基于光谱成像与光谱分析的壁画鉴赏研究

许文忠;唐兴佳;张耿;杨凡超;黄鑫;李霞;刘呆运;赵西晨

【摘 要】For the technology requirements of appreciating mural paintings,according to the advantages of spectral imaging and spectral analysis,the usages of spectral imaging in appreciating mural paintings were discussed,which could improve the tradi-tional expert experience identification method by providing more information in the appreciation and assessment.Spectral method is an important scientific analysis method with many characteristics,like non-contact,lossless,scientific,accurate and quantifi-able,which can be used to appreciate mural paintings.Firstly,the application was analyzed from different functions.Secondly, the measurements of mural paintings in HAN XIU tomb were processed by spectral analysis,primary component analysis,inde-pendent component analysis,relevance judgment and interactive processing,which were for proving the real affection of the the-ory analysis.At last,based on the experiments,some key technologies were summarized,for

example,normalized measure-ments,analysis of characters of image and spectral data,processer of image and spectral data.The experiment results showed that the spectral imaging and analysis were useful for the recognition of pigment,the extraction of hidden information,the en-hancement of weak information,and the classification and recognition of different properties.Meanwhile,some exploratory works can be unfolded,like modified child analysis,repairing of paintings (such as

repairing mural paintings in HAN XIU tomb).%针对壁画鉴赏中对科学分析方法的需求,根据光谱成像及光谱分析方法在壁画处理中的特点与优势,重点讨论了光谱成像技术在壁画鉴赏处理中的应用,其可以辅助传统的专家经验鉴定方法,提供更丰富客观的画作信息,实现作品的鉴赏分析.光谱成像与分析方法是一类重要的科学分析方法,因其具有非接触、破损少甚至无破损、科学、准确、可量化等特点,可应用于壁画修复、信息提取、颜料分析、特征增强、鉴赏分析等.首先,从技术实现角度出发给出具体的鉴赏应用方向.然后,基于光谱特征分析、主成分分析、独立分量分析、相关性判别、人机交互处理等方法,对实际观测的韩休墓壁画进行实验处理,验证技术应用的实验效果,最后,结合应用实验提出包括规范化采集、图谱特征分析、图谱处理系统等关键技术还需进一步解决.实验结果表明,利用光谱成像分析技术可以实现壁画颜料信息的判读,隐藏信息的提取、弱信息的增强,不同属性的分类识别,同时,还可以综合特殊需求,开展画作图谱探索性研究,如壁画处理中的涂改小孩分析、画作修复等.

【期刊名称】《光谱学与光谱分析》 【年(卷),期】2017(037)010 【总页数】7页(P3235-3241)

【关键词】壁画鉴赏;光谱成像;光谱分析

【作 者】许文忠;唐兴佳;张耿;杨凡超;黄鑫;李霞;刘呆运;赵西晨

【作者单位】陕西历史博物馆,陕西 西安 710000;中国科学院西安光学精密机械研究所,陕西 西安 710119;中国科学院西安光学精密机械研究所,陕西 西安 710119;中国科学院西安光学精密机械研究所,陕西 西安 710119;中国科学院西安光学精密机械研究所,陕西 西安 710119;中国科学院西安光学精密机械研究所,陕西 西安

