1.文物保護研究的重要性

中國擁有豐富的文化遺產，承載著悠久的歷史與深厚的文化內涵。文物不僅是歷史的見證，還具有重要的文化、經濟和社會價值。文物保護研究的意義在于傳承歷史文化、促進學科交叉、提升社會經濟發(fā)展，并推動國家軟實力的增強。通過文物保護，我們能夠深入理解古代社會、推動文化交流，并為文化旅游業(yè)注入新活力。

2.高光譜成像技術的發(fā)展

傳統(tǒng)的文物鑒定依賴專家的經驗，雖能提供初步判斷，但存在諸多不足。目視鑒定方法受制于專家經驗，容易出現(xiàn)誤判，且無法有效應對復雜的文物種類和現(xiàn)代仿品。同時，傳統(tǒng)方法缺乏標準化，無法實現(xiàn)統(tǒng)一評估，特別是在受損或修復痕跡難以察覺的情況下。

高光譜成像技術通過獲取不同波段的圖像數據，能夠提供每個像元的詳細光譜信息，支持物理和化學屬性的定量分析。這項技術相比傳統(tǒng)的X射線和拉曼光譜，更加高效、無損，適用于大面積文物分析。在書畫文物保護中，高光譜成像能夠有效辨識顏料成分、檢測修復痕跡及識別隱藏病害，為修復材料的選擇和修復效果評估提供科學依據。

圖1.高光譜相機成像過程

3.高光譜成像技術在文物保護領域應用現(xiàn)狀

隨著高光譜成像系統(tǒng)的發(fā)展，高光譜在文物保護方面的應用逐漸增多，并成為一個研究熱點。目前國內外進行了相當多的利用光譜成像技術分析文物的案例。

在文物圖案與隱藏信息提取方面。古畫的隱藏信息是指畫作中不易察覺的微弱信息，例如作畫時的涂抹痕跡、隱藏的文字、底稿、以及后期修復的痕跡等。這些隱藏信息不僅可以反映文物的制作工藝和創(chuàng)作過程，還為深入探究古畫的歷史背景和藝術價值提供重要線索。此外，隱藏信息的提取也為文物的真?zhèn)舞b定和修復提供科學依據，成為文物研究中的重要方向之一。

Hou等人提出了一種基于高光譜成像與最大噪聲分數（MNF）變換的古代繪畫污漬虛擬修復方法。該研究的實驗流程如圖2所示，該研究利用高光譜成像技術獲取繪畫數據，通過正向MNF變換集中繪畫主要信息于少數主成分，并確定含污漬成分；再逆向變換剔除這些成分，實現(xiàn)污漬去除。實驗證明，此方法能有效淡化或去除污漬，同時保持非污漬區(qū)域信息，*大程度還原畫作原始風貌。

圖2.高光譜成像與MNF變換的古代繪畫污漬虛擬修復方法流程圖

Pan等人提出了一種基于高光譜成像的空間-光譜特征結合方法，用于提取褪色壁畫中的目標圖案。該方法結合輻射校準、主成分分析去噪及歸一化比值指數（NRI）增強光譜特征，通過密度分割與掩模技術分離目標區(qū)域。實驗證明，其能高效提取壁畫中幾乎不可見的圖案（圖3），相比傳統(tǒng)方法，操作簡便、客觀無損，適用于明顯光譜特征圖案提取，為壁畫數字化保護與研究提供了技術支持。

圖3.兩個墓區(qū)的圖像和提取的圖案

郭新蕾等人以《崇慶皇太后八旬萬壽圖》為研究對象，利用短波紅外（1000~2500 nm）高光譜數據結合多種光譜匹配算法（如光譜角匹配、光譜信息散度）和主成分分析技術，成功實現(xiàn)了顏料成分的精準識別與分布分析，并通過背景剝離增強弱信息，提取了底層涂抹痕跡等隱藏信息。以圖4中人物頭冠為例，圖中所標識的1、2分別為涂抹信息，經過主成分分析可以發(fā)現(xiàn)，涂抹痕跡得到了明顯加深，隱藏信息得到了有效提取。結果表明，高光譜技術在顏料混合分析和弱信號增強方面具有顯著優(yōu)勢。

