高光譜成像：文物保護領域的"科技之眼"
1.文物保護研究的重要性
中國擁有豐富的文化遺產，承載著悠久的曆史與深厚的文化內涵。文物不僅是曆史的見證，還具有重要的文化、經濟和社會價值。文物保護研究的意義在於傳承曆史文化、促進學科交叉、提升社會經濟發展，並推動國*軟實力的增強。通過文物保護，我們能夠深入理解古代社會、推動文化交流，並為文化旅遊業注入新活力。
2.高光譜成像技術的發展
傳chuan統tong的de文wen物wu鑒jian定ding依yi賴lai專zhuan家jia的de經jing驗yan，雖sui能neng提ti供gong初chu步bu判pan斷duan，但dan存cun在zai諸zhu多duo不bu足zu。目mu視shi鑒jian定ding方fang法fa受shou製zhi於yu專zhuan家jia經jing驗yan，容rong易yi出chu現xian誤wu判pan，且qie無wu法fa有you效xiao應ying對dui複fu雜za的de文wen物wu種zhong類lei和he現xian代dai仿fang品pin。同tong時shi，傳chuan統tong方fang法fa缺que乏fa標biao準zhun化hua，無wu法fa實shi現xian統tong一yi評ping估gu，特te別bie是shi在zai受shou損sun或huo修xiu複fu痕hen跡ji難nan以yi察cha覺jiao的de情qing況kuang下xia。
高(gao)光(guang)譜(pu)成(cheng)像(xiang)技(ji)術(shu)通(tong)過(guo)獲(huo)取(qu)不(bu)同(tong)波(bo)段(duan)的(de)圖(tu)像(xiang)數(shu)據(ju)，能(neng)夠(gou)提(ti)供(gong)每(mei)個(ge)像(xiang)元(yuan)的(de)詳(xiang)細(xi)光(guang)譜(pu)信(xin)息(xi)，支(zhi)持(chi)物(wu)理(li)和(he)化(hua)學(xue)屬(shu)性(xing)的(de)定(ding)量(liang)分(fen)析(xi)。這(zhe)項(xiang)技(ji)術(shu)相(xiang)比(bi)傳(chuan)統(tong)的(de)X射線和拉曼光譜，更加高*、無損，適用於大麵積文物分析。在書畫文物保護中，高光譜成像能夠有效辨識顏料成分、檢測修複痕跡及識別隱藏病害，為修複材料的選擇和修複效果評估提供科學依據。
圖1.高光譜相機成像過程
3.高光譜成像技術在文物保護領域應用現狀
隨sui著zhe高gao光guang譜pu成cheng像xiang係xi統tong的de發fa展zhan，高gao光guang譜pu在zai文wen物wu保bao護hu方fang麵mian的de應ying用yong逐zhu漸jian增zeng多duo，並bing成cheng為wei一yi個ge研yan究jiu熱re點dian。目mu前qian國guo內nei外wai進jin行xing了le相xiang當dang多duo的de利li用yong光guang譜pu成cheng像xiang技ji術shu分fen析xi文wen物wu的de案an例li。
在文物圖案與隱藏信息提取方麵。古畫的隱藏信息是指畫作中不易察覺的微弱信息，例如作畫時的塗抹痕跡、隱藏的文字、底稿、yijihouqixiufudehenjideng。zhexieyinzangxinxibujinkeyifanyingwenwudezhizuogongyihechuangzuoguocheng，haiweishenrutanjiuguhuadelishibeijingheyishujiazhitigongzhongyaoxiansuo。ciwai，yinzangxinxidetiquyeweiwenwudezhenweijiandinghexiufutigongkexueyiju，chengweiwenwuyanjiuzhongdezhongyaofangxiangzhiyi。
Hou等人提出了一種基於高光譜成像與*大噪聲分數（MNF）變換的古代繪畫汙漬虛擬修複方法。該研究的實驗流程如圖2所示，該研究利用高光譜成像技術獲取繪畫數據，通過正向MNF變換集中繪畫主要信息於少數主成分，並確定含汙漬成分；再逆向變換剔除這些成分，實現汙漬去除。實驗證明，此方法能有效淡化或去除汙漬，同時保持非汙漬區域信息，*大程度還原畫作原始風貌。
圖2.高光譜成像與MNF變換的古代繪畫汙漬虛擬修複方法流程圖
Pan等人提出了一種基於高光譜成像的空間-光譜特征結合方法，用於提取褪色壁畫中的目標圖案。該方法結合輻射校準、主成分分析去噪及歸一化比值指數（NRI）增強光譜特征，通過密度分割與掩模技術分離目標區域。實驗證明，其能高*提取壁畫中幾乎不可見的圖案（圖3），相比傳統方法，操作簡便、客觀無損，適用於明顯光譜特征圖案提取，為壁畫數字化保護與研究提供了技術支持。
