CN110441244A - 一种顾及吸收特征的光谱分段矿物颜料识别方法 - Google Patents

Abstract

本发明公开了一种顾及吸收特征的光谱分段矿物颜料识别方法，建立标准颜料的光谱库，并充分利用颜料光谱的离子、官能团吸收特征，将标准光谱和待测光谱划分特征区间以去除对区分光谱类型贡献不大的波段，再根据各区间内光谱的不同形状分别使用不同的光谱识别方法逐区间进行相似度计算，以保证不遗漏细微的光谱特征，最后汇总分析各区间的相似度结果，将与对应区间相似度最高的颜料类型作为最终的颜料光谱识别结果。在顾及离子及官能团吸收特征的情况下对颜料光谱进行分区间识别，有利于提升颜料光谱识别的精准性和可靠性。

Description

一种顾及吸收特征的光谱分段矿物颜料识别方法

技术领域

本发明涉及光谱识别技术领域，更具体的说是涉及一种顾及离子及官能团吸收特征的光谱分段矿物颜料识别方法。

背景技术

目前，随着国家对文化遗产的重视程度逐渐增加，对文物的保护也迫在眉睫。因此，利用现代科技手段留取文物表面信息实现文化遗产的保护与传承是文物修复领域的重要发展趋势。彩绘文物是指通过胶结材料的黏合作用使颜料附着于载体材料上的文物，主要包括壁画、字画、彩绘陶器、彩绘泥塑、古建油饰彩画等，其存世数量较多，约占文物总量的三分之一。由于存世年代久远，壁画、字画等彩绘文物表面的颜色会出现不同程度的脱落或画面缺失等情况，这就需要对色彩进行修复。然而，人眼观察到的壁画、字画表面的颜色，通常是由不同种类、不同比例的颜料巧妙搭配绘制而成的，因此，对壁画、字画表面的混合颜料进行识别将为后续保护修复工作的科学进行提供重要保障。

许多现代分析技术可以提供彩绘表面材料的基本信息，包括它们的颜料组成。例如，Bacci等人使用光纤傅里叶变换红外反射光谱仪(FT-IR)获取两种颜料的反射光谱，并且通过PCA和马氏距离来处理光谱数据。由于他们选择的两种颜料在中红外范围内具有不同的光谱特征，其主要目的是区分胶结介质和预备层的材料，然而该方法对未知颜料鉴定的适用性还需要进一步的验证。Thoury等人使用光纤光谱仪，借助于校准的发光成像光谱仪，鉴定镉颜料并区分硫化镉、硫化镉锌和硒硫化镉。镉颜料是在可见光范围内显示出带边发光的半导体，通过这一特点可以实现颜料的识别。然而对于其他种类颜料的识别，有必要通过进一步寻找他们的光谱特征来实现。

目前，光谱识别常用的方法之一是计算待测光谱与参考光谱库中的光谱之间的相似度，将整体形状最相似的参考光谱作为待测光谱的识别结果。虽然当前国际上建立了不少光谱库，其中不乏种类齐全的和测量仪器先进的，但是却很少建立有专门用于中国传统颜料识别的光谱库，因此，在对于中国古代绘画表面的颜料进行种类识别的时候，现有的国际光谱库能给予的参考价值和支撑作用并不大，从而难以实现对未知光谱的准确、有效识别。

因此，如何通过已有的光谱特征知识有效识别未知颜料是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种顾及吸收特征的光谱分段矿物颜料识别方法，建立标准颜料的光谱库，并充分利用光谱的离子及官能团的吸收特征，将标准光谱和待测光谱划分特征区间以去除对区分光谱类型贡献不大的波段，再根据各区间内光谱的不同形状分别使用不同的光谱识别方法逐区间进行相似度计算，以保证不遗漏细微的光谱特征，最后筛选出各区间的相似度最高结果的标准光谱对应的颜色作为最终的颜料光谱识别结果，在顾及离子吸收特征的情况下对光谱进行分区间识别，有利于提升颜料光谱识别的精准性和可靠性。