圖4.《崇慶皇太后八旬萬壽圖》涂改信息提取

Han等人顯示了高光譜成像技術在帆布、墻壁和宣紙古代繪畫研究中的應用和潛力。該文獻提出了一種結合高光譜成像技術和計算機技術對青銅戰(zhàn)車紋樣進行數字虛擬修復的方法，恢復紋樣缺失的邊緣。同時，它還能區(qū)分圖案中使用的不同顏料。圖5通過高光譜成像與PCA方法，有效地分辨了圖案中不同的顏色塊、顏料種類及其分布情況，為顏料識別和數字修復提供了科學依據。

圖5.（a）展示了顏料層保存良好的夔龍紋圖案，作為研究對象；（b）通過PCA后的PC1、PC4和PC10波段合成的偽彩色圖像。偽彩色圖像區(qū)分了不同顏料區(qū)域，清晰顯示了圖案邊緣與顏色分布差異；（c，d）展示了礦物顏料光譜庫，其中包含不同粒徑的光譜數據；（e，f）展示了夔龍紋圖案中不同顏色塊的光譜曲線。通過對比標準光譜庫，識別了各個區(qū)域的顏料成分

在顏料識別與成分分析方面。顏料和成分作為中國畫和古物的物質載體，它的發(fā)展變化也流動在五千年文明當中，對顏料與成分的研究與鑒定可以聯(lián)系整個世界文明文化的發(fā)展與變化，作為文物的年代，產地的參考與佐證，也可以為已經褪色的文物提供修復的可靠的參考信息。

丁新峰等人使用高光譜成像技術對古代的顏料進行無損鑒定研究，使用高光譜照相機采集字畫和壁畫數據，通過構建光譜數據庫和光譜匹配的技術對顏料進行無損鑒定。該研究流程如圖6，首先控制并實驗影響采集質量的因素，總結高光譜照相機采集規(guī)范。隨后調研、查閱文獻，收集并整理當代仍在使用的古代顏料光譜。研究顏料光譜特征，分析光譜匹配算法，設計鑒定方法。最后，利用VS和SqlSever設計實現(xiàn)光譜軟件系統(tǒng)，服務于未來顏料鑒定。

圖6.基于高光譜成像技術的文物顏料研究思路

Li等人提出了一種基于自動高光譜掃描系統(tǒng)的非破壞性技術研究方法，應用于中國卷軸畫的技術分析。該系統(tǒng)融合高光譜成像與宏觀X射線熒光技術，深入分析了《巴扎里布達拉羅漢像》，揭示了隱藏底稿、輪廓線及多種顏料成分，如石青、石綠等。該系統(tǒng)在400-2500 nm波段工作，結合FCLS和顏料光譜庫，實現(xiàn)了顏料定量映射（圖7）。該研究為中國卷軸畫的技術分析與保護提供了無損高效的科學支持。

圖7.《巴扎里布達拉羅漢像》中各顏料和元素的分布情況

鞏夢婷等人采用高光譜成像儀對宜賓市博物院藏族譜書畫上11處模糊、局部有脫落的印記進行數據采集和分析處理。通過比對印記光譜與標準顏料庫，確認印記可能含*，激光拉曼光譜儀進一步驗證。光譜圖像經處理增強了族譜印記可讀性，有助于識別印記內容，對研究書寫者、印章使用、收藏信息及文物價值等意義重大。圖8和圖9對比顯示，高光譜圖像的可讀性優(yōu)于RGB圖像，能辨別模糊印記。

圖8.1號族譜印記

圖9. 2號族譜印記

補雅晶等人提出了一種基于可見光譜特征提取的敦煌壁畫顏料無損識別方法，通過分析不同顏料的光譜反射特性，提取光譜曲線的二階導數負數部分表征峰值區(qū)域幾何輪廓信息，并采用中值金字塔降采樣進一步突出重要光譜特征。研究建立了含48種顏料的光譜數據庫，通過計算歐氏距離自動識別顏料。以敦煌壁畫為例，成功識別了不同窟室的藍色、綠色和紅色顏料。該方法快速無損，為壁畫數字存檔與修復提供科學依據，展現(xiàn)出實用性與精確性，為文物顏料非接觸式分析開辟了新路徑。

