CN109724921B - 一种基于光谱成像技术的书画鉴定图谱特征表示方法 - Google Patents

Abstract

本发明提供一种基于光谱成像技术的书画鉴定图谱特征表示方法，选择书画作品中的笔锋、墨汁、颜料、画风、题跋、印章和/或纸娟裱进行特征表达。为书画光谱成像鉴定技术提供一种鉴定分析元素的图谱特征表示方法，辅助计算机进行知识的量化，构建鉴定模型和算法的基本单元，最终，更好地完成书画科学鉴定，该特征表示方法具有量化、全面、模拟专家鉴定知识等特点，能保证书画技术鉴定的准确性。解决了书画鉴定困难及存在作假的问题。

Description

一种基于光谱成像技术的书画鉴定图谱特征表示方法

技术领域

本发明涉及一种书画鉴定技术的图谱特征表示方法，尤其涉及一种基于光谱成像技术的书画鉴定图谱特征表示方法。

背景技术

书画艺术品具有较高的艺术价值和经济价值，因而，书画作假现象日渐增多，伪作数量占比越来越高，作伪手段及技巧也日益熟练隐蔽，对于书画交易与收藏来说危害巨大，对传统书画文化传承影响恶劣。

书画鉴定作为保护书画交易、拍卖及收藏的公正手段，具有重要的社会意义和市场意义。传统的基于专家人眼的目鉴方法，通常只能分析书画的空间信息和墨汁色的可见光信息，而由于人眼获取的信息是积分累加信息，其信息较为单一，不具备谱分辨能力，对笔墨汁材质等属性无法识别，因此，对那些高质量临摹，多层拆分，增补作假等新型作伪手段无法做出准确的判断，尤其是笔法、构图、墨汁色、纸张、印章等方面的辨伪，较为困难。同时，随着利益的驱使，现在专家鉴定存在着配合作假的可能，而随着年龄的增加，专业的书画鉴定专家也越来越少。基于此，亟需客观科学的书画鉴定技术手段。

发明内容

光谱成像技术综合光谱和成像的特点，可获取目标空间和光谱的双重信息，可覆盖可见光到热红外的一系列波段，具有遥感探测和定量分析的优势，以及无损、快捷和属性识别等特点。数百个波谱和高的波谱分辨率使其可以检测书画表面微弱的材质、颜料、印章等变化。

对于伪作，其临摹水平再高，也只是空间信息和真作一致，没法做到用料完全和原迹一致，其在墨汁、色、章、纸等多方面总会存在一定差异，这些差异是光谱成像可以发现的，即便是现在流行的光谱作伪，其也只能做到可见光区域和真画用料一致，而无法保障全谱段一致，因此，光谱成像与分析技术可作为一种重要的书画鉴定的方法。

对于书画光谱成像鉴定技术来说，首先需要解决书画鉴定元素的图谱特征化表示问题，只有获得上述基本特征表达后，才能利用丰富的书画作品及作家背景知识，进行分析判断，达到判断真假及断代等目的。虽然现有经验鉴定所用的元素种类很多，但对于计算机分析，必须选择那些可数字化表示的特征元素，并对上述可鉴定元素的进行数字化特征表示。

本发明的目的是提供一种基于光谱成像技术的书画鉴定图谱特征表示方法，利用获取的特征实现书画光谱成像鉴定，解决书画鉴定困难及存在作假的问题。

本发明的技术解决方案是提供一种基于光谱成像技术的书画鉴定图谱特征表示方法，其特殊之处在于：选择书画作品中的笔锋、墨汁、颜料、画风、题跋、印章和/或纸娟裱进行特征化表示。

进一步地，笔锋的特征表示方法为：

首先，对书画高光谱图像进行主成分变换，得到第一主成分图像；

然后，对第一主成分图像使用特征窗遍历，完成横竖撇捺四种特征与第一主成分图像上的遍历窗的相似度计算，得到一系列横竖撇捺四种特征与遍历窗的相似角；将该相似角构成的横竖撇捺四种匹配度进行各自统计，得到四组统计直方图作为笔锋的特征表达。