710119;陕西省考古研究院,陕西 西安 710000;陕西省考古研究院,陕西 西安 710000

【正文语种】中 文 【中图分类】J205

在人类悠久的历史长河中， 人们将文化文明保留在了大量的壁画当中, 并向当代及后世展示了它们的美丽与价值。 在这些丰富的壁画当中, 各式各样的图形与色彩是人们赋予自己想象空间和大胆创造的素材。 如果说艺术主题是壁画的精神来源, 那么丰富的色彩和独特的图形就是一幅幅壁画强有力的基因支撑, 它承载着艺术作品的价值与美。 对壁画艺术品的鉴赏、 鉴定、 评估等研究, 是一个研究历史文明发展的过程, 不同时期、 不同地区、 不同作者的绘画特征各不相同, 其颜料的使用和图形的表现随之不同， 因此， 针对颜料和图形的分析对于壁画鉴赏研究非常重要。 通常， 壁画等艺术品的研究方法分两方面： 一是目鉴(专家分析)， 二是机鉴(计算机、 物理、 化学等技术手段分析)。 在目鉴方面， 主要是艺术品鉴评专家通过师承渊源、 笔墨特性、 颜料用笔、 艺术特色、 时代风格等艺术特征的直观分析， 达到辩真伪、 明是非、 断时代、 评价值、 挖信息的目的。 目鉴的不足是， 由于鉴赏大多基于众多鉴定专家的知名度和经验而累积形成， 往往存在各大名家鉴定意见大相径庭， 互相难以说服， 或者因为客观性差或片面判断， 出现错误的分析结果。

随着现代制假手段的不断提高， 以及对壁画鉴赏的要求越来越高， 仅依靠名家的目鉴是不够的， 为此， 出现了各种各样的机鉴方法， 它们通过计算机、 化学、 物理、 成像等手段， 对作品特征进行分析处理， 并与客观历史及作品先验特性进行对比， 若与此作者或作品的历史客观特征相符则为真， 不相符可能为假， 其分析结果是客观的， 在技术判断上更为准确。 但是， 目前的机鉴法也存在一些不足。

由于机鉴手段所需的客观历史先验信息大多未知或非全面， 鉴定分析手段还有待标准化， 且技术手段本身的实用性还有待提高， 其分析精度也有待提高。 因此， 机鉴法目前只作为一种辅助于专家鉴定的方法。

作为一类重要的壁画等艺术品机鉴方法， 光谱分析类方法因其非接触、 破损少、 科学、 准确、 可量化等特点， 应用较为广泛。 常见的有， 红外光谱法、 拉曼光谱法， 荧光光谱法， 光谱成像法等[1-5]。

红外光谱法主要针对有机物， 确定组成物质的分子式和分子结构式， 以及其纯度的检查等。 其在壁画艺术品分析应用中的不足是， 底稿中基体纤维素成分给出的红外信息太强， 会掩盖底稿其他微量成分的信息， 有时甚至对不同底稿、 不同色料会给出雷同的红外光谱信息。

拉曼光谱法主要用于鉴别物质中特殊的结构特征或特征基团， 特别是与红外光谱相配合， 成为测定有机物分子结构的重要工具。 由于材料中常用底稿的拉曼光谱信息比红外光谱信息弱得多， 因此， 方便于底稿中各组分的测定。 同时， 其还可给出物质中无机成分的信息。

荧光光谱法是根据原子由激发态回到基态过程中发射出的光的性质而建立起来的分析方法。 它根据每种元素原子的特定发射光谱来识别元素原子， 而元素原子发射光谱强度与元素浓度相关， 进而可以做定量分析。 但它主要针对元素原子进行分析， 不能给出无机化合物和有机物组分的信息。 虽然这种方法的灵敏度和准确度很高， 但分析时大多需要对作品做一定破损性取样检测， 或者检测仪器要求样品局限在一定的体积和特别的检测条件下。

光谱成像技术指利用连续的光谱通道对目标进行成像， 其具有图谱合一的特征， 可以获取观测对象的可见光到热红外的一系列波段成像信息。 众多的波谱信息和高的波谱分辨率可以检测到壁画艺术品表面比较微弱的图谱信息差异， 并具有对表面材质信息进行识别的能力。 由于光谱成像技术具有无损、 方便、 科学、 准

确、 可量化的特点， 且对物质属性具有识别和定量探测的优势， 可应用于壁画中的图像与颜料分析。 但是， 目前的光谱成像系统普遍存在仪器庞大， 使用不方便， 系统大多无针对艺术品成像的设计、 系统专业化使用受限、 标准化采集差等特点， 因而， 难以胜任实际中的快速准确采集。 另外， 目前的光谱成像数据处理也需针对壁画作品分析进行专门优化， 尤其是标定、 同物异谱、 异物同谱等问题。 综上所述， 与光谱成像技术在壁画分析中的优势相比， 目前的技术研究还不深入。 尤其是针对光谱成像技术在壁画分析中的鉴赏、 评估、 分析等需求细化， 需提出专门标准的成像手段， 准确稳定度高的处理方法， 并通过实际应用实验， 检验技术手段的应用效果， 本工作基于上述目的开展相关研究。

