需要依據獲取的壁畫的原始高光譜影像信息而提取壁畫的底稿信息、 壁畫的顏料信息、以及壁畫的病害信息。在實際操作中，提取上述壁畫的底稿信息、壁畫的顏料信息、以及壁畫的病害信息的順序並無嚴格要求，可同步進行，也可按任意順序進行。下面對提取壁畫的底稿信息、壁畫的顏料信息、以及壁畫的病害信息的過程分別進行說明。一、首先說明依據原始高光譜影像信息提取壁畫的底稿信息的過程。本步驟中，去除原始高光譜影像信息中的冗餘信息而獲得包含該原始高光譜影像信息主要特徵的主成分信息，所述主成分信息為高光譜影像信息中各個波段的線性組合；根據各個波段的權重值而選取出主成分中的特徵波段，並由選取出的特徵波段合成壁畫的底稿 目息。壁畫客觀的記錄了歷史發展情況，展現了不同時期的文化藝術水平，其底稿信息更是充分反映了繪畫者的初始繪畫要義，展示了不同歷史時期的繪畫技法，因此提取壁畫的底稿信息有助於研究人員深入探測早期藝術家們的歷史信息，深刻認識歷史發展的軌跡和狀態。由於壁畫顏料的覆蓋及不同病害的侵蝕，壁畫的底稿信息變得模糊甚至不可見，傳統的基於可見光條件的分析手段已無法滿足壁畫底稿信息的提取需求。但是，鑑於壁畫底稿信息繪製顏料材質的特殊性，可以利用近紅外波段對其進行探測。近紅外波段區域的穿透性比較好，相比可見光，在範圍O. 7 2. 5μπι的近紅外區域可以更容易的穿透某些顏料，如赭石、鉛粉、硃砂等，尤其在2. O μ m處的近紅外對這些顏料的吸收率達到最低。此外，由於底稿信息多由含有木炭、石墨的顏料繪製，而這些成分對近紅外光吸收較為強烈，在近紅外區域此類物質繪製的壁畫信息清晰明顯，容易辨識。高光譜成像技術數據量豐富，光譜覆蓋範圍包括可見光及近紅外區域，為壁畫底稿信息的探測提供可靠的數據基礎。高光譜技術主要是利用成像光譜儀在不同的光譜範圍內得到目標物體空間影像信息的同時獲得其較為連續的光譜信息。高光譜數據除了具有眾多的波段數，各個波段之間的間隔也比較小。因此，在多個不同的波譜範圍內影像的波段數量可從幾十個擴展至幾百個，與傳統的多光譜技術相比，它可為影像中的每個像元提供比較窄的波段信息，並且這些波段信息是較為連續的，這不單單是波段數量的增加，同時也增加了對目標的空間描述信息，豐富了目標的數據源。由於高光譜影像光譜信息量大，連續性較好，波譜間隔較窄，因此相鄰波段間會具有一定的信息重複，不可避免的造成了數據的冗餘。這些因素給數據的處理和解譯都帶來了一定的困難。在數據的處理過程中，當影像波段的數量成數量級增加擴展的時候，數據的分析量是處理過程中不得不面對的嚴峻問題。因此，研究既能降低數據量，消除冗餘信息，又能有效保留數據中大部分空間信息的數據壓縮降維方法，對於有效提取壁畫的底稿信息具有極其重要的影響。高光譜數據相鄰波段的相關係數表明它們具有較為明顯的相關信息，它在帶來數據冗餘的同時也指明，在剔除相鄰波段的時候，並不會造成大量信息的流失，因為相鄰波段具有大量的信息重疊區。這正是高光譜數據的重要特點。為此，針對高光譜影像數據量大，冗餘度高的特點，本發明首先對預處理後的原始影像進行主成分分析，篩選出包含原始影像主要特徵信息的主成分，從而將影像的大部分信息轉化到幾個主成分上，實現數據的壓縮和降維。然後，為進一步提高底稿信息提取的效率，依據原始影像各波段與已選取主成分的線性關係，選取對該主成分信息影響較大的波段作為特徵波段，實現利用少數波段展示原始影像主要信息的目的。具體而言，主成分分析方法(PCA)是針對初始數據源選取最有價值可靠信息的一種較為有效的方法。它的主要目的就是通過選擇原始數據的特徵向量，提取原始數據的主要特徵信息，從而實現數據的壓縮和降維。高光譜數據相鄰波段具有較強的相關性，在數學中反映為，數據矩陣中存在較多的相關行或相關列。因此，合理消除不同行列間的相關性就 能有效提取原始數據的主要信息。主成分分析主要是利用方差最大化的思想，對原始數據的協方差矩陣進行一系列的變換和整理，利用一組新的變量來重新表示原始數據，從而將初始的多個指標轉化為少數幾個主要指標，實現數據的降維，其中各個新的變量之間是相互正交且線性無關的。