CN102854147B - 一种基于高光谱数据的壁画底稿信息提取方法 - Google Patents
一种基于高光谱数据的壁画底稿信息提取方法 Download PDFInfo
- Publication number
- CN102854147B CN102854147B CN201210281484.2A CN201210281484A CN102854147B CN 102854147 B CN102854147 B CN 102854147B CN 201210281484 A CN201210281484 A CN 201210281484A CN 102854147 B CN102854147 B CN 102854147B
- Authority
- CN
- China
- Prior art keywords
- mural painting
- mural
- information
- principal component
- spectral data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于高光谱数据的壁画底稿信息提取方法,包括如下步骤:选取预定区域的壁画为样本,并获取该壁画样本的高光谱数据信息;对上述高光谱数据信息进行主成分分析,以获取包含该高光谱数据信息中有效特征信息的主成分;其中,所述主成分为高光谱数据信息中各个波段的线性组合;根据各个波段的权重值而选取出主成分中的特征波段,并由选取出的特征波段合成新的影像;计算所述新的影像的像元统计数据、以及壁画的高光谱数据信息所包含的像元统计数据,将所述壁画对应的像元统计数据与所述新的影像的像元统计数据进行比较并确定相似度,选取相似度超过设定阈值的壁画的像元为壁画的底稿像元。
Description
技术领域
本发明涉及一种壁画底稿信息提取方法,尤其涉及一种基于高光谱数据的壁画底稿信息提取方法。
背景技术
壁画是附着于古代建筑物上的彩色绘画,主要用于装饰建筑物,是反映古代人类社会生活、宗教信仰和艺术审美等历史文化的重要物质载体。壁画从不同的角度展示了各个时期历史文化与艺术的结合情况,而底稿是壁画绘制过程中的首要信息,它描述了壁画内容的主要轮廓信息,充分反映了绘画者的初始绘制要义,展示了不同历史时期的绘画技法,因此提取壁画的底稿信息有助于研究者深入探测早期艺术家们的历史信息,深刻认识历史的发展轨迹和状态。
由于壁画颜料及不同病害的覆盖,壁画底稿信息变得模糊甚至不可见,但是鉴于底稿信息绘制颜料的特殊性,可以通过特定波长下的光谱表现出来。例如,利用多光谱紫外荧光和红外摄影技术采集壁画信息,深入了解了壁画的原始绘画内容等;或者,利用多光谱成像技术采集油画的影像,提取了自然光条件下肉眼无法探测的底稿信息;又或者,通过获取油画的近红外影像,对底稿线条进行分类处理来确定绘制的工具;以及,采用高光谱成像技术获取历史文本,并根据不同墨水的波谱特性,提取了部分底稿文本信息。
这些方法主要采用的是目视判别以及区域性分类手段来获取壁画的底稿信息,可直观的获取底稿信息,但较为费时费力,不利用实现壁画底稿信息的自动化提取。
发明内容
本发明针对现有技术的弊端,提供一种基于高光谱数据的壁画底稿信息提取方法。
本发明所述的基于高光谱数据的壁画底稿信息提取方法,包括如下步骤:
步骤一,选取预定区域的壁画为样本,并获取该壁画样本的高光谱数据信息;
步骤二,对上述高光谱数据信息进行主成分分析,以获取包含该高光谱数据信息中有效特征信息的主成分;其中,所述主成分为高光谱数据信息中各个波段的线性组合;
步骤三,根据各个波段的权重值而选取出主成分中的特征波段,并由选取出的特征波段合成新的影像;
步骤四,计算所述新的影像的像元统计数据、以及壁画的高光谱数据信息所包含的像元统计数据,将所述壁画对应的像元统计数据与所述新的影像的像元统计数据进行比较并确定相似度,选取相似度超过设定阈值的壁画的像元为壁画的底稿像元。
本发明所述的基于高光谱数据的壁画底稿信息提取方法的步骤一中,选取表面质地光滑平坦、和/或病害侵害程度低、和/或底稿为含碳颜料绘制的壁画为样本。
本发明所述的基于高光谱数据的壁画底稿信息提取方法的步骤二中,
设X=(X1,X2,...,Xn)T为高光谱数据信息的n维随机向量,其中Xi=(Xi1,Xi2,...,Xin)T(i=1,2,..,n)是第i个拥有n个指标的样本;X的均值向量为E(X)=μ,X的协方差为R(X)=V≥0;
则基于样本协方差矩阵R提取主分量的过程如下:
求R矩阵的特征值及特征矢量,所求得特征值按降序排列为a1≥a2≥...≥an≥0,与其所对应的特征矢量分别记为β1,β2,...,βn;
确定m个主分量y1,y2,...,ym;其中i=1,2,...,m;式中:Bi为由m个主成分矢量βi构成的主成分矢量矩阵。
本发明所述的基于高光谱数据的壁画底稿信息提取方法的步骤三中,所述各个波段的权重值为预先设置;
根据各个波段的权重值绘制权重值与波段对应关系的曲线,该曲线的波峰及波谷部分所对应的波段即为特征波段。
本发明所述的基于高光谱数据的壁画底稿信息提取方法中,将高光谱成像技术用于壁画底稿信息提取,针对所获取的高光谱影像数据量大,相邻波段间相关性高的特点,先用主成分分析的方法对数据进行降维处理,再对特征波段进行提取和分析,最后通过监督分类对壁画底稿信息进行提取,能够明显提高底稿信息提取效率。
附图说明
图1为本发明所述基于高光谱数据的壁画底稿信息提取方法的流程示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