光谱成像技术兴起于20世纪80年代, 最初被应用于地质学、 植被生态学、 生态环境学和城市调查等领域中, 近十几年， 在文物艺术品领域方见其应用的迹象。 国内外学者针对光谱成像技术在文物艺术品方面应用展开了较多的研究, 主要集中在对文物蕴含信息的揭示、 增加图像的可视性、 文物保护修复过程或材料老化过程的监控评估、 颜料的鉴定及文物数字化等方面[6-10]。 综合上述光谱成像技术在文物艺术品上的研究结果， 光谱成像技术在壁画艺术品分析方面的应用主要包括六个方面。 1.1 壁画的颜料分析

作为一种成像观测类方法， 光谱成像技术除了可以获取壁画艺术品的图像信息外， 还可以获取艺术品表面材质的光谱信息。 而光谱信息作为物质的光学指纹， 可以反映物质的成分构成和材质信息， 因此， 可用来识别壁画表面的颜料组成。 传统的化学化验法， 存在破损性且无法恢复的缺点， 对艺术品保护本身而言是错误的， 而光谱成像技术因其无损、 便捷、 科学， 可应用于壁画作品的颜料分析。 1.2 壁画的复原修复

壁画经过上百年的洗刷， 虽然可能已经面目全非， 但它的表面还含有原来的颜料

信息， 这就为信息的复原提供了可能。 传统的成像设备诸如数码相机、 扫描仪采用RGB传感器进行彩色图像的采集。 通过这种方式得到物体表面光学信息是光能量求和的表现形式， 大多颜料残留信息在此表现下并不可辨。 光谱成像具有谱分辨能力， 残留颜料信息在RGB混合形式下不可辩， 但在单谱段形式下可能可辨， 因此， 对壁画上的残留信息的判断更为有效， 故而， 可以对壁画进行复原。 1.3 壁画隐藏信息提取

不同的物质在光谱图像的不同波段有着不同的反映， 其在一些谱段或光能量混合时看不到， 但在某些特殊谱段或者特征变换下可能被观察到， 利用这种性质可以探测到壁画的一些隐藏信息。 在实际应用中， 只要找到对壁画中的一些隐藏信息敏感的波段或适当的特征变换， 使用这些波段和变换信息对其进行研究， 就可以获取一些普通方式无法获取的信息， 从而恢复出一些已经消失的信息， 或者， 发现人们后期处理的涂改痕迹。 1.4 壁画弱信息增强

光谱成像具有多通道采集优势， 它通过连续谱的光谱成像对同一目标获取不同谱段下的信息， 而这些信息在不同谱段上的表现不同， 且又是相关的， 通过对这些相关信息的融合处理， 可实现弱信息的增强。 例如， 主成分变换法可以实现光谱图像的特征变换， 并按信息量的高低， 重新得到目标图像， 在不同的新的谱段图像上， 其特征的表现形式不一， 原来不同谱段下的弱信息可以在新的谱段图像上实现融合增强， 从而达到弱信息增强的目的。 1.5 壁画的鉴定分析

不同作品对于不同波长的电磁波的响应不同， 因此可以根据其光谱响应与波长之间的光谱曲线与图形特征来进行作品材质及表面属性的差异识别。 通过光谱采集设备获取作品的光谱图像， 从中得到光谱曲线与图像特征， 利用光谱角、 特征距离等方法与已知的特征图谱数据库中的信息进行比对， 就可确定作品的颜料与笔

风差异。 真的和假的作品颜料不同， 绘画风格也不一样， 而不同年代不同作者不同作品也具有不同的图谱特征， 因此， 利用光谱成像分析法可以确定画作的颜料和表面属性差异， 从而实现壁画的鉴定分析。 1.6 壁画的数字化保护

