基于高光谱影像的瞿昙寺壁画颜料层脱落病害评估

瞿昙寺因寺内所藏巨幅彩色壁画而闻名,但由于受到自然因素及人为因素的影响,寺内51间壁画廊中有些壁画已经发生褪色、龟裂、卷翘、起甲、颜料层脱落等病害,尤其是颜料层一旦脱落,对于不可再生的壁画来说,损失无法弥补。因此在壁画的保护修复过程中,对壁画病害的识别与评估就变得十分关键。以瞿昙寺西回廊的高光谱图像数据为研究数据,利用支持向量机(Support Vector Machine,SVM)方法对壁画病害识别分类;以此提取的病害矢量数据为基础,构建壁画病害的评估指标要素,进而提出基于多元统计回归的LS-SR-AIC评估模型,实现壁画病害严重程度的评估。实验结果表明:利用该方法颜料层脱落病害的SVM提取精度达95%以上,同时为颜料层脱落病害工程评价提供了一种新的方法指导,为文物的健康评价走向定量化评估提供参考与借鉴。

基于光谱降维与Hu矩的壁画颜料层脱落区域提取方法

颜料层脱落区域的提取是壁画现状调查的重要环节,由于其光谱特征与壁画白色图案较为相似,仅利用光谱特征提取的精度较低。因此,提出了一种兼顾光谱特征和Hu矩形状特征的颜料层脱落区域提取方法。首先,利用壁画高光谱图像的光谱信息,经光谱降维,采用支持向量机监督分类法提取颜料层脱落区域与白色图案。然后,对颜料层脱落区域与白色图案分类结果分别进行连通,将连通后的图斑视为最小识别对象,利用Hu矩计算每一个对象的形状特征,采用支持向量机二分类再次区分对象图斑,实现颜料层脱落区域的半自动提取。最后,以青海省瞿昙寺壁画高光谱图像进行了提取。结果表明,该方法能提高颜料层脱落区域的提取精度,为壁画的现状调查提供支撑。

基于改进U-Net的壁画颜料层脱落病害区域提取

颜料层脱落区域的提取是壁画科学保护和修复的重要环节,由于标准U-Net在传播过程中低维的细节信息逐渐减弱,使得病害区域提取精度受到限制。因此,本文提出一种改进型U-Net网络,用于壁画颜料层脱落病害区域提取。首先,通过影像裁剪和预处理得到青海省瞿昙寺壁画图像数据集。其次,在编码层中引入空间金字塔池化层,构建一种低维特征信息保留结构。同时,在解码层中通过池化索引上采样,减少图像边缘信息在反卷积过程中的损失。最后,在瞿昙寺壁画图像数据集上进行验证。结果表明,改进U-Net方法在IoU和F1-Score两项评价指标上的均值分别达到82.7%和90.5%,优于SegNet及标准U-Net,证明了改进U-Net网络模型对壁画颜料层脱落病害区域提取的有效性,可为壁画保护现状调查提供依据。