进一步地，墨汁、颜料的特征表示方法为：

首先获取待鉴定书画作品中的墨汁或颜料的光谱信息；

其次将待鉴定书画作品中的墨汁或颜料光谱信息与已知的特征库中对应的原始墨汁或颜料的光谱信息进行光谱匹配，具体按下面公式计算：

首先，求光谱角SAM(x，s)和光谱信息散度SID(x，s)：

其中，已知原有墨汁或颜料光谱向量表示为s＝(s1，s2，s3，…，s_m)^T，待鉴定颜料或墨汁的光谱向量x＝(x1，x2，x3，…，x_m)^T；

SID(x，s)＝D(x||s)+D(s||x)；

其中，

pi(x)为待鉴定颜料或墨汁的光谱向量x的第i个分量的概率，p_i(s)为已知原有墨汁或颜料光谱向量s的第i个分量的概率；

最后将CM(s，x)作为墨汁、颜料的特征表达：

CM(s，x)＝λSAM(s，x)+(1-λ)βSID(s，x)

β为调整系数，λ为归一化调制参数。

这里，如果待检颜料或墨汁和已知特征库中对应的某个颜料或墨汁匹配，则，其计算的光谱匹配特征表达值应该小于特定阈值，即，视为二者匹配。

进一步地，

其中，M，m波段。

进一步地，题跋的特征表示方法为：

首先对书画作品中的文字按书写顺序选择笔画的拐点或端点；

然后对选择的点与书画所用纸或娟的光谱进行光谱角度量；

最后，按选择顺序对所有选择点的光谱角进行排序，得到题跋的特征表达。

进一步地，印章的特征表示方法为：

首先，对印章进行图像分割提取，得到印章图像；

然后，按图像构成顺序(每行的所有列)计算印章图像中每个像元的光谱与所有像元平均光谱的光谱角，构成一维向量，并按大于某阈值的置1处理，小于阈值置0处理的方案，得到异常定位向量的0-1表达；同时，对所有光谱角值进行统计，得到统计直方图；

将得到的所有光谱角值的统计直方图与异常定位向量的0-1表达作为印章的特征表达。

进一步地，画风的特征表示方法为：

首先，计算书画作品中每个像素点与全局平均光谱的光谱角；

然后，对上述所有光谱角进行统计，得到书画图谱统计直方图；

最后，对书画高光谱图像进行主成分变换，得到主成分变换图像，并对变换图像的每个像素点的主成分曲线计算其与全部像素点的平均主成分曲线的相似度，把相似度的统计直方图作为变换直方图；

采用书画图谱直方图和变换直方图作为画风的特征表达。

进一步地，纸娟裱的特征表示方法为：

首先获取待鉴定书画作品中的纸娟裱的光谱信息；

其次将待鉴定书画作品中的纸娟裱光谱信息与已知的特征库中对应的原始纸娟裱的光谱信息进行光谱匹配，具体按下面公式计算：

首先，求光谱角SAM(x，s)和光谱信息散度SID(x，s)：

其中，已知原有纸娟裱光谱向量表示为s＝(s1，s2，s3，…，s_m)^T，待鉴定纸娟裱的光谱向量x＝(x1，x2，x3，…，x_m)^T；

SID(x，s)＝D(x||s)+D(s||x)；

其中，

pi(x)为待鉴定纸娟裱的光谱向量x的第i个分量的概率，p_i(s)为已知原有纸娟裱光谱向量s的第i个分量的概率；

最后将CM(s，x)作为纸娟裱的特征表达：

CM(s，x)＝λSAM(s，x)+(1-λ)βSID(s，x)

β为调整系数，λ为归一化调制参数。

这里，如果待检纸娟裱和已知特征库中对应的某个纸娟裱匹配，则，其计算的光谱匹配特征表达值应该小于特定阈值，即，视为二者匹配。

本发明的有益效果是：为书画光谱成像鉴定技术提供一种鉴定分析元素的图谱特征表示方法，辅助计算机进行知识的量化，构建鉴定模型和算法的基本单元，最终，更好地完成书画科学鉴定，该特征表示方法具有量化、全面、模拟专家鉴定知识等特点，能保证书画技术鉴定的准确性。