综合壁画的光谱信息与空间信息， 构建高光谱成像数字化系统， 不仅可以保存作品的图像信息， 而且增加了光谱信息， 便于研究作品的属性结构、 材质成分， 并动态研究作品老化及修复过程， 实现作品的数字化保存。 对于具有重要价值或者难以保护的作品， 可在最初发现时就进行高光谱成像数据采集， 以获得最初的作品图谱数据， 为后期保护提供第一手资料。 同时， 也可将数字化信息进行开发， 发掘其数据潜在的其他价值。

韩休， 672年—740年， 唐朝宰相， 其墓室于2013年在西安市长安区大兆街办郭庄村被发现。 本次实验研究主要针对墓室东壁乐舞图， 进行光谱成像数据采集及分析处理。 2.1 高光谱成像采集

采用Headwall公司生产的Hyperspec VNIR(380～1 000 nm) A-Series高光谱成像仪， 并使用自带控制软件在钨灯照射下完成采集， 钨灯可提供可见光到近红外的连续光谱。 观测距离2～3 m， 采集图像的光谱分辨率为3 nm， 光谱范围为380～1 000 nm， 共417个谱段， 空间分辨率约为0.01 m。 实验过程大致为： 在距离壁画2～3 m的位置安装光谱成像仪， 并在其旁边安装大视场照明的钨灯， 然后通过转台控制实现光谱成像仪对壁画信息的旋转推扫成像。 在后期试验中， 为了克服光源的不均匀和旋转推扫引起的图像畸变问题， 采用光源与成像同步的轨道平移推扫模式。 2.2 高光谱图像预处理

为了准确分析壁画的图谱特性， 需对采集光谱图像进行校正， 即反射率反演。 本

实验采用标准慢反射板对光谱图像进行点对点的反射率校正， 并使用暗电流对采集图像进行去暗电流处理， 排除因仪器产生的噪声和误差。 处理后的光谱图像(反射率)f为式(1)

式(1)中， fc， fb， f0分别表示采集壁画光谱图像， 白板数据， 暗电流数据。 2.3 高光谱图像应用处理

高光谱图像处理的依据是， 图像中同类物质在相同条件下， 应具有相同或相似的光谱信息特征和空间信息特征， 从而表现出同类物质的某种内在一致性。 同时， 同类物质在不同谱段上的信息即存在相关性， 也存在差异性。 利用上述信息可以实现观测目标的信息识别、 提取、 修复、 增强以及特殊处理等。 2.3.1 壁画图谱数字化保护

韩休墓壁画光谱图像如图1所示， 其为三维数据立方体， 由二维空间图像信息和一维光谱信息构成， 空间图像反映壁画直观视觉信息， 光谱信息反映壁画表层材质属性。 通过实验采集及数字化展示， 可以以三维数字化的方式保存壁画的数据， 作为后期壁画修复和理论研究的数字资源。

由图1可以看出， 相比单一的图像展示或单一的光谱展示， 图谱三维数字化展示信息更丰富， 有助于数据的二次开发与处理。 2.3.2 壁画颜料分析

对壁画中的黄色颜料、 红色颜料、 绿色颜料及白色墙皮进行光谱曲线提取， 其结果如图2所示。 为了分析不同颜料的特征， 计算不同颜料光谱半高宽Δl及极大值谱段lmid。 lmid=lmin+Δl

其中lmax/2， lmin/2分别表示颜料光谱的半高最大谱段和半高最小谱段。 分析计算结果如表1所示。

由图2可以看出， 除了白色墙皮， 黄色颜料半高宽最宽， 其覆盖的光谱信息最丰

富， 而红色颜料半高宽最窄， 其覆盖的光谱信息相对较少。 其中极大值谱主要说明颜料谱的集中度， 红色颜料的极大值谱最长， 说明其残留信息的主要成分反映红外谱信息， 绿色相对最短， 说明其主要反映窄带绿谱段信息， 同时发现， 所有颜料的观测极大值谱， 较红绿黄应有的极大值谱都有红移， 即谱位置向长波移动， 说明， 目标残留的颜料色彩信息与日常红绿黄并不一样， 且长波信息更易残留。

