基于光谱降维与Hu矩的壁画颜料层脱落区域提取方法

发布时间：2021-03-08 00:43

　　颜料层脱落区域的提取是壁画现状调查的重要环节,由于其光谱特征与壁画白色图案较为相似,仅利用光谱特征提取的精度较低。因此,提出了一种兼顾光谱特征和Hu矩形状特征的颜料层脱落区域提取方法。首先,利用壁画高光谱图像的光谱信息,经光谱降维,采用支持向量机监督分类法提取颜料层脱落区域与白色图案。然后,对颜料层脱落区域与白色图案分类结果分别进行连通,将连通后的图斑视为最小识别对象,利用Hu矩计算每一个对象的形状特征,采用支持向量机二分类再次区分对象图斑,实现颜料层脱落区域的半自动提取。最后,以青海省瞿昙寺壁画高光谱图像进行了提取。结果表明,该方法能提高颜料层脱落区域的提取精度,为壁画的现状调查提供支撑。 

【文章来源】：图学学报. 2020,41(06)北大核心

【文章页数】：9 页

【部分图文】：

不同颜色图案样本Fig.2Samplesindifferentcolorareas

诨?煌??嫣卣鞣治?瞿昙寺回廊壁画绘制于明代，描绘了释迦牟尼从降生到圆寂的全过程，其色彩丰富，包括绿色、蓝色、红色、白色和黑色等图案[13]。为了研究不同颜色区域和颜料层脱落区域的差异，提高病害提取的精度，对不同颜色区域和颜料层脱落区域的光谱特征进行分析。首先采用最小噪声分离(minimumnoisefraction,MNF)正逆变换，降低高光谱反射率图像中的噪声。然后，在图2的高光谱图像中对不同颜色图案进行取样，每类颜色图案分别取多个块状区域，对其分别进行平均得到对应颜色图案的光谱曲线，如图3所示。图2不同颜色图案样本Fig.2Samplesindifferentcolorareas图3不同类别样本平均反射光谱曲线Fig.3Averagereflectivespectraofdifferentsamples

00H型高光谱成像仪进行数据采集，主要参数见表1。表1VNIR400H高光谱成像仪参数Table1ParametersofhyperspectralcameraVNIR400H参数参数光谱范围(nm)400~1000光谱波段数1040视场角(°)30采样间隔(nm)0.6光谱分辨率(nm)2.8像元尺寸(μm)7.4×7.4成像画幅1392×1000动态范围(bit)14传感器SONYCMOS/IMX036重量(kg)1.95镜头焦距(mm)23数据于2018年8月28日下午采集，现场采用卤素灯作为光源。成像仪距壁画109cm，光圈4.0，曝光时间80ms。研究区域壁画正射影像如图1所示。选择图中红色矩形所标识高光谱图像进行颜料层脱落病害提龋图1瞿昙寺西回廊部分壁画正射影像Fig.1OrthophotoofpartmuralsinthewestcorridorofQutanTemple1.2.2预处理高光谱成像仪获取目标物的辐射亮度，其中包括目标物本身的辐射信息和噪声，由于地面高光谱成像仪在测量时距离目标物距离较近，大气对辐射亮度影响较小，因此在高光谱数据辐射校正时只需对原始数据进行反射率重建[14]，即DateDarkrefWhiteDark(1)其中，ref为重建后的高光谱反射率图像；Date为高光谱原始图像数据，即辐射亮度；White为同等条件下的标准反射板图像数据；Dark为暗电流噪声数据，本文使用反射率为99%的标准反射板，采集环境与真实数据采集环境相同。在获取暗电流数据时，关闭人工光源，盖上镜头盖。观察高光谱反射率图像发现，处于波长两端的波段数据噪声较大，为降低噪声对数据的影响，对高光谱反射率图像进行了波段选择，人工选择了第51-990波段作为研究数据。2研究方法2.1壁画不同画面特征分析瞿昙寺回廊壁画绘制于明代，描绘了

【参考文献】：
期刊论文
[1]瞿昙寺明清建筑实物及壁画中的建筑彩画[J]. 王晓珍.  美术. 2019(11)
[2]基于高光谱影像的瞿昙寺壁画颜料层脱落病害评估[J]. 刘晓琴,侯妙乐,董友强,汪万福,吕书强.  地理信息世界. 2019(05)
[3]基于双特征匹配层融合的步态识别方法[J]. 李洪安,杜卓明,李占利,惠巧娟,白佳豪.  图学学报. 2019(03)
[4]基于多源遥感影像的森林资源分类及精度评价[J]. 徐辉,潘萍,杨武,欧阳勋志,宁金魁,邵锦锋,李琦.  江西农业大学学报. 2019(04)
[5]改进的区域生长算法在寺观壁画脱落病害标定中的应用[J]. 曹建芳,李艳飞,崔红艳,张琦.  新疆大学学报(自然科学版). 2018(04)
[6]基于区域生长法和BP神经网络的红外图像识别[J]. 陈跃伟,彭道刚,夏飞,钱玉良.  激光与红外. 2018(03)
[7]基于Hu矩与改进PNN的飞机姿态识别算法[J]. 成杰,李新德.  航空兵器. 2017(01)
[8]基于近红外高光谱技术的敦煌莫高窟壁画起甲病害风险评估方法[J]. 孙美君,柴勃隆,张冬,王征,孙济洲.  文物保护与考古科学. 2016(04)
[9]高光谱图像处理与信息提取前沿[J]. 张兵.  遥感学报. 2016(05)
[10]唐墓室壁画泥斑病害自动标定及虚拟修复[J]. 李彩艳,王慧琴,吴萌,潘思丞.  计算机工程与应用. 2016(15)

博士论文
[1]古代壁画图像保护与智能修复技术研究[D]. 刘建明.浙江大学 2010



本文编号：3070101