为了实现上述目的，本发明采用如下技术方案：

一种顾及吸收特征的光谱分段矿物颜料识别方法，包括：

步骤1：采集标准颜料的标准光谱建立颜料光谱库；

步骤2：根据常用颜料的主要成分以及所述主要成分所含离子、官能团的吸收特征，总结所述颜料光谱库中所述标准光谱的所述吸收特征；

步骤3：采集待测颜料的光谱获得待测光谱，将所述吸收特征作为分段规则对所述待测光谱进行特征区间划分；

步骤4：对所述特征区间对应的所述标准光谱和所述待测光谱进行相似度计算，如果所述待测光谱内存在单个吸收谷，进入步骤5，否则进入步骤6；

步骤5：通过计算光谱吸收特征参数的方法得到所述标准光谱和所述待测光谱的相似程度，进入步骤7；

步骤6：通过光谱角匹配的方法得到所述标准光谱和所述待测光谱的相似程度，进入步骤7；

步骤7：统计每个所述特征区间计算得到的相似度前三位的结果，其中出现频率最高的结果代表的所述标准光谱对应的颜料类型作为颜料光谱识别的结果。

优选的，所述步骤3的具体实现方法为：

步骤31：将所述标准光谱进行包络线去除处理；

步骤32：根据颜色将所述标准光谱进行分组；

步骤33：根据所述离子的光谱吸收位置将每种所述颜色的所述标准光谱进行分段处理，获得若干特征区间；

步骤34：将每种颜色的光谱分段总结成分段规则，所有具有相同所述颜色的所述待测光谱可以使用所述分段规则进行所述特征区间的划分，以便进行后续的光谱识别；

步骤35：将所述待测光谱进行包络线去除处理；

步骤36：根据所述颜色将所述待测光谱进行分组；

步骤37：根据所述分段规则将每种所述颜色的所述待测光谱分成若干所述特征区间。

优选的，判断每个所述特征区间对应的所述标准光谱和所述待测光谱的局部最小值个数，如果所述局部最小值个数为1则所述待测光谱内存在单个所述吸收谷。

优选的，所述步骤5中计算所述光谱吸收特征参数为在所述特征区间内计算得到所述光谱吸收特征参数，所述光谱吸收特征参数包括光谱吸收宽度W、光谱吸收深度D和光谱吸收面积A；所述相似程度的计算为计算所述特征区间内所述标准光谱和对应所述待测光谱的所述光谱吸收特征参数向量的欧式距离，得到所述欧式距离最小的前三位结果，所述欧式距离越小表示所述相似程度越高。

优选的，所述步骤6中所述光谱角匹配为计算所述特征区间内所述标准光谱和对应所述待测光谱之间的光谱夹角，得到所述光谱夹角最小的前三位结果，所述光谱夹角越小表示所述相似程度越高。

优选的，按照所述颜色将所述标准光谱和所述待测光谱分成不同的组，分组颜色包括红色、绿色、蓝色、灰色和白色。

优选的，所述离子包括阳离子和官能团，所述阳离子包括Cu²⁺、Fe²⁺、Fe³⁺和Hg⁺，吸收位置通常出现在波长1000nm以前；所述官能团包括CO₃ ^2-和OH^-，吸收位置通常出现在波长1000nm以后。

优选的，所述分段规则中所述红色、所述灰色和所述白色均分为3个所述特征区间，所述绿色和所述蓝色均分为4个所述特征区间。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种顾及吸收特征的光谱分段矿物颜料识别方法，依据颜料中包含的离子及官能团的吸收位置会固定地出现在某一区间内，就像“指纹”一样可以唯一的表示某一物质的特征这一特性进行光谱识别：首先，采集已知颜料的光谱构建标准光谱库，并去除标准光谱的包络线，作为光谱识别的基准；其次，结合不同视觉颜色的标准光谱曲线特点，总结不同颜料所含离子及官能团的光谱吸收特征，得到分段规则；再次，根据视觉颜色的不同，对包络线去除后的待测光谱使用分段规则进行特征区间的划分；然后，逐区间计算待测光谱和标准光谱的相似度；最后，综合各特征区间的识别结果得到该待测光谱的最终颜料类型，从而实现未知颜料的光谱识别。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1附图为本发明提供的顾及离子及官能团吸收特征的光谱分段识别方法流程结构示意图；