圖3.兩個墓區的圖像和提取的圖案
郭新蕾等人以《崇慶皇太後八旬萬壽圖》為研究對象，利用短波紅外（1000~2500 nm）高光譜數據結合多種光譜匹配算法（如光譜角匹配、光譜信息散度）和主成分分析技術，成功實現了顏料成分的精準識別與分布分析，並通過背景剝離增強弱信息，提取了底層塗抹痕跡等隱藏信息。以圖4中人物頭冠為例，圖中所標識的1、2分fen別bie為wei塗tu抹mo信xin息xi，經jing過guo主zhu成cheng分fen分fen析xi可ke以yi發fa現xian，塗tu抹mo痕hen跡ji得de到dao了le明ming顯xian加jia深shen，隱yin藏zang信xin息xi得de到dao了le有you效xiao提ti取qu。結jie果guo表biao明ming，高gao光guang譜pu技ji術shu在zai顏yan料liao混hun合he分fen析xi和he弱ruo信xin號hao增zeng強qiang方fang麵mian具ju有you顯xian著zhu優you勢shi。
圖4.《崇慶皇太後八旬萬壽圖》塗改信息提取
Han等人顯示了高光譜成像技術在帆布、牆qiang壁bi和he宣xuan紙zhi古gu代dai繪hui畫hua研yan究jiu中zhong的de應ying用yong和he潛qian力li。該gai文wen獻xian提ti出chu了le一yi種zhong結jie合he高gao光guang譜pu成cheng像xiang技ji術shu和he計ji算suan機ji技ji術shu對dui青qing銅tong戰zhan車che紋wen樣yang進jin行xing數shu字zi虛xu擬ni修xiu複fu的de方fang法fa，恢hui複fu紋wen樣yang缺que失shi的de邊bian緣yuan。同tong時shi，它ta還hai能neng區qu分fen圖tu案an中zhong使shi用yong的de不bu同tong顏yan料liao。圖tu5通過高光譜成像與PCA方法，有效地分辨了圖案中不同的顏色塊、顏料種類及其分布情況，為顏料識別和數字修複提供了科學依據。
圖5.（a）展示了顏料層保存良好的夔龍紋圖案，作為研究對象；（b）通過PCA後的PC1、PC4和PC10波段合成的偽彩色圖像。偽彩色圖像區分了不同顏料區域，清晰顯示了圖案邊緣與顏色分布差異；（c，d）展示了礦物顏料光譜庫，其中包含不同粒徑的光譜數據；（e，f）展示了夔龍紋圖案中不同顏色塊的光譜曲線。通過對比標準光譜庫，識別了各個區域的顏料成分
在zai顏yan料liao識shi別bie與yu成cheng分fen分fen析xi方fang麵mian。顏yan料liao和he成cheng分fen作zuo為wei中zhong國guo畫hua和he古gu物wu的de物wu質zhi載zai體ti，它ta的de發fa展zhan變bian化hua也ye流liu動dong在zai五wu千qian年nian文wen明ming當dang中zhong，對dui顏yan料liao與yu成cheng分fen的de研yan究jiu與yu鑒jian定ding可ke以yi聯lian係xi整zheng個ge世shi*文明文化的發展與變化，作為文物的年代，產地的參考與佐證，也可以為已經褪色的文物提供修複的可靠的參考信息。
dingxinfengdengrenshiyonggaoguangpuchengxiangjishuduigudaideyanliaojinxingwusunjiandingyanjiu，shiyonggaoguangpuzhaoxiangjicaijizihuahebihuashuju，tongguogoujianguangpushujukuheguangpupipeidejishuduiyanliaojinxingwusunjianding。gaiyanjiuliuchengrutu6，首先控製並實驗影響采集質量的因素，總結高光譜照相機采集規範。隨後調研、查閱文獻，收集並整理當代仍在使用的古代顏料光譜。研究顏料光譜特征，分析光譜匹配算法，設計鑒定方法。最後，利用VS和SqlSever設計實現光譜軟件係統，服務於未來顏料鑒定。
圖6.基於高光譜成像技術的文物顏料研究思路
Li等人提出了一種基於自動高光譜掃描係統的非破壞性技術研究方法，應用於中國卷軸畫的技術分析。該係統融合高光譜成像與宏觀X射線熒光技術，深入分析了《巴紮裏布達拉羅漢像》，揭示了隱藏底稿、輪廓線及多種顏料成分，如石青、石綠等。該係統在400-2500 nm波段工作，結合FCLS和顏料光譜庫，實現了顏料定量映射（圖7）。該研究為中國卷軸畫的技術分析與保護提供了無損高*的科學支持。
圖7.《巴紮裏布達拉羅漢像》中各顏料和元素的分布情況
