基于流形学习与光谱解混的文物表面字迹增强——以云冈第38窟为例

文物表面的文字是了解历史的关键信息，对文物表面文字信息的探索成为文物保护的重要环节。结合流形学习与光谱解混，提出一种新的文物表面字迹增强方法。首先，利用基于流形学习的等距映射方法对预处理后的高光谱图像进行非线性降维，得到信息量最大的灰度图像；其次，分析文字与背景的光谱特征，通过多层非负矩阵分解方法得到字迹丰度图；然后，将二者进行加权平均得到字迹增强图像，再与合成真彩色影像进行HSV融合，得到字迹融合影像；最后，为更好地辨认文字，在字迹增强图像上裁剪文字并做形态学变换，得到字迹提取图。以云冈石窟第38窟的一景褪色文字高光谱图像为例进行了验证，结果表明，该方法能够有效地增强出文物表面的褪色文字，且较其他增强方法效果更好。     

最小噪声分离变换与Haar小波变换结合的壁画线状特征增强方法

在壁画的保护与修复中,线状特征具有重要的意义。然而由于自然环境等因素的影响,壁画经常出现褪色残缺等病害,导致其线状特征难以辨认。因此,利用高光谱成像与Haar小波变换结合,提出了一种壁画线状特征增强方法。首先,对高光谱影像进行最小噪声分离(MNF)变换,选取前10波段进行MNF逆变换进行重构,实现高光谱影像的降噪处理。其次,对重构后的影像选择真彩色波段变换为灰度图像,对灰度图像进行Haar小波分解。然后,对最小噪声分离变换后的影像,利用最大平均梯度法进行最优波段选择,将最优波段利用Haar小波进行变换,利用其分解后的低频信号与灰度图像分解后的低频信号相融合,高频信号使用MNF逆变换重构后的灰度图像。最后,对优化组合的低频和高频信号进行Haar小波逆变换得到结果图像,达到增强线状特征的目的。经过与原始灰度影像、主成分分析线状特征增强方法对比,验证了线状特征增强方法的有效性。研究结果可为壁画的保护修复提供更丰富、更直观的参考信息。     

基于光谱增强指数与LeNet-5的古书画褪色文字提取与识别

古书画中所记载的文字是了解历史的珍贵资料,对褪色文字进行提取和识别是挖掘和展示历史价值的基础。本工作首次提出基于光谱增强指数与LeNet-5相结合的古书画褪色文字提取与识别方法:利用高光谱成像无损检测、光谱范围广等优点,获取古书画的高光谱数据,分析文字与背景的光谱特征,构建字迹增强指数,实现古书画中褪色文字的增强;构建LeNet-5卷积神经网络,利用手写汉字集进行训练,对密度分割后的字迹图像进行自动识别。以清代画家张士保所作《论道图》中部分褪色文字为例进行了验证,文字识别的正确率为70.8%。结果表明,本工作所提出方法可有效提高古书画褪色文字提取与识别的智能化程度。     

基于丰度反演及光谱变换的书画霉斑虚拟修复

古书画在保存过程中容易滋生霉斑病害，霉斑不仅影响书画的外观，还会对纸质文物造成不可逆转的永久性破坏。为了给霉斑清洗提供直观参考，提出基于丰度反演及光谱变换的书画霉斑提取与虚拟修复方法。选取与霉斑区域光谱曲线存在明显差异的450～600 nm之间244个波段作为特征波段，通过连续最大角凸锥端元提取与灰度分割，提取霉斑区域。再对高光谱影像进行主成分变换，选取包含信息量最大的前三主成分合成影像，利用Criminisi算法对霉斑区域进行修复，再将修复后的影像进行主成分逆变换，完成高光谱影像的虚拟修复。以中国近现代画家倪田的《捕鱼图》为例进行了研究，发现修复后的霉斑区域与画体融入性较好，边界自然平滑，均方根误差值普遍变小。研究结果可为书画霉斑清洗提供直观的修复依据，具有较强的实用性。