如图1所示,本发明所述的基于高光谱数据的壁画底稿信息提取方法,包括如下步骤:
步骤101,选取预定区域的壁画为样本,并获取该壁画样本的高光谱数据信息。
本步骤中,所述预定区域的壁画的选取原则,可依下述进行,即:
在选取过程中,首先应选取表面质地较为光滑平坦的壁画,以减少因绘制基底起伏不平而带来的数据误差,同时便于后期的采集数据过程中壁画各部分受光均匀;其次选取区的病害侵害程度应较为轻微,严重的病害如地帐层脱落等使得底稿信息已经消失,故无法进行相关信息的探测;最后,壁画的底稿信息应尽可能为石墨等含碳颜料绘制而成,近红外波段对该物质具有较好的探测效果,有利于底稿信息的提取识别。
本步骤中,获取壁画样本的高光谱数据信息的设备可借助高分辨率小型CCD摄像机而实现。具体而言,即将壁画置于正前方,在光源照射下,利用摄像机对壁画进行拍摄。该摄像机的光谱范围为400~1000nm,共825个波段。所述摄像机连接计算机,已将拍摄的高光谱数据信息导入计算机。
步骤102,对上述高光谱数据信息进行主成分分析,以获取包含该高光谱数据信息中有效特征信息的主成分;其中,所述主成分为高光谱数据信息中各个波段的线性组合。
由于高光谱影像具有数据量大,相邻波段相关性高的特点,导致数据在一定程度上反映的信息有所重叠。本实施例中采用主成分分析的方法对原始影像数据进行压缩降维处理。主成分分析的基本原理是利用降维(线性变换)的思想,在损失很少信息的前提下把多个指标转化为几个综合指标(主成分),即每个主成分都是原始变量的线性组合,且各个主成分不相关。它的基本原理如下:
设有某个n维息体M,它的每个样本皆是一个n维随机向量的实现,即每个样本都测得n个指标,这n个指标往往相互影响;而主成分分析方法则将这n个指标合成为较少的几个综合指标,这几个综合指标充分反映原来n个指标的信息,且它们彼此之间互不相关。
X=(X1,X2,...,Xn)T为n维随机向量,其中Xi=(Xi1,Xi2,...,Xin)T(i=1,2,..,n)是第i个拥有n个指标的样本。X的均值向量E(X)=μ,X的协方差R(X)=V≥0。基于样本协方差矩阵R提取主分量的基本过程如下:
1)求R矩阵的特征值及特征矢量,所求得特征值按降序排列为a1≥a2≥...≥an≥0,与其所对应的特征矢量分别记为β1,β2,...,βn。
2)确定m个主分量y1,y2,...,ym。其中i=1,2,...,m,式中:Bi为由m个主成分矢量βi构成的主成分矢量矩阵。上式建立了m个线性组合,确定了m个主分量yi,并称为由样本协方差矩阵求得的主成分矢量。
主成分分析构成的m个主成分y1,y2,...,ym满足以下条件:
(1)各个主成分是相互正交,互不相关的;
(2)每一个主成分均是原始波段的线性组合;
(3)第一主成分包含最大的数据方差,第二主成分包含第二大的方差,以此类推,各个主成分包含的方差呈现递减趋势,而最后的主成分由于包含很小的方差,因此主要信息为噪声。
因此,根据各主成分方差的贡献率大小来选择包含主要壁画特征信息的主成分影像,以选择最适于提取壁画底稿信息的主成分影像。该方法可将影像中具有相关性的多波段数据集中到完全独立的较少的几个波段上,实现了数据向低维的压缩。这样既提取了有效的特征信息,又大大减少了数据的冗余。
步骤103,根据各个波段的权重值而选取出主成分中的特征波段,并由选取出的特征波段合成新的影像。所述各个波段的权重值为预先设置;根据各个波段的权重值绘制权重值与波段对应关系的曲线,该曲线的波峰及波谷部分所对应的波段即为特征波段。
通过前述主成分分析变换可以消除原始影像的各波段之间的相关性,从而去掉那些带有较少信息的特征,这样也就达到了降低空间维数的目的。
为提高壁画底稿信息提取的效率,还需进行特征波段的选取。根据主成分分析满足的条件可知:每个主成分都是原始数据中各个波段的线性组合,而各个波段对该主成分的影响状况可由其权重系数表征,在此,利用各个波段的权重系数绘制一曲线,对于该曲线来说,曲线中的波峰及波谷部分的波段对该曲线具有重要的影响作用,即这些波段对该主成分具有重要影响。因而可以选取线性组合中对主成分影响较大的波段作为特征波段,这些波段包含了该主成分中绝大多数的信息,通过合成新的影像,可实现利用少数波段展示原始影像主要特征信息的目的。
步骤104,计算所述新的影像的像元统计数据、以及壁画的高光谱数据信息所包含的像元统计数据,将所述壁画对应的像元统计数据与所述新的影像的像元统计数据进行比较并确定相似度,选取相似度超过设定阈值的壁画的像元为壁画的底稿像元。
为有效的提取高光谱影像中壁画的底稿信息,本实施例采用监督分类的方法对特征波段合成的新影像进行处理。在该分类过程中,首先通过选取影像中可识别的底稿信息并建立相应的模板,在建立相关的判定规则后,基于该模板利用计算机系统自动识别具有相同特性的像元,从而实现壁画整体底稿信息的快速识别。
在此过程中,选取可识别的底稿信息即选择相应的底稿感兴趣区(也即前述的壁画样本区域),该区域应具有显著的底稿信息特点,并且该区域内的像元具有较为一致的空间特征,通过计算该区域的像元统计数据并以此为评判基准,根据选取的分类方法,建立相应的判定规则后将高光谱影像中的像元与感兴趣区的像元统计数值逐一对比,根据阈值判定各个像元的属性,即是否为底稿像元,从而实现底稿信息的提取。
本发明针对高光谱影像数据量大,冗余度高的特点,设计使用主成分分析方法对原始影像进行处理,根据各主成分特征值和贡献率,选择第一主成分为研究对象,从海量数据中优选出特征波段,为有效提取壁画的底稿信息,对基于特征波段的影像进行了分类处理。该方法不仅减少了数据量,缩短了底稿信息提取的时长,并且有效的提高了底稿信息提取的精度。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (3)