根據變換後各變量方差數值大小將新的變量進行重新排序，方差及特徵值最大的即為第一主成分，按照同樣的準則類推，即為第二、三主成分。主成分分析處理的基本過程主要如下設樣本S為m維的一個整體，即S由m個變量組成，並且這m個變量之間是相互影響的，主成分分析算法通過線性變換的方法，對這m個變量進行一系列的變換和整理，從而實現利用少數幾個新的變量來重新表示原始的m個變量，這幾個少數的新變量充分反映了初始的m個變量的信息，並且它們彼此之間是不相關的。設A=維的樣本空間，具有m個變量。根據統計分析方法知，A的均值為E(A) = Π，而A的協方差可求得為R(A) =L^ 0，那麼，根據樣本變量所求出的協方差矩陣進行主成分分析的主要步驟為(I).基於樣本的協方差矩陣求解相關的特徵值及特徵向量，其中根據變換後各變量特徵數值大小將新的變量進行重新排序可得X1S λ2>... > λm，而每個特徵值都會對應一組特徵向量，它們可以表示為T1, T2, . . . , Tm ；(2).設P個主成分可以表示為Z1;Z2，. . .，ZP，根據線性變換原理，這P個主成分可
以表示為zZ=7Td= ι,2,…，p，在該表達式中L為第一步中特徵值求得的各個特徵向
量T1, T2，...，T111所組成的主成分向量矩陣，通過該表達式確定了 P個主成分，並且這P個主成分是m維樣本向量協方差矩陣的線性組合。主成分分析構成的P個主成分Z1, Z2，. . .，Zp滿足以下條件(I)經過整理和變換後得到的各個主成分彼此之間是正交，互不相關的；(2)其中的每一個主成分(PC)均是原始影像中各個波段的線性組合；(3)第一主成分包含的數據方差是最大的，而第二主成分包含的方差則次之，同樣的原理類推，各個主成分包含的方差呈現遞減趨勢，而最後的主成分由於包含很小的方差，因此主要信息為噪聲。該方法可將影像中具有相關性的多波段數據集中到完全獨立的較少的幾個波段上，實現了數據向低維的壓縮。這樣既提取了有效的特徵信息，又大大減少了數據的冗餘。通過主成分分析變換可以消除初始影像數據的各個相鄰波段之間相對較高的相關性，從而剔除影像中幾乎不包含任何空間信息的波段，這樣也就實現了壓縮數據降低影像維數的目的。為提高壁畫底稿信息提取的效率，還需進行特徵波段的選取。特徵波段對主成分具有重要的影響作用，包含了主成分中主要的信息成分。根據主成分分析滿足的條件可知每個主成分都是原始數據中各個波段的線性組合，而各個波段對該主成分的影響狀況可由其權重係數表徵，在此，利用各個波段的權重係數(所述權重係數為預先設置)繪製一曲線，對於該曲線來說，曲線中的波峰及波谷部分的波段對該曲線具有重要的影響作用， 即這些波段對該主成分具有重要影響。因而可以選取線性組合中對主成分影響較大的波段作為特徵波段，這些波段包含了該主成分中絕大多數的信息，通過合成新的影像，可實現利用少數波段展示原始影像主要特徵信息的目的。利用主成分分析方法選取特徵波段進行底稿信息的提取方法，不僅縮短了底稿信息提取的時間，而且提高了信息提取的質量，真正實現了壁畫底稿信息快速有效的提取。二、其次說明依據原始高光譜影像信息提取壁畫的顏料信息的過程。本步驟中，去除原始高光譜影像信息中不包含任意空間信息的噪聲影像信息；自上述去除操作後剩餘的高光譜影像信息中提取各類顏料的波譜曲線，並構建包含上述各類顏料的波譜曲線的參考波譜特徵庫；將原始高光譜影像信息與參考波譜特徵庫內各類顏料的波譜曲線進行匹配，從而確定壁畫中各類顏料的分布狀況。經歷千年歲月的滄桑，多數壁畫表面已褪色、變色甚至模糊不清，顏料是壁畫的重要組成部分，它從另一個側面展示了不同歷史時期的藝術文化發展水平，具有重要的研究價值。由於歷史背景的差異，不同時期的藝術家具有不同的繪畫技巧及著色手法，因此，對壁畫顏料的分析有助於深入了解早期藝術的發展狀態，同時，也為壁畫的保護和修復工作提供參考和指導信息。壁畫顏料信息不僅反映了顏料的成分構成，也反映了壁畫繪製現狀，因此，壁畫顏料的波譜分析和分布規律統計是了解壁畫現狀的重要手段，同時也為壁畫修復過程中顏料的使用提供了依據和參考。