2.3.3 壁画颜料分离提取

在对壁画光谱图像进行分析时， 还可以对某种颜料进行分离， 以观察其实际的颜料分布及底稿信息， 为此， 以黄色颜料为例， 选取如图3所示的局部壁画图像进行颜料分离提取。 利用光谱角匹配法， 选择最接近黄色颜料的像元进行提取， 同时对提取的区域减去黄色谱线值， 以保留其黑色的底料信息光谱， 获取的黄色颜料和黑色底料的分离提取结果如图3所示。 其中， 光谱角计算如式(2) 其中， ti和ri表示壁画观测像元与壁画特征库像元的光谱曲线。

可以看出， 利用光谱做差法可以提取黄色颜料， 并保留壁画底料信息， 从而实现颜料与底料的分离提取。 2.3.4 壁画弱信息增强

高光谱成像具有多通道采集优势， 可通过连续谱的光谱成像对同一目标获取不同谱段下的成像信息， 而这些信息在不同谱段上表现是不同， 且又是相关的。 本研究利用主成分变换法， 对原始417个谱段图像的红外波段(680～1 000 nm)图像进行特征变换， 实现弱信息的融合增强， 选择第一主成分图像， 如图4所示， 具体通过ENVI软件实现主成分计算。

可以看出， 相比较原始的壁画采集图像， 红外主成分变换图像的图像纹理更清晰， 毛毯边缘的细节更好， 对比度更高， 说明图像细节信息得到增强。 2.3.5 壁画隐藏信息提取

同样， 由于高光谱成像具有多通道采集优势， 通过连续谱的光谱成像对同一目标获取不同谱段下的成像信息， 而这些信息在不同谱段上的表现有所不同， 在某些谱段范围不可见， 但在另一些谱段下可能可见， 同时， 其不同信息之间是独立的。 因此， 利用特殊的特征变换法， 可以实现隐藏信息的变换提取， 本研究以独立成分分析法进行特征变换， 结果如图5所示， 具体通过ENVI软件实现独立分量分析计算。

从全色图像和处理图像可以看出， 全色图像中“招手的胡人”只能看到跪着的人， 而处理图像上， 可以看到跪着胡人的膝盖和膝盖下面的地毯， 说明胡人是在地毯和竖琴画完后才画的， 即可以实现底层隐藏信息的提取。 2.3.6 壁画特殊信息挖掘

在墓室东壁乐舞图的研究中， 发现原来左边站着的胡人边上有一个奔跑的小孩印迹， 且与现有的大人发生重叠。 针对这一特殊现象， 利用光谱图像信息挖掘的方法进行小孩与胡人重叠区的分析， 其分析结果如图6所示, 依次为原图、 印迹分析图、 小孩增强图、 小孩复原图、 大人复原图。

从光谱图像可以看出， 大人身后有小孩痕迹， 而且从第二张特征变换图中的黑色区域可以看出涂抹痕迹， 同时， 在第三张小孩增强图中， 可以明显看出小孩的轮廓， 对其进行人机交互处理后， 小孩图像已清晰可见， 然后分别提取小孩和大人轮廓， 得到第四/五张图像。 研究认为， 画好的小孩是在被涂抹后， 又画了大人。 2.3.7 壁画修复

光谱成像技术具有多维谱探测能力， 其对壁画表面的残留属性探测能力较一般相机要强， 可以用来进行壁画的修复， 尤其是对壁画色彩修复和残留弱信息的增强。 综合前面的研究方法与结果， 对壁画进行颜料修复与复原， 结果如图7所示。 通过识别不同颜料的光谱特性， 以相应的RGB配色方案数字化复原色彩， 并对树叶、 树干、 衣服、 地毯等物品进行颜色修复， 以实现对壁画的数字化修复。 基