1.一种基于高光谱数据的壁画底稿信息提取方法,其特征在于,包括如下步骤:
步骤一,选取预定区域的壁画为样本,并获取该壁画样本的高光谱数据信息;
步骤二,对上述高光谱数据信息进行主成分分析,以获取包含该高光谱数据信息中有效特征信息的主成分;其中,所述主成分为高光谱数据信息中各个波段的线性组合;设X=(X1,X2,...,Xn)T为高光谱数据信息的n维随机向量,其中Xi(Xi1,Xi2,...,Xin)T(i=1,2,..,n)是第i个拥有n个指标的样本;X的均值向量为E(X)=μ,X的协方差为R(X)=V≥0;
则基于样本协方差矩阵R提取主分量的过程如下:
求R矩阵的特征值及特征矢量,所求得特征值按降序排列为a1≥a2≥...≥an≥0,与其所对应的特征矢量分别记为β1,β2,...,βn;
确定m个主分量y1,y2,...,ym;其中式中:Bi为由m个主成分矢量βi构成的主成分矢量矩阵;
步骤三,根据各个波段的权重值而选取出主成分中的特征波段,并由选取出的特征波段合成新的影像;
步骤四,计算所述新的影像的像元统计数据、以及壁画的高光谱数据信息所包含的像元统计数据,将所述壁画对应的像元统计数据与所述新的影像的像元统计数据进行比较并确定相似度,选取相似度超过设定阈值的壁画的像元为壁画的底稿像元。
2.如权利要求1所述的壁画底稿信息提取方法,其特征在于,所述步骤一中,选取表面质地光滑平坦、和/或病害侵害程度低、和/或底稿为含碳颜料绘制的壁画为样本。
3.如权利要求1所述的的壁画底稿信息提取方法,其特征在于,所述步骤三中,所述各个波段的权重值为预先设置;
根据各个波段的权重值绘制权重值与波段对应关系的曲线,该曲线的波峰及波谷部分所对应的波段即为特征波段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210281484.2A CN102854147B (zh) | 2012-08-08 | 2012-08-08 | 一种基于高光谱数据的壁画底稿信息提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210281484.2A CN102854147B (zh) | 2012-08-08 | 2012-08-08 | 一种基于高光谱数据的壁画底稿信息提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102854147A CN102854147A (zh) | 2013-01-02 |
CN102854147B true CN102854147B (zh) | 2014-12-10 |
Family
ID=47400924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210281484.2A Expired - Fee Related CN102854147B (zh) | 2012-08-08 | 2012-08-08 | 一种基于高光谱数据的壁画底稿信息提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102854147B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103969198A (zh) * | 2013-02-06 | 2014-08-06 | 上海帆声图像科技有限公司 | 一种艺术品鉴定方法 |
CN103646393B (zh) * | 2013-11-22 | 2017-03-15 | 深圳职业技术学院 | 油画基色颜料光谱预测方法 |
CN103822711B (zh) * | 2014-03-03 | 2015-12-02 | 中国科学院遥感与数字地球研究所 | 数字图像显示方法以及高光谱望远镜 |
CN106052877B (zh) * | 2016-05-25 | 2018-01-19 | 敦煌研究院 | 壁画绘画材料多光谱图像色彩标准色卡及其制作方法 |
CN106338487A (zh) * | 2016-09-29 | 2017-01-18 | 北京建筑大学 | 一种字画鉴别方法和装置 |
CN106570840A (zh) * | 2016-11-09 | 2017-04-19 | 北京建筑大学 | 壁画信息提取后的图像增强方法 |
CN107643267B (zh) * | 2017-09-01 | 2019-06-25 | 武汉大学 | 一种基于可见光谱成像的古代壁画颜料无损全面识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5416542A (en) * | 1977-07-08 | 1979-02-07 | Toyo Tire & Rubber Co Ltd | Water-dispersible resin composition for electrostatic coating |
CN102592302A (zh) * | 2011-12-28 | 2012-07-18 | 江苏如意通动漫产业有限公司 | 数字化卡通智能动检系统及动检方法 |
-
2012