顏料信息分析的基本步驟為首先利用最小噪產分離技術對原始影像進行處理分析，根據特徵值及特徵影像估計數據的維數，剔除不包含任意空間信息的噪聲影像，實現噪聲數據的隔離，減少隨後處理計算的需求；其次，選取不同顏料的感興趣區域，由於各個獨立像元中物質的複雜性，它們以混合光譜的形式顯示在一個像元裡，通過提取端元(端元就相當於一個像素裡的亞像元，只包含一種物質的光譜信息，根據高光譜的高光譜解析度可以提取出來)的方式，選取較為純淨的顏料像元，對同質像元取均值，得到每類顏料物質的均值波譜曲線，並以此建立相應的顏料物質的參考波譜特徵庫，作為壁畫影像分類判斷的準則；再次，壁畫高光譜影像的分類採用波譜角填圖分類的方法，從而確定每種顏料的分布區域。
具體而言，最小噪聲分離主要是為了有效的對數據內在的空間維度進行估計，消除不必要的噪聲信息，為後續的分析過程作鋪墊。高光譜數據中的噪聲主要來自以下三個方面第一，通過儀器所獲得的部分模糊影像；第二，影像中通過計算得到的噪聲統計;第三，先前數據處理計算過程中累加的誤差信息。為有效剔除影像中多餘噪聲信息，可將最小噪聲分離技術應用於原始影像中。最小噪聲分離技術處理過程主要包含兩次主成分分析，第一次主要是針對噪聲進行處理，對噪聲的協方差矩陣進行線性變換，對噪聲信息進行整理，使各個噪聲數據具有單位方差並且彼此之間不相關；第二次是對影像進行標準主成分分析，依據其特徵值確定數據的維數。在分離後的影像中，大的特徵值對應於原始影像中主要的空間信息，而小的基本一致特徵值則對應原始影像中的噪聲，這些影像幾乎不包含任何空間信息。與主成分分析算法相比，主成分分析算法對噪聲信息比較敏感，它的變換依據是信息量，無法分離噪聲，而最小噪聲分離技術的變換依據是影像的信噪比，可有效的隔離噪聲信息，更好的保留不同目標類別的光譜差異區域，使得影像的分類精度得到有效的提聞。例如，通過選取不同顏料的感興趣區，計算不同顏料的均值波譜曲線，以便為壁畫
顏料的分類提供參照。由於繪製的複雜性，影像中的某一像元可能由不同的顏料混合而成，為提取較為純淨的端元，利用η維可視化器進行處理。在η維可視化器中每個點的坐標由η個值確定，而這η個值就是該像素的波譜反射值，因此，由於每種物質都有其獨特的波譜反射特性，同一類物質在η維可視化器中會呈現聚集的現象，而少數個別的離散點屬於雜質端元。通過對大量同一物質端元取均值，從而創建壁畫顏料分析的參考波譜庫。高光譜影像數據中的像元由單一純淨的物質組成的數量極少，而由不同物質混合而成的佔大多數，因而該像元的波譜曲線並不是純淨單一物質的波譜曲線，而是多種物質波譜曲線的疊加。混合像元給影像的分析和解譯過程帶來了諸多困難。混合像元由於其波譜曲線的特殊性，並不能完全被歸屬為某一類別，因為它本身就是多個類別的疊加體。由於混合像元的特殊性，它可以被理解為多個純淨單一的亞像元的集合體，這些亞像元稱之為端元，它們只包含一種物質的光譜信息，這些單一的光譜信息是混合像元光譜信息的組成部分。因而，通過提取混合像元中的端元，確定端元的光譜信息，就可以減少因波譜混合而造成的分類誤差。例如，為提取較為純淨的端元，利用η維可視化器進行處理。在η維可視化器中每個點的坐標由η個值確定，而這η個值就是該像素的波譜反射值，因此，由於每種物質都有其獨特的波譜反射特性，同一類物質在η維可視化器中會呈現聚集的現象，而少數個別的離散點屬於雜質端元。通過對大量同一物質端元取均值，從而創建壁畫顏料分析的參考波譜庫。光譜匹配主要是將未知目標光譜與參考光譜進行比對，利用多個參數指標確定未知目標光譜類似於參考光譜的程度，從而實現對未知光譜的定性分析。通常情況下，未知光譜與參考光譜在各個光譜匹配處X的交叉相關係數與該處兩者相應波段的線性相關係數是相同的，具體的公式表達如下
