案例详情
文物保护：基于高光谱成像技术的壁画主成分分析
日期：2024-09-26 18:49
浏览次数：0
摘要：文物具有****性， 理想的文物分析手段应是无损的。 高光谱技术对目标信息的采集是非接触的，这一特点满足了文物无损分析的要求。
本文以西安壁画为研究对象，利用双利合谱的高光谱成像仪Gaia Field（光谱范围400nm - 1000 nm）采集测试对象的高光谱数据，如图1。
图1 GaiaField 样机
对成像高光谱仪拍摄的原始影像数据进行数据的预处理，预处理过程主要包括两部分。部分是辐射定标；**部分为噪声去除。
首先进行辐射定标。辐射定标的计算公式如1所示。
其中，Reftarget为目标物的反射率，Refpanel为标准参考板的反射率，DNtarget为原始影像中目标物的的数值，DNpanel为原始影像中标准参考板的数值，DNdark为成像光谱仪系统误差。
其次是噪声去除，本文运用国外较为常用的小噪声分离方法(Minimum Noise Fraction Rotation， MNF)进行噪声去除。小噪声分离工具用于判定图像数据内在的维数（即波段数），分离数据中的噪声，减少随后处理中的计算需求量。MNF本质上是两次层叠的主成分变换。次变换（基于估计的噪声协方差矩阵）用于分离和重新调节数据中的噪声，这步操作使变换后的噪声数据只有小的方差且没有波段间的相关。**步是对噪声白化数据（Noise-whitened）的标准主成分变换。为了进一步进行波谱处理，通过检查终特征值和相关图像来判定数据的内在维数。数据空间可被分为两部分：一部分与较大特征值和相对应的特征图像相关，其余部分与近似相同的特征值以及噪声占主导地位的图像相关。图2为MNF降噪前后的光谱反射率变化。
图3 壁画在高光谱影像中不同位置的光谱反射率变化
利用SpecView软件的Analysis-Animate功能，快速浏览能识别躯干、手背、肢体、铠甲的各波段图像的变化，结果表明能较为清楚地识别壁画高光谱影像信息的波段主要集中在红光与近红外区域，这与目前国内外的研究结果相同。以760 nm波段影像为例，对壁画760 nm处影像的灰度图作密度分割，以期能更清楚地分辨壁画中内部成分的变化，如下图所示。从图4可知，通过对成像高光谱特定某一波段作密度分割并赋予不同的颜色，不仅在图像能较为清晰的看到壁画内部成分的变化，而且也能看到其在数值上的变化。
图4 壁画在760 nm处密度分割前后影像图
为了客观地区分壁画内部成分的变化，对经预处理后的高光谱数据进行主成分分析（Principal Component Analysis, PCA），去除波段之间的多余信息、将多波段的图像信息压缩到比原波段更有效的少数几个转换波段下。下图为PCA的前6个主成分及主成分的312组合图。
图5 壁画前6个主成分图
图6 壁画的PCA变化前影像合成图(左 R：800 nm,G:700 nm，B：600 nm；右 R：PCA3 G:PCA1，B：PCA2）
通过图6可知，利用成像高光谱原始影像数据进行波段组合时，其无法较为清晰地看到壁画内部的变化规律，但经过PCA变换之后，通过PCA各主成分的波段组合，壁画内部成分的变化能较为清晰的展现出来。