于颜料的残留光谱， 并考虑到残留谱的红移现象， 对不同物品的光谱进行推测， 利用RGB配色进行数字化颜料复原， 确定以品红树干、 绿色树叶、 金黄衣物， 黑色线条、 土黄地毯等为主的修复方案， 其修补后的图像较以前艳丽很多。 通过上述实际实验分析， 在壁画的光谱成像处理研究中， 存在几个关键技术需解决， 其直接影响着光谱成像技术对壁画鉴赏分析中的应用效果和发展前景。 3.1 高光谱成像采集规范化

影响壁画光谱成像处理的因素很多， 如畸变、 光源、 视场变化等问题， 因此， 数据质量的控制及实验规范化设计非常重要。 虽然畸变校正、 定标处理等可以处理上述问题， 但无法从根本上避免其误差。 因此， 可以用光源与成像的同步轨道推扫模式来解决上述问题。 3.2 颜料图谱特性分析

虽然很多文献都对古代颜料有详细的记载, 但是在当代正确搜集这些古代颜料却不是一件容易的事, 因为有些古代颜料本身稀少， 故至今也很难寻觅, 有些颜料逐渐被人们淘汰， 如今已经不再生产, 而有些颜料的名称从古至今发生了一些变化, 因此， 颜料本身的图谱特性调研与分析是个问题， 如何准确表达颜料的原始图谱特征对后续处理分析非常重要。 如， 除了收集原始颜料， 还可以对逐步采集的颜料进行特征修复， 然后提取修复后特征作为光谱特征。 3.3 壁画高光谱处理

基于上述图谱特征和规范化采集数据, 一般可以利用光谱匹配的方法对颜料进行分析, 但是常规光谱匹配方法的鉴定结果因鉴定模型的一维线性结构， 并不准确, 因此， 需要针对壁画的特征设计合适的多维识别模型与算法, 并兼容图谱综合处理能力。 同时， 为了更好的管理与处理数据， 还需设计自学习的分析算法及专门的高光谱数据处理系统， 以提升数据挖掘的价值， 提高数据应用的效能。

光谱成像技术可以揭示壁画蕴含信息、 增加图像的可视性、 实现修复或老化的监

控评估、 颜料的鉴定分析及画作数字化等。 由于专家鉴定法是经验性的， 其鉴定结果是一种可能的推断， 而光谱成像法综合分析画作艺术形态与图谱特征， 利用科学处理方法进行分析， 其检测更可靠， 可辅助专家鉴定完成壁画的鉴赏分析， 从而提高画作分析的精度。

【相关文献】

[1] CHEN Biao, LI Jin-hai, ZHANG Mei-li(陈 彪, 李金海, 张美丽). Chinese Journal of Spectroscopy Laboratory(光谱实验室), 2012, 29(2): 825.

[2] HE Qiu-ju, WANG Li-qin(何秋菊, 王丽琴). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2016, 36(2): 401.

[3] TANG Zong(唐 宗). Intelligence(才智), 2015, (29): 324.

[4] WANG Xue-pei, ZHAO Hong-xia, LI Qing-hui, et al(王雪培, 赵虹霞, 李青会, 等). Acta Optica Sinica(光学学报), 2015， (10): 304.

[5] GONG Meng-ting, FENG Ping-li(巩梦婷, 冯萍莉). Science of Conservation and Archaeology(文物保护与考古科学), 2014, 26(4): 76.

[6] ZHU Xiu-min, WU Jian-wu, WU Qiong(朱秀敏, 吴建武, 吴 琼). Electro-Optics Technology Application(光电技术应用), 2014， (1): 40.

[7] XU Xiao-jing, HUANG Wei(许小京, 黄 威). Infrared and Laser Engineering(红外与激光工程), 2012, 41(12): 3280.

[8] WANG Ting, WANG Jing-zun(王 霆, 王敬尊). University Chimistry(大学化学), 2013, 28(6): 1.

[9] Liang H. Applied Physics A, 2012, 106(2): 309.

[10] Chane C S, Mansouri A, Marzani F S. Image & Vision Computing, 2013, 31(1): 91.