圖10.（a）249窟斗形頂正披阿修羅藍色顏料識別結果；（b）220窟南壁綠色顏料識別結果；（c）310窟北壁紅色顏料識別結果

文物污漬檢測及修復方面。古畫和谷物在長期的保存過程中，由于自然環(huán)境和人為保存不當等因素的影響，常含有霉變、水漬、煙熏、蠅糞、油斑等污漬，影響其欣賞或收藏價值。因此，針對污漬的檢測與虛擬修復技術逐漸成為文物保護領域的重要研究方向。

周新光等人研究了高光譜圖像系統(tǒng)在提取傳統(tǒng)書畫作品中模糊印章信息方面的應用。文章采用350-1000 nm高光譜成像技術，通過最小噪聲分離方法處理數據，顯著提升印章辨識度（圖11）。該技術還能揭示修復痕跡，為印章真實性及文物藝術價值研究提供科學依據，解決了模糊不清印章的辨識難題。

圖11.560～850nm下MNF處理結果（上方為處理前高光譜圖像合成圖，下方為處理后高光譜圖像合成圖）

王珺等人研究了基于高光譜成像技術和深度學習模型對青銅器銹蝕類別進行智能標識的方法，為青銅器的保護和修復提供了科學依據。針對青銅器銹蝕識別難題，提出基于分組LSTM與CNN的MGLC網絡方法，結合光譜與空間特征提升識別精度。實驗顯示，MGLC在分類精度、區(qū)域性和分界清晰度上優(yōu)于傳統(tǒng)方法，能精準識別六類銹蝕分布（圖12），并生成銹蝕分布圖，為文物保護、修復提供科學參考。

圖12.不同算法在青銅器數據集有標簽面的全圖分類結果

周平平等人在研究中提出了一種基于高光譜影像分類線性回歸的古畫污漬虛擬修復方法，針對清代絹本古畫上存在的油漬污染區(qū)域，通過高光譜成像技術結合支持向量機（SVM）分類和人工神經網絡（ANN），對污漬區(qū)域內隱含信息進行提取。研究通過分析影像中油漬影響小的波段，建立分類線性回歸模型校正污染波段，恢復油漬覆蓋區(qū)的原始顏料和色彩。修復后影像（圖13）顯現(xiàn)出污漬下的顏料信息，葉脈紋絡清晰可見。實驗證明，該方法能有效提取隱藏信息，恢復古畫原貌，提升藝術表現(xiàn)力與鑒賞價值。

圖13.古畫虛擬修復實驗結果

孫美君等人基于近紅外高光譜技術，提出了一種用于敦煌莫高窟壁畫起甲病害風險評估的方法。研究利用高光譜成像系統(tǒng)建立壁畫病害光譜數據庫，采用PLSR、PCA+SVM、PCA+ANN模型評估起甲病害風險。PLSR模型表現(xiàn)最佳，生成逐像素風險分布圖。結果顯示，模型準確評估了壁畫脫落情況，驗證了高光譜技術在壁畫病害評估中的有效性，有助于病害探測與保護。

圖14.壁畫起甲風險評估圖。第一列為壁畫的彩色圖像，第二列為原始圖像的高光譜圖像示意圖，第三列為PLSR模型預測得到的風險評估圖

Hou等人提出了一種利用高光譜成像技術從壁畫煙塵中提取隱藏信息的有效方法，以提高古代壁畫圖案的視覺價值。首先，采用最小噪聲分數變換去除壁畫背景中的煙塵特征；其次，利用光譜特征分析和圖像減法對壁畫進行特征增強；最后進行密度切片，提取煙塵下的圖案（圖15）。該方法對隱藏信息的提取準確率達到了88.97%。

圖15.利用密度分割法提取隱藏信息：區(qū)域1的彩色圖像（a）由原始高光譜圖像合成，DN值轉換起始值為0，圖案以白色突出顯示（b），并通過密度分割法在閾值7.95下提取出圖案（c）；區(qū)域2的彩色圖像（d）同樣經過DN值轉換，起始值設為0，圖案以白色顯示（e），隨后在閾值6.55下通過密度分割法提取出圖案（f）。