- 2012-08-08 CN CN201210281484.2A patent/CN102854147B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5416542A (en) * | 1977-07-08 | 1979-02-07 | Toyo Tire & Rubber Co Ltd | Water-dispersible resin composition for electrostatic coating |
CN102592302A (zh) * | 2011-12-28 | 2012-07-18 | 江苏如意通动漫产业有限公司 | 数字化卡通智能动检系统及动检方法 |
Non-Patent Citations (2)
Title |
---|
古遗址的高光谱数据信息提取方法研究;王琳琳;《西北大学硕士论文》;CNKI;20120718;51-57 * |
王琳琳.古遗址的高光谱数据信息提取方法研究.《西北大学硕士论文》.CNKI,2012,51-57页. * |
Also Published As
Publication number | Publication date |
---|---|
CN102854147A (zh) | 2013-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102854147B (zh) | 一种基于高光谱数据的壁画底稿信息提取方法 | |
Hu et al. | Automatic plankton image recognition with co-occurrence matrices and support vector machine | |
Sun et al. | Coal–rock interface detection on the basis of image texture features | |
CN102879099B (zh) | 一种基于高光谱成像的壁画信息提取方法 | |
CN108596213A (zh) | 一种基于卷积神经网络的高光谱遥感图像分类方法及系统 | |
CN101059425A (zh) | 基于多光谱图像的纹理分析鉴别不同品种绿茶的方法和装置 | |
CN109765194B (zh) | 基于高光谱成像技术的枸杞子产地识别方法 | |
CN104778481A (zh) | 一种大规模人脸模式分析样本库的构建方法和装置 | |
CN1737821A (zh) | 自动指纹识别方法中的图像分割及指纹纹线距离提取技术 | |
CN106815819B (zh) | 多策略粮虫视觉检测方法 | |
CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
Cetinic et al. | Automated painter recognition based on image feature extraction | |
CN105718866A (zh) | 一种视觉目标检测与识别方法 | |
CN101551864A (zh) | 基于频域方向特征相关性的图像分类方法 | |
CN113112498B (zh) | 一种基于细粒度对抗生成网络的葡萄叶片病斑识别方法 | |
CN102013095A (zh) | 基于分布变换的多传感器图像融合方法 | |
CN1870051A (zh) | 基于神经网络和形态学的红外弱小目标单帧检测方法 | |
Song et al. | Wood materials defects detection using image block percentile color histogram and eigenvector texture feature | |
Ma et al. | Multiscale 2-D singular spectrum analysis and principal component analysis for spatial–spectral noise-robust feature extraction and classification of hyperspectral images | |
Shen et al. | Development of a new machine vision algorithm to estimate potato's shape and size based on support vector machine | |
CN109254654B (zh) | 一种结合PCA和PCANet的驾驶疲劳特征提取方法 | |
CN101067659A (zh) | 一种遥感图像分类方法 | |
CN201041547Y (zh) | 基于多光谱图像的纹理分析鉴别不同品种绿茶的装置 | |
Ye et al. | Cucumber appearance quality detection under complex background based on image processing | |
Tian et al. | Research on artificial intelligence of accounting information processing based on image processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141210 Termination date: 20160808 |
|
CF01 | Termination of patent right due to non-payment of annual fee |