鞏夢婷等人采用高光譜成像儀對宜賓市博物院藏族譜書畫上11處模糊、局ju部bu有you脫tuo落luo的de印yin記ji進jin行xing數shu據ju采cai集ji和he分fen析xi處chu理li。通tong過guo比bi對dui印yin記ji光guang譜pu與yu標biao準zhun顏yan料liao庫ku，確que認ren印yin記ji可ke能neng含han朱zhu砂sha，激ji光guang拉la曼man光guang譜pu儀yi進jin一yi步bu驗yan證zheng。光guang譜pu圖tu像xiang經jing處chu理li增zeng強qiang了le族zu譜pu印yin記ji可ke讀du性xing，有you助zhu於yu識shi別bie印yin記ji內nei容rong，對dui研yan究jiu書shu寫xie者zhe、印章使用、收藏信息及文物價值等意義重大。圖8和圖9對比顯示，高光譜圖像的可讀性優於RGB圖像，能辨別模糊印記。
圖8.1號族譜印記
圖9. 2號族譜印記
buyajingdengrentichuleyizhongjiyukejianguangputezhengtiqudedunhuangbihuayanliaowusunshibiefangfa，tongguofenxibutongyanliaodeguangpufanshetexing，tiquguangpuquxiandeerjiedaoshufushubufenbiaozhengfengzhiquyujihelunkuoxinxi，bingcaiyongzhongzhijinzitajiangcaiyangjinyibutuchuzhongyaoguangputezheng。yanjiujianlilehan48種顏料的光譜數據庫，通過計算歐氏距離自動識別顏料。以敦煌壁畫為例，成功識別了不同窟室的藍色、綠色和紅色顏料。該方法快速無損，為壁畫數字存檔與修複提供科學依據，展現出實用性與*確性，為文物顏料非接觸式分析開辟了新路徑。
圖10.（a）249窟鬥形頂正披阿修羅藍色顏料識別結果；（b）220窟南壁綠色顏料識別結果；（c）310窟北壁紅色顏料識別結果
文物汙漬檢測及修複方麵。古畫和穀物在長期的保存過程中，由於自然環境和人為保存不當等因素的影響，常含有黴變、水漬、煙熏、蠅糞、油斑等汙漬，影響其欣賞或收藏價值。因此，針對汙漬的檢測與虛擬修複技術逐漸成為文物保護領域的重要研究方向。
周新光等人研究了高光譜圖像係統在提取傳統書畫作品中模糊印章信息方麵的應用。文章采用350-1000 nm高光譜成像技術，通過最小噪聲分離方法處理數據，顯著提升印章辨識度（圖11）。該技術還能揭示修複痕跡，為印章真實性及文物藝術價值研究提供科學依據，解決了模糊不清印章的辨識難題。
圖11.560～850nm下MNF處理結果（上方為處理前高光譜圖像合成圖，下方為處理後高光譜圖像合成圖）
王(wang)珺(珺)等(deng)人(ren)研(yan)究(jiu)了(le)基(ji)於(yu)高(gao)光(guang)譜(pu)成(cheng)像(xiang)技(ji)術(shu)和(he)深(shen)度(du)學(xue)習(xi)模(mo)型(xing)對(dui)青(qing)銅(tong)器(qi)鏽(xiu)蝕(shi)類(lei)別(bie)進(jin)行(xing)智(zhi)能(neng)標(biao)識(shi)的(de)方(fang)法(fa)，為(wei)青(qing)銅(tong)器(qi)的(de)保(bao)護(hu)和(he)修(xiu)複(fu)提(ti)供(gong)了(le)科(ke)學(xue)依(yi)據(ju)。針(zhen)對(dui)青(qing)銅(tong)器(qi)鏽(xiu)蝕(shi)識(shi)別(bie)難(nan)題(ti)，提(ti)出(chu)基(ji)於(yu)分(fen)組(zu)LSTM與CNN的MGLC網絡方法，結合光譜與空間特征提升識別精度。實驗顯示，MGLC在分類精度、區域性和分界清晰度上優於傳統方法，能精準識別六類鏽蝕分布（圖12），並生成鏽蝕分布圖，為文物保護、修複提供科學參考。
圖12.不同算法在青銅器數據集有標簽麵的全圖分類結果