附图说明

图1给出的是书画鉴定笔锋特征定义的四种形态；

图2给出的是书画鉴定题跋(文字)特征选点示意图；

图3给出的是书画鉴定印章特征图像分割提取效果图。

具体实施方式

以下结合附图及具体实施例对本发明作进一步地描述。

针对基于光谱成像技术的书画鉴定方法，本实施例的具体实时方式为：

1)书画鉴定选择墨汁、颜料、画风，题跋(文字)，印章，笔锋、纸娟裱等元素进行特征化表示。

2)书画鉴定所用的笔锋表示方法为：定义横竖撇捺四种特征，该特征包括光谱幅值与空间角度(如图1所示的，其为0-1二值图)。

特征表示过程为：对书画高光谱图像进行主成分变换，得到第一主成分图像，然后，对第一主成分图像使用特征窗(矩阵窗)遍历，完成横竖撇捺四种书画特征与主成分图像遍历窗的相似角，得到一系列匹配度。把该匹配度的统计频率，作为最终的书画鉴定的笔锋特征度量。

3)书画鉴定所用的墨汁、颜料的特征表示方法为：将待鉴定书画作品中的墨汁或颜料光谱信息与已知的特征库中对应的原始墨汁或颜料的光谱信息进行光谱匹配，分别求光谱角和光谱信息散度，并按如下整合得到书画鉴定的颜料、墨汁综合特征度量。

设在m波段的书画高光谱图像中，已知原有墨汁或颜料光谱向量表示为s＝(s1，s2，s3，…，s_m)T，待鉴定颜料或墨汁的光谱向量为x＝(x1，x2，x3，…，x_m)T。

则光谱角写为：

同时，定义光谱向量x的第i个分量的概率：

定义光谱向量s的第i个分量的概率：

则x相对于s的信息熵为

光谱信息散度为：

SID(x，s)＝D(x||s)+D(s||x)

综合特征度量为：

CM(S，X)＝αSAM(S，X)+βSID(S，X)

其中α和β分别为调整系数，可以保证上式前后两项的量纲一致，将α和β归一化，引入新的归一化调整参数λ，令

则有

那么上式变为，即书画鉴定的颜料、墨汁综合特征度量为：

CM(S，X)＝λSAM(S，X)+(1-λ)βSID(S，X)

归一化调制参数λ求解通过以下条件约束：通过光谱角和光谱信息散度计算匹配程度会引入误差，其归一化调制参数为：

其中，M为波段数。

4)书画鉴定所用的题跋特征表示方法为：对书画中的文字按书写顺序选择笔画的拐点或端点，(如图2所示，依次选择福字的9个点作为特征点)，然后对选择点与书画所用纸或娟的光谱进行光谱角度量，最后，按选择顺序对所有点的光谱角进行排序，得到题跋的序列图谱的光谱表达。

5)书画鉴定所用的印章特征表示方法为：定义印章图谱直方图和异常点定位表。

首先，对印章进行图像分割提取，(如图3，为图像分割提取得到的印章图，像元数20*20)，然后按顺序(每行所有列)计算每个像元的光谱与所有像元平均光谱的光谱角。得到上述所有光谱角值的统计直方图表达为印章图谱直方图。然后，对上述光谱角按顺序构成新的向量，并按大于某阈值的置1处理，小于阈值置0处理的方案，得到异常定位向量的0-1表达。

6)书画鉴定所用的画风特征表示方法为：采用书画图谱直方图和变换直方图来表达。首先，对每个像素点计算其与全局平均光谱的光谱角，然后得到其统计直方图；然后，对书画高光谱图像进行主成分变换，并对变换图像的每个点计算其与全局平均主成分值的相似度，以相似度的统计直方图为变换直方图。

7)书画鉴定所用的纸娟裱的特征表示方法与墨汁、颜料相同，均为对其与已知纸娟裱，分别求光谱角和光谱信息散度，并按前述3)整合得到书画鉴定的纸娟裱综合特征度量。

Claims (6)

1.一种基于光谱成像技术的书画鉴定图谱特征表示方法，其特征在于：选择书画作品中的笔锋和画风进行特征表达；

画风的特征表示方法为：

首先，计算书画作品中每个像素点与全局平均光谱的光谱角；

然后，对上述所有光谱角进行统计，得到书画图谱统计直方图；

最后，对书画高光谱图像进行主成分变换，得到主成分变换图像，并对变换图像的每个像素点的主成分曲线计算其与全部像素点的平均主成分曲线的相似度，把相似度的统计直方图作为变换直方图；