^Σ4Λ-ΣαρΣα. ^/[mEAP-(EAp)2>fmEAq-(ZAq)2]其中，未知和參考光譜分別是\和\，!11為兩者匹配處相應的波段數量。光譜匹配過程有以下幾種形式I.將影像中未知像元的波譜曲線與標準波譜庫中不同類別物質的波譜曲線進行逐一比對分析它們之間的相似程度，從而實現該未知目標像元屬性的確定；2.以標準波譜庫中不同物質的波譜曲線作為參照，與影像中每個像元進行對比分析，根據標準波譜曲線與像元之間的相似度對像元進行歸類；3.對多個像元之間的波譜曲線進行分析，利用相似參數展示它們之間的類似性，並根據相似參數值判定這些像元是否同屬一類。4.該方法通過將影像波譜與標準波譜曲線或波譜庫中的波譜進行對比分析，從而確定未知像元的類別。在波譜角填圖算法(SAM)中，多維向量空間中的不同向量可以看作是具有不同波譜特性的波譜，而影像的波段數目表徵了該向量空間的維度，兩條不同波譜的相似性可以通過向量空間中兩個向量的夾角來判斷。由於該方法主要利用的是波譜向量
的方向，並未利用其長度，因此對其他的增益係數並不敏感，波譜向量的長度主要反映的是影像的亮度，即不同亮度下的同一物質均會被同等對待，影像的亮度對分類的結果並不造成影響。設波段數為m，則m維向量空間中波譜角填圖分類算法可表示為
權利要求
1.一種基於高光譜成像的壁畫信息提取方法，其特徵在於，包括如下步驟 步驟一，獲取預定區域內壁畫的原始高光譜影像信息； 步驟二，根據上述原始高光譜影像信息提取壁畫的底稿信息、壁畫的顏料信息、以及壁畫的病害信息。
2.如權利要求I所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，所述步驟二中，去除原始高光譜影像信息中的冗餘信息而獲得包含該原始高光譜影像信息主要特徵的主成分信息，所述主成分信息為高光譜影像信息中各個波段的線性組合；根據各個波段的權重值而選取出主成分中的特徵波段，並由選取出的特徵波段合成壁畫的底稿信息。
3.如權利要求2所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，設A=(A1,A2,. .. ,Am)τ為m維的樣本空間,具有m個變量；A的均值為E(A) = η ,而A的協方差為R(A)=L^ O，則根據樣本變量所求出的協方差矩陣提取主成分的步驟為 基於樣本的協方差矩陣求解相關的特徵值及特徵向量，每個特徵值都會對應一組特徵向量，它們可以表示為T1, T2, . . . , Tm ； 設P個主成分可以表示為Z1, Z2, , ΖΡ，這P個主成分可以表示為4= 7^，j = I,2，…，P，在該表達式中L為前述特徵值求得的各個特徵向量T1, T2, , Tm所組成的主成分向量矩陣。
4.如權利要求3所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，所述各個波段的權重值為預先設置； 根據各個波段的權重值繪製權重值與波段對應關係的曲線，該曲線的波峰及波谷部分所對應的波段即為特徵波段。
5.如權利要求2所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，所述步驟二中， 去除原始聞光譜影像 目息中不包含任意空間 目息的噪聲影像彳目息； 自上述去除操作後剩餘的高光譜影像信息中提取各類顏料的波譜曲線，並構建包含上述各類顏料的波譜曲線的參考波譜特徵庫； 將原始高光譜影像信息與參考波譜特徵庫內各類顏料的波譜曲線進行匹配，從而確定壁畫中各類顏料的分布狀況。
6.如權利要求5所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，所述噪聲影像信息包括原始高光譜影像信息中的模糊影像信息、和/或原始高光譜影像信息中經過計算而得出的噪聲統計、和/或原始高光譜影像信息計算過程中累加的誤差。
7.如權利要求6所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，對噪聲影像信息的協方差矩陣進行線性變換，使各個噪聲影像信息具有單位方差且彼此之間不相關; 基於噪聲影像信息的協方差矩陣求解相關的特徵值，特徵值小於設定閾值的噪聲影像Ih息則為需要去除的噪聲影像息。