图2附图为本发明提供的实施例富贵满园国画感兴趣区标点图结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种顾及吸收特征的光谱分段矿物颜料识别方法，包括：

S1：采集标准颜料的标准光谱建立颜料光谱库；

S2：根据常用颜料的主要成分以及主要成分所含离子、官能团的吸收特征，总结颜料光谱库中标准光谱的吸收特征；

S3：采集待测颜料的光谱获得待测光谱，将所述吸收特征作为分段规则对待测光谱进行特征区间划分，具体步骤如下：

S31：将标准光谱进行包络线去除处理；

S32：根据颜色将标准光谱进行分组；

S33：根据离子的光谱吸收位置将每种颜色的标准光谱进行分段处理，获得若干特征区间；

S34：将每种颜色的光谱分段总结成分段规则，所有具有相同颜色的待测光谱可以使用分段规则进行特征区间的划分，以便进行后续的光谱识别；

S35：将待测光谱进行包络线去除处理；

S36：根据颜色将待测光谱进行分组；

S37：根据分段规则将每种颜色的待测光谱分成若干特征区间；

S4：对特征区间对应的标准光谱和待测光谱进行相似度计算，如果待测光谱内存在单个吸收谷，进入S5，否则进入S6；

S5：通过计算光谱吸收特征参数的方法得到标准光谱和待测光谱的相似程度，进入S7；

S6：通过光谱角匹配的方法得到标准光谱和待测光谱的相似程度，进入S7；

S7：统计每个特征区间计算得到的相似度前三位的结果，其中出现频率最高的结果代表的所述标准光谱对应的颜料类型作为颜料光谱识别的结果。

为了进一步优化上述技术方案，判断每个特征区间对应的标准光谱和待测光谱的局部最小值个数，如果局部最小值个数为1则待测光谱和标准光谱在该特征区间内存在单个吸收谷，则采用光谱吸收特征参数的方法计算该特征区间内标准光谱和对应待测光谱的相似程度。

为了进一步优化上述技术方案，S5中计算光谱吸收特征参数为在特征区间内计算得到光谱吸收特征参数，光谱吸收特征参数包括光谱吸收宽度W、光谱吸收深度D和光谱吸收面积A；相似程度的计算为计算该特征区间内标准光谱和对应待测光谱的光谱吸收特征参数向量的欧式距离，得到欧式距离最小的前三位结果，欧式距离越小表示相似程度越高。

为了进一步优化上述技术方案，S6中光谱角匹配为计算特征区间内标准光谱和对应待测光谱之间的光谱夹角，得到光谱夹角最小的前三位结果，光谱夹角越小表示相似程度越高。

为了进一步优化上述技术方案，按照颜色将标准光谱和待测光谱分成不同的组，分组颜色包括红色、绿色、蓝色、灰色和白色。

为了进一步优化上述技术方案，离子包括阳离子和官能团，阳离子包括Cu²⁺、Fe²⁺、Fe³⁺和Hg⁺，吸收位置通常出现在波长1000nm以前；官能团包括CO₃ ^2-和OH^-，吸收位置通常出现在波长1000nm以后。

为了进一步优化上述技术方案，分段规则中红色、灰色和白色均分为3个特征区间，绿色和蓝色均分为4个特征区间。

实施例

通常，在识别过程中，约束光谱形状比光谱幅度更重要，因为前者与目标的成分有直接关系。因此，为了使光谱识别结果更准确，需要对待测光谱和已知光谱进行光谱吸收特征的增强。实现光谱特征增强的方法有一阶导数的计算，以及对光谱进行包络线去除。