周zhou平ping平ping等deng人ren在zai研yan究jiu中zhong提ti出chu了le一yi種zhong基ji於yu高gao光guang譜pu影ying像xiang分fen類lei線xian性xing回hui歸gui的de古gu畫hua汙wu漬zi虛xu擬ni修xiu複fu方fang法fa，針zhen對dui清qing代dai絹juan本ben古gu畫hua上shang存cun在zai的de油you漬zi汙wu染ran區qu域yu，通tong過guo高gao光guang譜pu成cheng像xiang技ji術shu結jie合he支zhi持chi向xiang量liang機ji（SVM）分類和人工神經網絡（ANN），duiwuziquyuneiyinhanxinxijinxingtiqu。yanjiutongguofenxiyingxiangzhongyouziyingxiangxiaodeboduan，jianlifenleixianxinghuiguimoxingxiaozhengwuranboduan，huifuyouzifugaiqudeyuanshiyanliaohesecai。xiufuhouyingxiang（圖13）顯現出汙漬下的顏料信息，葉脈紋絡清晰可見。實驗證明，該方法能有效提取隱藏信息，恢複古畫原貌，提升藝術表現力與鑒賞價值。
圖13.古畫虛擬修複實驗結果
sunmeijundengrenjiyujinhongwaigaoguangpujishu，tichuleyizhongyongyudunhuangmogaokubihuaqijiabinghaifengxianpinggudefangfa。yanjiuliyonggaoguangpuchengxiangxitongjianlibihuabinghaiguangpushujuku，caiyongPLSR、PCA+SVM、PCA+ANN模型評估起甲病害風險。PLSR模型表現*jia，shengchengzhuxiangsufengxianfenbutu。jieguoxianshi，moxingzhunquepinggulebihuatuoluoqingkuang，yanzhenglegaoguangpujishuzaibihuabinghaipingguzhongdeyouxiaoxing，youzhuyubinghaitanceyubaohu。
圖14.壁畫起甲風險評估圖。*一列為壁畫的彩色圖像，第二列為原始圖像的高光譜圖像示意圖，第三列為PLSR模型預測得到的風險評估圖
Hou等(deng)人(ren)提(ti)出(chu)了(le)一(yi)種(zhong)利(li)用(yong)高(gao)光(guang)譜(pu)成(cheng)像(xiang)技(ji)術(shu)從(cong)壁(bi)畫(hua)煙(yan)塵(chen)中(zhong)提(ti)取(qu)隱(yin)藏(zang)信(xin)息(xi)的(de)有(you)效(xiao)方(fang)法(fa)，以(yi)提(ti)高(gao)古(gu)代(dai)壁(bi)畫(hua)圖(tu)案(an)的(de)視(shi)覺(jiao)價(jia)值(zhi)。首(shou)先(xian)，采(cai)用(yong)最(zui)小(xiao)噪(zao)聲(sheng)分(fen)數(shu)變(bian)換(huan)去(qu)除(chu)壁(bi)畫(hua)背(bei)景(jing)中(zhong)的(de)煙(yan)塵(chen)特(te)征(zheng)；其次，利用光譜特征分析和圖像減法對壁畫進行特征增強；最後進行密度切片，提取煙塵下的圖案（圖15）。該方法對隱藏信息的提取準確率達到了88.97%。
圖15.利用密度分割法提取隱藏信息：區域1的彩色圖像（a）由原始高光譜圖像合成，DN值轉換起始值為0，圖案以白色突出顯示（b），並通過密度分割法在閾值7.95下提取出圖案（c）；區域2的彩色圖像（d）同樣經過DN值轉換，起始值設為0，圖案以白色顯示（e），隨後在閾值6.55下通過密度分割法提取出圖案（f）。
總結與展望
高(gao)光(guang)譜(pu)成(cheng)像(xiang)技(ji)術(shu)作(zuo)為(wei)一(yi)種(zhong)新(xin)興(xing)的(de)無(wu)損(sun)檢(jian)測(ce)手(shou)段(duan)，憑(ping)借(jie)同(tong)時(shi)獲(huo)取(qu)高(gao)光(guang)譜(pu)數(shu)據(ju)與(yu)空(kong)間(jian)圖(tu)像(xiang)的(de)獨(du)特(te)優(you)勢(shi)，在(zai)文(wen)物(wu)保(bao)護(hu)與(yu)修(xiu)複(fu)領(ling)域(yu)展(zhan)現(xian)出(chu)巨(ju)大(da)的(de)應(ying)用(yong)潛(qian)力(li)。當(dang)前(qian)，該(gai)技(ji)術(shu)已(yi)被(bei)應(ying)用(yong)於(yu)書(shu)畫(hua)顏(yan)料(liao)成(cheng)分(fen)鑒(jian)定(ding)、隱藏信息提取、病害分析及修複效果評估等方麵，能夠有效揭示文物的材質特征、製作工藝及曆史信息，為文物科技工作提供了一種高*、精準的技術途徑，也進一步推動文物科技工作的創新與發展。
