古代彩繪顏料的分析是科技考古與文物保護研究的重要內容,高光譜是近年來發展迅速的新興技術,在物質識別上具有廣泛應用,提出一種基于高光譜分區間的混合顏料識別方法。
古代彩繪顏料的分析是科技考古與文物保護研究的重要內容,對探索古代顏料技術發展和科學保護文物有著重要的學術價值和現實意義,傳統的顏料識別算法大多針對彩繪文物表面的純凈顏料，對文物表面存在混合顏料的識別準確度較差?；瘜W分析需要對壁畫表面進行取樣，易造成損傷。高光譜是近年來發展迅速的新興技術,在物質識別上具有廣泛應用,提出一種基于高光譜分區間的混合顏料識別方法。
01顏料識別方法
Kubelka-Munk(KM)模型假設光線在傳到介質表面時大部分被散射，小部分在介質中繼續傳播，且這兩種運動方向都垂直于界面。假設介質厚度無限大，KM 模型的公式可簡化為
式(1)中，R為光譜反射率，f(R)為吸收散射比，K和S分別為吸收系數和散射系數。根據KM理論，吸收系數和散射系數適用于加和性原理?；旌衔镏械拿總€成分都有確定的吸收系數和散射系數，彼此獨立，互不影響。
顏料識別采用計算未知顏料K/S曲線與標準顏料K/S曲線的相似度實現。常用的匹配算法包括基于波形特征的匹配、基于光譜編碼的匹配和基于統計指標的匹配。本文結會顏料K/S曲線光譜角余弦算法與歸一化歐氏距離算法，對未知顏料 K/S 曲線進行識別。
圖1顏料識別流程圖
02實驗結果
顏料樣本
從顏料標準樣本庫中選用壁畫中常見的石青、石綠、石黃和朱砂，制作純凈顏料樣本，再將四種純凈顏料按50:50的質量比兩兩混合，制作六組混合顏料樣本。
圖2純凈顏料樣本(a) :石青;(b):石綠;(e):石黃;(d):朱砂
圖3混合顏料樣本(a):50%石青+50%石綠;(b):50%石青+50%石黃;(c):50%石青+50%朱砂:(d):50%石綠+50%石黃(e):50%石綠+50%朱砂:(f):50%石黃+50%朱砂
采用高光譜成像儀，光譜分辨率為 2.8mm，可覆蓋400~1000 nm 波長的光譜范圍，包含了可見光與近紅外一共1040個波段。對樣本進行成像數據采集，進行白板校正及降噪預處理后，提取出4組純凈樣本和6組混合樣本的光譜曲線，如圖4所示。
圖4 顏料樣本光譜曲線
(a) :純凈顏料樣本光譜曲線;(b):混合顏料樣本光譜曲線
圖5 石黃朱砂混合光譜曲線與一階導數曲線(a) :混合光譜:50%石黃和50%朱砂;(b):一階導數曲線:50%石黃和 50%朱砂
表1混合顏料樣本特征子區間
模擬壁畫顏料識別
為了驗證提出方法的有效性，對包含混合顏料與純凈顏料的模擬壁畫進行顏料識別。識別點位分布如圖6，識別結果如表5，將各個點位的識別結果與模擬壁畫各個區域的真值對比，除橙色區域3中的朱砂顏料外，全部識別正確。
圖6 模擬壁畫中進行顏料識別的位置
表5 模擬壁畫顏料識別結果
圖7 混合顏料未知光譜與模擬光譜對比(a) :模擬光譜:雌黃和真銀珠;(b):模擬光譜:漂凈朱砂和石青
03實驗結論
(1)不同色系顏料的光譜曲線在不同的位置存在陡而直的上升邊，相同色系顏料光譜曲線的上升邊位置存在細微差異，因此，對顏料光譜曲線的上升邊位置進行分析即可實現其成分識別。由于一階導數表征曲線的斜率，導數曲線上的“凸起”域對應組分顏料反射率光譜的上升邊，且對混合顏料的導數曲線進行分析時發現，組分顏料反射率光譜上升邊對應的“凸起”在導數曲線上符合加和性。
(2)提取未知顏料的特征區間后，在區間范圍內對未知顏料進行識別，通過將區間的識別結果與真值對比，發現每個區間的識別結果均能準確識別出混合顏料的組分顏料，證明所提特征區間有效包含了混合顏料中組分顏料的特征。
與傳統的顏料識別方法相比，分區間的顏料識別方法可以提取出混合顏料中組分顏料的特征，并針對所提取的特征進行識別。
推薦：
便攜式高光譜成像系統iSpecHyper-VS1000
專門用于刑偵、物證鑒定、醫學醫療、精準農業、礦物地質勘探等領域的產品，主要優勢具有體積小、幀率高、高光譜分辨率高、高像質等性價比特點采用了透射光柵內推掃原理高光譜成像，系統集成高性能數據采集與分析處理系統，高速USB3.0接口傳輸，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據用戶需求更換物鏡。