对光谱的导数分析应用于高光谱遥感和化学分析中,其中一阶导数光谱数值的大小体现了原光谱曲线的陡缓程度，其零点表示原光谱曲线反射峰或吸收谷的位置。在对矿物颜料鉴别时，导数光谱的应用主要有两个方面，一是针对同一色系的颜料鉴别时，它们的光谱曲线在可见光波段的起伏趋势和吸收特征都很相似，采用导数光谱技术，可以放大它们光谱极值点波段及陡缓程度的差异，作为颜料种类判别的依据；二是在对颜料丰度研究中，可以从导数光谱中选择对颜料浓度敏感的特征波段来或提取特征参数进行丰度反演。将模拟壁画颜料与标准颜料光谱曲线的形状特征及其一阶导数特征峰进行比较并计算颜料光谱匹配度，从而实现颜料种类的有效鉴别。

包络线去除是一种成熟的对光谱进行处理和分析的方法，它不但可以凸显光谱曲线的吸收特征，而且将其归一化到统一的光谱背景上，有利于不同环境下测量的光谱曲线进行数值的比较。采用包络线去除的方法对原始曲线进行处理，以便计算其吸收波段位置的特征参量。在匹配之前，将待测光谱与参考光谱进行包络线去除，再利用最小二乘法进行光谱特征拟合，从而实现光谱的识别。

对一幅富贵满园国画进行光谱识别，富贵满园国画是使用传统工艺生产的7种颜料绘制而成的，使用地物波谱仪采集国画表面感兴趣区域的点状光谱，主要选择了视觉颜色为红、绿、蓝三种颜色的感兴趣区域，标记如图2所示。

以绿色感兴趣区域平均后的数据mean3(如下表1绿色感兴趣区域颜料识别结果所示)为例，在经过包络线去除处理后，(1)根据分段规则将该待测光谱分为四个区间，分别为波长350-446nm、457-1330nm、1306-1856nm、以及1864-2500nm；(2)若区间内存在单一吸收特征，则计算该待测光谱和标准光谱对应区间的吸收特征参数W(光谱吸收宽度)、D(光谱吸收深度)、A(光谱吸收面积)，组成两个向量，再利用欧氏距离(ED)计算他们之间的距离，距离越小表示两条光谱越相似。各光谱吸收特征参数的计算方法如下表2光谱吸收特征参数计算方法所示；若区间内存在多个吸收特征，则利用光谱角的夹角大小来判断两条光谱的相似程度(SAM)，光谱角越小表示两条光谱越相似；(3)逐区间完成光谱相似度计算后，综合各区间的结果，列出出现次数最多的前三名结果作为该待测光谱的颜料类型。

在对数据mean3进行光谱分段识别后，将前三名结果列于表1中，其中出现次数最多的颜料是石绿，其次是石青和朱膘，因此将这三种颜料作为该绿色感兴趣区域的最终识别结果。

表1绿色感兴趣区域颜料识别结果

表2光谱吸收特征参数计算方法

本发明的有益效果：

(1)针对中国古代彩绘文物表面常用颜料建立了光谱库。利用古代常用矿物颜料、植物性颜料、及化学合成颜料制作实验室颜料样本，基于采集得到的光谱数据构建专门用于中国古代颜料鉴别的光谱库，可通过光谱匹配有效地完成古代矿物颜料种类的鉴定，以便于进一步的研究。

(2)提出了顾及吸收特征的光谱分段识别方法。在查阅过资料后，总结了古代常用颜料离子及官能团的吸收位置和特点，结合标准光谱的实际吸收特征来划分待测光谱的特征区间，再根据各区间内光谱的不同形状分别使用不同的光谱识别方法进行相似度计算，最后综合各区间的相似度最高结果作为最终的颜料光谱识别结果，识别度高，结果准确。

本发明提出的分段光谱识别方法可以充分利用光谱的关键吸收特征：划分特征区间以去除对区分光谱类型贡献不大的波段；逐区间的进行相似程度计算以保证不遗漏细微的光谱特征。在顾及离子及官能团吸收特征的情况下对光谱进行分区间识别，有利于提升颜料光谱识别的精准性和可靠性。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种顾及吸收特征的光谱分段矿物颜料识别方法，其特征在于，包括：