采用书画图谱直方图和变换直方图作为画风的特征表达；

笔锋的特征表示方法为：

首先，对书画高光谱图像进行主成分变换，得到第一主成分图像；

然后，对第一主成分图像使用特征窗遍历，完成横竖撇捺四种特征与第一主成分图像上的遍历窗的相似度计算，得到一系列横竖撇捺四种特征与遍历窗的相似度；将该相似度构成的横竖撇捺四种匹配度进行各自统计，得到四组统计直方图作为笔锋的特征表达。

2.根据权利要求1所述的基于光谱成像技术的书画鉴定图谱特征表示方法，其特征在于，还选择书画作品中的墨汁、颜料进行特征表达；

墨汁、颜料的特征表示方法为：

首先获取待鉴定书画作品中的墨汁或颜料的光谱信息；

其次将待鉴定书画作品中的墨汁或颜料光谱信息与已知的特征库中对应的原始墨汁或颜料的光谱信息进行光谱匹配，具体按下面公式计算：

首先，求光谱角SAM(x,s)和光谱信息散度SID(x,s)：

其中，已知原有墨汁或颜料光谱向量表示为s＝(s1,s2,s3,…,s_m)^T，待鉴定颜料或墨汁的光谱向量x＝(x1,x2,x3,…,x_m)^T；

SID(x,s)＝D(x||s)+D(s||x)；

其中，

p_i(x)为待鉴定颜料或墨汁的光谱向量x的第i个分量的概率，p_i(s)为已知原有墨汁或颜料光谱向量s的第i个分量的概率；

最后将CM(s,x)作为墨汁、颜料的特征表达：

CM(s,x)＝λSAM(s,x)+(1-λ)βSID(s,x)

β为调整系数，λ为归一化调制参数。

3.根据权利要求2所述的基于光谱成像技术的书画鉴定图谱特征表示方法，其特征在于：

其中，M、m为波段。

4.根据权利要求1所述的基于光谱成像技术的书画鉴定图谱特征表示方法，其特征在于，还选择书画作品中的题跋进行特征表达；

题跋的特征表示方法为：

首先对书画作品中的文字按书写顺序选择笔画的拐点或端点；

然后对选择的点与书画所用纸或娟的光谱进行光谱角度量；

最后，按选择顺序对所有选择点的光谱角进行排序，得到光谱角向量，作为题跋的特征表达。

5.根据权利要求1所述的基于光谱成像技术的书画鉴定图谱特征表示方法，其特征在于，还选择书画作品中的印章进行特征表达；

印章的特征表示方法为：

首先，对印章进行图像分割提取，得到印章图像；

然后，按图像构成顺序计算印章图像中每个像元的光谱与所有像元平均光谱的光谱角，构成一维向量，并按大于某阈值的置1处理，小于阈值置0处理的方案，得到异常定位向量的0-1表达；同时，对所有光谱角值进行统计，得到统计直方图；

将得到的所有光谱角值的统计直方图与异常定位向量的0-1表达作为印章的特征表达。

6.根据权利要求1所述的基于光谱成像技术的书画鉴定图谱特征表示方法，其特征在于，还选择书画作品中的纸娟裱进行特征表达；

纸娟裱的特征表示方法为：

首先获取待鉴定书画作品中的纸娟裱的光谱信息；

其次将待鉴定书画作品中的纸娟裱光谱信息与已知的特征库中对应的原始纸娟裱的光谱信息进行光谱匹配，具体按下面公式计算：

首先，求光谱角SAM(x,s)和光谱信息散度SID(x,s)：

其中，已知原有纸娟裱光谱向量表示为s＝(s1,s2,s3,…,s_m)^T，待鉴定纸娟裱的光谱向量x＝(x1,x2,x3,…,x_m)^T；

SID(x,s)＝D(x||s)+D(s||x)；

其中，

p_i(x)为待鉴定纸娟裱的光谱向量x的第i个分量的概率，p_i(s)为已知原有纸娟裱光谱向量s的第i个分量的概率；

最后将CM(s,x)作为纸娟裱的特征表达：

CM(s,x)＝λSAM(s,x)+(1-λ)βSID(s,x)

β为调整系数，λ为归一化调制参数。

Images