8.如權利要求5所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，對預定區域利用N維可視化器進行提取，所述N維可視化器中每個點的坐標由N個值確定，此N個值即為此點的像素的波譜反射值；所述N維可視化器上呈現聚集的點所對應的波譜即為該預定區域內選定顏料所對應的波譜信息； 重複執行上述操作，直至對壁畫中所有顏料的波譜信息均提取完畢。
9.如權利要求8所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，對於壁畫內各區域中同一顏料的波譜信息取均值以作為該壁畫中該顏料的波譜信息，並將此顏料的波譜信息添加入參考波譜特徵庫。
10.如權利要求5所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，將原始高光譜影像信息與參考波譜特徵庫內各類顏料的波譜曲線進行匹配的方法包括 將原始高光譜影像信息中的波譜曲線與參考波譜特徵庫中各類顏料的波譜曲線進行逐一對比，分析二者的相似度，從而確定該原始高光譜影像信息中各顏料的種類及分布； 和/或，以參考波譜特徵庫中不同顏料的波譜曲線為參考，與壁畫各選定區域的原始高光譜影像信息進行對比，根據二者的相似度而對各選定區域的顏料進行分類； 和/或，對壁畫各選定區域的原始高光譜影像信息中的波譜曲線進行分析，以確定這些選定區域的波譜曲線的相似度，並進而確定各選定區域的顏料是否相同； 和/或，設P為未知波譜，q為參考波譜特徵庫中的已知波譜，則二者的相程度η可表示為η = cos-1 ......I ;當所述相似度η大於設定閾值時,二者即為相同的波譜。
11.如權利要求2所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，所述步驟二中，將原始高光譜影像信息與已知各類壁畫病害信息做比較分析，從而確定該原始高光譜影像信息所對應的病害分布信息。
12.如權利要求11所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，所述原始高光譜影像信息與已知各類壁畫病害信息進行比較分析之前，執行如下步驟 按預定尺寸對原始高光譜影像信息進行分割，以令分割後形成的各個區域中的影像具有相同的光譜特徵和相同的屬性特徵； 將分割後形成的具有相同光譜特徵和相同的屬性特徵的各個區域進行合併； 計算合併後形成的區域內影像的屬性特徵，並以此合併後的影像信息與已知各類壁畫病害信息做比較分析。
13.如權利要求12所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，所述影像的屬性特徵包括影像的顏色、影像的形狀、以及影像的紋理。
14.如權利要求12所述的基於高光譜成像的壁畫信息提取方法，其特徵在於，所述步驟二進一步包括對壁畫病害所對應的影像進行矢量化處理，並根據矢量化後的影像信息進行緩衝分析和疊置分析，從而預測病害的擴散範圍。
全文摘要
本發明公開了一種基於高光譜成像的壁畫信息提取方法，包括如下步驟步驟一，獲取預定區域內壁畫的原始高光譜影像信息；步驟二，根據上述原始高光譜影像信息提取壁畫的底稿信息、壁畫的顏料信息、以及壁畫的病害信息。本發明所述的基於高光譜成像的壁畫信息提取方法中，利用高光譜技術的優勢進行壁畫信息的提取及分析，既克服了傳統壁畫信息調查分析的諸如工作量大、誤差大以及人為因素多等缺點，具有快速、有效的特點，又彌補了多光譜技術中離散波段光譜信息不足的缺點，具有波譜連續性及數據豐富的優點，有望實現壁畫信息的快速、有效、科學的分析，從而為壁畫信息的深入研究及保護修復工作提供指導和依據。
文檔編號G01J3/46GK102879099SQ20121028150
公開日2013年1月16日 申請日期2012年8月8日 優先權日2012年8月8日
發明者侯妙樂, 吳育華, 胡云崗 申請人:北京建築工程學院