總結與展望

高光譜成像技術作為一種新興的無損檢測手段，憑借同時獲取高光譜數據與空間圖像的獨*優(yōu)勢，在文物保護與修復領域展現(xiàn)出巨大的應用潛力。當前，該技術已被應用于書畫顏料成分鑒定、隱藏信息提取、病害分析及修復效果評估等方面，能夠有效揭示文物的材質特征、制作工藝及歷史信息，為文物科技工作提供了一種高效、精準的技術途徑，也進一步推動文物科技工作的創(chuàng)新與發(fā)展。

高光譜成像技術在文物保護領域的發(fā)展有望與深度學習和人工智能算法相結合，提高高光譜數據的自動化分析能力，實現(xiàn)文物病害的快速識別與精準分類。同時，開發(fā)更加輕便、實用的高光譜設備，拓展其在野外考古與現(xiàn)場保護中的應用，將成為重要的發(fā)展方向。此外，結合其他檢測技術（如X射線熒光、紅外成像等），建立多技術聯(lián)合分析平臺，將全面提升文物研究與修復工作的精度與效率。隨著技術的持續(xù)創(chuàng)新與優(yōu)化，高光譜成像技術必將在文物保護與修復領域發(fā)揮更加關鍵的作用，為文化遺產的傳承與保護提供堅實的科技支撐。

參考文獻

補雅晶, 萬曉霞, 李俊鋒, 梁金星, & 李禪. (2017). 基于可見光譜特征提取的敦煌壁畫顏料識別方法研究. 文物保護與考古科學, 29(3), 45–51.

丁新峰. (2015). 基于高光譜成像技術的文物顏料研究 [碩士, 北京建筑大學].

鞏夢婷, 張秋佳, 杜少飛, & 詹寧思. (2021). 高光譜成像技術對宜賓市博物院藏族譜印記的分析. 文物保護與考古科學, 33(5), 78–84. 

郭新蕾, 張立福, 吳太夏, 張紅明, & 羅旭東. (2017). 成像光譜技術的古畫隱藏信息提取. 中國圖象圖形學報, 22(10), 1428–1435.

孫美君, 柴勃隆, 張冬, 王征, & 孫濟洲. (2016). 基于近紅外高光譜技術的敦煌莫高窟壁畫起甲病害風險評估方法. 文物保護與考古科學, 28(4), 1–8. 

王珺, 孫進越, 俞凱, 劉成, 吳晨, 陳有路, & 胡琦瑤. (2021). 基于分組LSTM與CNN的青銅器銹蝕類別智能標識方法. 西北大學學報(自然科學版), 51(5), 778–786. 

周平平, 侯妙樂, 趙學勝, 呂書強, 胡云崗, 張學東, & 趙恒謙. (2017). 基于高光譜影像分類線性回歸的古畫污漬虛擬恢復. 地理信息世界, 24(3), 113–118.

周新光, 沈驊, & 吳來明. (2020). 高光譜圖像系統(tǒng)應用于模糊印章的提取研究. 文物保護與考古科學, 32(1), 56–60. 

Han, D., Ma, L., Ma, S., & Zhang, J. (2020). The digital restoration of painted patterns on the No. 2 Qin bronze chariot based on hyperspectral imaging. Archaeometry, 62(1), 200–212. 

Hou, M., Cao, N., Tan, L., Lyu, S., Zhou, P., & Xu, C. (2019). Extraction of Hidden Information under Sootiness on Murals Based on Hyperspectral Image Enhancement. Applied Sciences, 9(17), 3591. 

Hou, M., Zhou, P., Lv, S., Hu, Y., Zhao, X., Wu, W., He, H., Li, S., & Tan, L. (2018). Virtual restoration of stains on ancient paintings with maximum noise fraction transformation based on the hyperspectral imaging. Journal of Cultural Heritage, 34, 136–144. 

Li, G. H., Chen, Y., Sun, X. J., Duan, P. Q., Lei, Y., & Zhang, L. F. (2020). An automatic hyperspectral scanning system for the technical investigations of Chinese scroll paintings. Microchemical Journal, 155, 104699. 

Pan, N., Hou, M., Lv, S., Hu, Y., Zhao, X., Ma, Q., Li, S., & Shaker, A. (2017). Extracting faded mural patterns based on the combination of spatial-spectral feature of hyperspectral image. Journal of Cultural Heritage, 27, 80–87.