基於高光譜成像技術的壁畫分析報告

基於高光譜成像技術的壁畫分析報告

一、測試原理及方法：

 gaoguangpuchengxiangjishushijinershinianlaifazhanqilaidejiyufeichangduozhaiboduandeyingxiangshujujishu，qizuituchudeyingyongshiyaogantancelingyu，bingzaiyuelaiyueduodeminyonglingyuyouzhegengdadeyingyongqianjing。tajizhongleguangxue、光電子學、電子學、信息處理
、計算機科學等領域的先進技術，是傳統的二維成像技術和光譜技術有機的結合在一起的一門新興技術。

 高光譜成像技術的定義是在多光譜成像的基礎上
，在從紫外到近紅外（200-2500nm）的de光guang譜pu範fan圍wei內nei，利li用yong成cheng像xiang光guang譜pu儀yi，在zai光guang譜pu覆fu蓋gai範fan圍wei內nei的de數shu十shi或huo數shu百bai條tiao光guang譜pu波bo段duan對dui目mu標biao物wu體ti連lian續xu成cheng像xiang。在zai獲huo得de物wu體ti空kong間jian特te征zheng成cheng像xiang的de同tong時shi
，也ye獲huo得de了le被bei測ce物wu體ti的de光guang譜pu信xin息xi。

目標物體-成像物鏡-入射狹縫-準直透鏡-PGP-聚焦透鏡-CCD棱鏡-光柵-棱鏡：PGP

圖1 成像原理圖

光譜儀的光譜分辨率由狹縫的寬度和光學光譜儀產生的線性色散確定。最小光譜分辨率是由光學係統的成像性能確定的（點擴展大小）。

成像過程為：每次成一條線上的像後（X方向），在檢測係統輸送帶前進的過程中，排列的探測器掃出一條帶狀軌跡從而完成縱向掃描（Y方向）。綜合橫縱掃描信息就可以得到樣品的三維高光譜圖像數據。

圖2 像立方體

圖3  Gaia Field高光譜成像儀

高光譜儀配置：鏡頭：22mm鍍膜消色差鏡頭；光譜範圍：400nm-1000nm，光譜分辨率: 4nm@435.8nm（@400-1000nm），像麵尺寸（光譜x空間）：6.15 x 14.2 mm，相對孔徑：F/2.4，狹縫長度14.2 mm. 內置控製、掃描機構；內置電池
；

SpecView軟件：控製完成自動曝光、自動對焦

、自動掃描速度匹配
；數據處理：黑白
、輻射度、均勻性
、鏡頭等校準；光譜查看。

二
、數據分析：

本文以西安壁畫為研究對象，利用雙利合譜的高光譜成像儀Gaia Field（光譜範圍400 nm - 1000 nm）采集測試對象的高光譜數據。

對成像高光譜儀拍攝的原始影像數據進行數據的預處理，預處理過程主要包括兩部分。第一部分是輻射定標；第二部分為噪聲去除。

首先進行輻射定標。輻射定標的計算公式如1所示。

                       (1)

其中，Ref_target為目標物的反射率
，Ref_panel為標準參考板的反射率
，DN_target為原始影像中目標物的的數值，DN_panel為原始影像中標準參考板的數值，DN_dark為成像光譜儀係統誤差。

其次是噪聲去除，本文運用國外較為常用的最小噪聲分離方法(Minimum Noise Fraction Rotation， MNF)進行噪聲去除。最小噪聲分離工具用於判定圖像數據內在的維數（即波段數），分離數據中的噪聲，減少隨後處理中的計算需求量。MNF本質上是兩次層疊的主成分變換。第一次變換（基於估計的噪聲協方差矩陣）用於分離和重新調節數據中的噪聲，這步操作使變換後的噪聲數據隻有最小的方差且沒有波段間的相關。第二步是對噪聲白化數據（Noise-whitened）的標準主成分變換。為了進一步進行波譜處理，通過檢查最終特征值和相關圖像來判定數據的內在維數。數據空間可被分為兩部分：一部分與較大特征值和相對應的特征圖像相關，其餘部分與近似相同的特征值以及噪聲占主導地位的圖像相關。圖4為MNF降噪前後的光譜反射率變化。

圖4  MNF變換前(左)後(右)高光譜影像數據反射率值變化

圖5 分別壁畫在高光譜影像中不同位置的光譜反射率變化情況

利用SpecView軟件的Analysis-Animate功能，快速瀏覽能識別軀幹
、手背、肢體、鎧(kai)甲(jia)的(de)各(ge)波(bo)段(duan)圖(tu)像(xiang)的(de)變(bian)化(hua)，結(jie)果(guo)表(biao)明(ming)能(neng)較(jiao)為(wei)清(qing)楚(chu)地(di)識(shi)別(bie)壁(bi)畫(hua)高(gao)光(guang)譜(pu)影(ying)像(xiang)信(xin)息(xi)的(de)波(bo)段(duan)主(zhu)要(yao)集(ji)中(zhong)在(zai)紅(hong)光(guang)與(yu)近(jin)紅(hong)外(wai)區(qu)域(yu)，這(zhe)與(yu)目(mu)前(qian)國(guo)內(nei)外(wai)的(de)研(yan)究(jiu)結(jie)果(guo)相(xiang)同(tong)。以(yi)760 nm波段影像為例

，對壁畫760 nm處影像的灰度圖作密度分割，以期能更清楚地分辨壁畫中內部成分的變化
，如下圖所示。從圖6可ke知zhi
，通tong過guo對dui成cheng像xiang高gao光guang譜pu特te定ding某mou一yi波bo段duan作zuo密mi度du分fen割ge並bing賦fu予yu不bu同tong的de顏yan色se，不bu僅jin在zai圖tu像xiang能neng較jiao為wei清qing晰xi的de看kan到dao壁bi畫hua內nei部bu成cheng分fen的de變bian化hua，而er且qie也ye能neng看kan到dao其qi在zai數shu值zhi上shang的de變bian化hua。

圖6  壁畫在760 nm處密度分割前後影像圖

為了客觀地區分壁畫內部成分的變化，對經預處理後的高光譜數據進行主成分分析（Principal Component Analysis, PCA），去除波段之間的多餘信息、將多波段的圖像信息壓縮到比原波段更有效的少數幾個轉換波段下。下圖為PCA的前6個主成分及主成分的312組合圖。

圖7  壁畫前6個主成分圖

圖8  壁畫的PCA變化前影像合成圖

（左 R：800 nm,G:700 nm，B：600 nm；右 R：PCA3,G:PCA1
，B：PCA2）

通過圖8可知

，利用成像高光譜原始影像數據進行波段組合時，其無法較為清晰地看到壁畫內部的變化規律，但經過PCA變換之後，通過PCA各主成分的波段組合，壁畫內部成分的變化能較為清晰的展現出來。