gaoguangpuchengxiangjishuzaiwenwubaohulingyudefazhanyouwangyushenduxuexiherengongzhinengsuanfaxiangjiehe，tigaogaoguangpushujudezidonghuafenxinengli，shixianwenwubinghaidekuaisushibieyujingzhunfenlei。tongshi，kaifagengjiaqingbian、實用的高光譜設備，拓展其在野外考古與現場保護中的應用，將成為重要的發展方向。此外，結合其他檢測技術（如X射線熒光、紅外成像等），建立多技術聯合分析平台，將全*tishengwenwuyanjiuyuxiufugongzuodejingduyuxiaolv。suizhejishudechixuchuangxinyuyouhua，gaoguangpuchengxiangjishubijiangzaiwenwubaohuyuxiufulingyufahuigengjiaguanjiandezuoyong，weiwenhuayichandechuanchengyubaohutigongjianshidekejizhicheng。
參考文獻
丁新峰. (2015). 基於高光譜成像技術的文物顏料研究 [碩士, 北京建築大學].
郭新蕾, 張立福, 吳太夏, 張紅明, & 羅旭東. (2017). 成像光譜技術的古畫隱藏信息提取. 中國圖象圖形學報, 22(10), 1428–1435.
周平平, 侯妙樂, 趙學勝, 呂書強, 胡雲崗, 張學東, & 趙恒謙. (2017). 基於高光譜影像分類線性回歸的古畫汙漬虛擬恢複. 地理信息世*, 24(3), 113–118.
Han, D., Ma, L., Ma, S., & Zhang, J. (2020). The digital restoration of painted patterns on the No. 2 Qin bronze chariot based on hyperspectral imaging. Archaeometry, 62(1), 200–212. https://doi.org/10.1111/arcm.12516
Hou, M., Cao, N., Tan, L., Lyu, S., Zhou, P., & Xu, C. (2019). Extraction of Hidden Information under Sootiness on Murals Based on Hyperspectral Image Enhancement. Applied Sciences, 9(17), 3591. https://doi.org/10.3390/app9173591
Hou, M., Zhou, P., Lv, S., Hu, Y., Zhao, X., Wu, W., He, H., Li, S., & Tan, L. (2018). Virtual restoration of stains on ancient paintings with maximum noise fraction transformation based on the hyperspectral imaging. Journal of Cultural Heritage, 34, 136–144. https://doi.org/10.1016/j.culher.2018.04.004
Li, G. H., Chen, Y., Sun, X. J., Duan, P. Q., Lei, Y., & Zhang, L. F. (2020). An automatic hyperspectral scanning system for the technical investigations of Chinese scroll paintings. Microchemical Journal, 155, 104699. https://doi.org/10.1016/j.microc.2020.104699
Pan, N., Hou, M., Lv, S., Hu, Y., Zhao, X., Ma, Q., Li, S., & Shaker, A. (2017). Extracting faded mural patterns based on the combination of spatial-spectral feature of hyperspectral image. Journal of Cultural Heritage, 27, 80–87. https://doi.org/10.1016/j.culher.2017.02.017
地址：無錫市梁溪區南湖大道飛宏路58-1-108.png)
電話：.png)
郵箱：
在線谘詢