基于流形学习与光谱解混的文物表面字迹增强——以云冈第38窟为例

文物表面的文字是了解历史的关键信息,对文物表面文字信息的探索成为文物保护的重要环节。结合流形学习与光谱解混,提出一种新的文物表面字迹增强方法。首先,利用基于流形学习的等距映射方法对预处理后的高光谱图像进行非线性降维,得到信息量最大的灰度图像;其次,分析文字与背景的光谱特征,通过多层非负矩阵分解方法得到字迹丰度图;然后,将二者进行加权平均得到字迹增强图像,再与合成真彩色影像进行HSV融合,得到字迹融合影像;最后,为更好地辨认文字,在字迹增强图像上裁剪文字并做形态学变换,得到字迹提取图。以云冈石窟第38窟的一景褪色文字高光谱图像为例进行了验证,结果表明,该方法能够有效地增强出文物表面的褪色文字,且较其他增强方法效果更好。

基于光谱增强指数与LeNet-5的古书画褪色文字提取与识别

古书画中所记载的文字是了解历史的珍贵资料,对褪色文字进行提取和识别是挖掘和展示历史价值的基础。本工作首次提出基于光谱增强指数与LeNet-5相结合的古书画褪色文字提取与识别方法:利用高光谱成像无损检测、光谱范围广等优点,获取古书画的高光谱数据,分析文字与背景的光谱特征,构建字迹增强指数,实现古书画中褪色文字的增强;构建LeNet-5卷积神经网络,利用手写汉字集进行训练,对密度分割后的字迹图像进行自动识别。以清代画家张士保所作《论道图》中部分褪色文字为例进行了验证,文字识别的正确率为70.8%。结果表明,本工作所提出方法可有效提高古书画褪色文字提取与识别的智能化程度。