步骤1：采集标准颜料的标准光谱建立颜料光谱库；

步骤2：根据常用颜料的主要成分以及所述主要成分所含离子、官能团的吸收特征，总结所述颜料光谱库中所述标准光谱的所述吸收特征；

步骤3：采集待测颜料的光谱获得待测光谱，将所述吸收特征作为分段规则对所述待测光谱进行特征区间划分；

步骤4：对所述特征区间对应的所述标准光谱和所述待测光谱进行相似度计算，如果所述待测光谱内存在单个吸收谷，进入步骤5，否则进入步骤6；

步骤5：通过计算光谱吸收特征参数的方法得到所述标准光谱和所述待测光谱的相似程度，进入步骤7；

步骤6：通过光谱角匹配的方法得到所述标准光谱和所述待测光谱的相似程度，进入步骤7；

步骤7：统计每个所述特征区间计算得到的相似度前三位的结果，其中出现频率最高的结果代表的所述标准光谱对应的颜料类型作为颜料光谱识别的结果。

2.根据权利要求1所述的一种顾及吸收特征的光谱分段矿物颜料识别方法，所述步骤3的具体实现方法为：

步骤31：将所述标准光谱进行包络线去除处理；

步骤32：根据颜色将所述标准光谱进行分组；

步骤33：根据所述离子的光谱吸收位置将每种所述颜色的所述标准光谱进行分段处理，获得若干特征区间；

步骤34：将每种颜色的光谱分段总结成分段规则；

步骤35：将所述待测光谱进行包络线去除处理；

步骤36：根据所述颜色将所述待测光谱进行分组；

步骤37：根据所述分段规则将每种所述颜色的所述待测光谱分成若干所述特征区间。

3.根据权利要求1所述的一种顾及吸收特征的光谱分段矿物颜料识别方法，其特征在于，判断每个所述特征区间对应的所述标准光谱和所述待测光谱的局部最小值个数，如果所述局部最小值个数为1则所述待测光谱内存在单个所述吸收谷。

4.根据权利要求1所述的一种顾及吸收特征的光谱分段矿物颜料识别方法，其特征在于，所述步骤5中计算所述光谱吸收特征参数为在所述特征区间内计算得到所述光谱吸收特征参数，所述光谱吸收特征参数包括光谱吸收宽度W、光谱吸收深度D和光谱吸收面积A；所述相似程度的计算为计算所述特征区间内所述标准光谱和对应所述待测光谱的所述光谱吸收特征参数向量的欧式距离，得到所述欧式距离最小的前三位结果，所述欧式距离越小表示所述相似程度越高。

5.根据权利要求1所述的一种顾及吸收特征的光谱分段矿物颜料识别方法，其特征在于，所述步骤6中所述光谱角匹配为计算所述特征区间内所述标准光谱和对应所述待测光谱之间的光谱夹角，得到所述光谱夹角最小的前三位结果，所述光谱夹角越小表示所述相似程度越高。

6.根据权利要求2所述的一种顾及吸收特征的光谱分段矿物颜料识别方法，其特征在于，按照所述颜色将所述标准光谱和所述待测光谱分成不同的组，分组颜色包括红色、绿色、蓝色、灰色和白色。

7.根据权利要求2所述的一种顾及吸收特征的光谱分段矿物颜料识别方法，其特征在于，所述离子包括阳离子和官能团，所述阳离子包括Cu²⁺、Fe²⁺、Fe³⁺和Hg⁺，吸收位置通常出现在波长1000nm以前；所述官能团包括CO₃ ^2-和OH^-，吸收位置通常出现在波长1000nm以后。

8.根据权利要求2所述的一种顾及吸收特征的光谱分段矿物颜料识别方法，其特征在于，所述分段规则中所述红色、所述灰色和所述白色均分为3个所述特征区间，所述绿色和所述蓝色均分为4个所述特征区间。