高光谱成像技术在中国古代书画分析中的应用研究综述

丁莉，杨琴，姜鹏

中国国家博物馆，北京

摘要

中国古代书画年代久远，递藏情况复杂。多数书画屡经裁切割补、修复重装。所以很多历史信息被叠摞或遮蔽，今人无法以肉眼直接观察获得。并且纸绢接补，墨迹、颜料、印鉴的残损，也给书画研究者带来了诸多悬而未决的问题。近年来，高光谱技术是一种非侵入式的光谱成像技术。它已逐步在各类彩绘文物中得到应用。该技术能为中国古代书画的研究和保护提供更丰富的信息。[]

0 引言

1980 年起，人们开始借助反射光谱成像技术来获取地面遥感数据[1]。接着，此技术逐渐变得成熟，并且拓展到了其他诸多领域，像工业质量控制领域、农业食品领域、制药领域以及文化遗产领域。早期，人们借助一维反射光谱来识别文化遗产上的材质信息，范围涵盖[2-8]。自 2000 年起，二维的反射光谱成像技术（即高光谱技术）开始在各类平面文物中得到应用，像油画、壁画、书稿等，相关研究见于[9-14]。中国古代书画文物的材质较为脆弱，在多数情况下是无法进行取样分析的。而光谱成像技术，却为古代书画的无损科学数据采集创造了可能，并且对中国古代书画的价值认知以及保护都有着重要的作用。以期为相关研究者提供参考借鉴。

1 高光谱成像的原理和技术特点

高光谱通常指在波长范围内光谱分辨率小于 10 纳米的光谱信息。高光谱成像技术既能获得目标的空间信息，又能为每个像元提供几十甚至上百个光谱信息。该技术具备以下 4 个特点：

采用反射光谱模式进行无损测量，无需接触待测物，且不会对其产生物理损害。

人的眼睛能感知的电磁波波长通常在 0.40 至 0.76 微米之间。这部分在电磁波谱中被叫做可见光。而高光谱技术能够把光谱范围拓展到紫外区域（小于 0.40 微米）以及热红外区域（0.76 至 1000 微米），从而拓展了人眼无法感知的区域。

高光谱传感器可获得可见光、近红外、短波红外、热红外波段多且窄的连续光谱，波段数能达数百个，像把 400 至 分成 300 个通道。所以，利用高光谱技术能获取接近连续的光谱信息。这种光谱信息能反映物质成分内部的物理结构及化学成分的差异。

高光谱成像技术能把光谱信息与空间位置相融合。在扫描区域内，能够获取到任意一个空间位置的光谱反射率，进而获得文物表面的光谱差异性分布情况。

这里需强调的是，在高光谱被应用于文物成像之前，人们通常使用多光谱摄影技术来获取可见光以外的成像信息。比如会进行红外摄影，也会进行紫外荧光摄影。多光谱采集的数据波段相对较少，它所包含的信息量远远小于高光谱。

2 国内主要研究团队与案例

中国古代书画的可见 - 近红外光谱成像研究主要聚焦于中国（表 1）[15 - 41]。国外学者更多地把该技术运用在油画、壁画、书稿方面。在我国，光谱成像在彩绘文物中的应用起始于 21 世纪初。柴勃隆等率先把多光谱摄影技术引入进来，将其应用于敦煌壁画的内容调查监测。台北故宫博物院与东京文化财研究所展开合作，对自身的重要馆藏实施了光学检测。通过运用红外线透射反射摄影以及荧光摄影技术，对画作的技法展开了分析。接着，众多博物馆引进了高光谱技术，并且踊跃地与高校、研究所进行合作。故宫博物院、首都博物馆、四川博物院、上海博物馆、辽宁省博物馆都已把书画的高光谱扫描当作日常检测工作来开展。高校和科研院所将更多研究力量投入到中国书画的高光谱数据采集平台创新以及数据处理方法开发方面。故宫博物院与中国科学院遥感与数字地球研究所携手开发了大型中国书画高光谱扫描平台，其面积为 2 米×2 米。在扫描过程中，文物在该平台上处于静止状态，而光源和探测器进行移动，这样提升了扫描效率并且保障了文物的安全性[24]。北京建筑大学的侯妙乐团队在传统书画的虚拟修复以及增强显示等领域，开发出了不同的数据处理算法和流程。高光谱技术已经开始在中国书画的检测方面得到应用，然而在现阶段，大多只是应用于年代比较近的书画作品（如表 1 所示），对于那些珍贵的高古书画作品的应用却比较少。中国书画作品大多是纸本和绢本，它们属于脆弱且容易受损的有机质文物。高光谱仪在使用时，需要搭配专用的光源。如果数据采集时间过长，就有可能使书画表面温度升高，也有可能导致书画中的光敏颜料褪色等情况发生。因此，在进行高光谱书画信息采集的时候，文物科技分析工作者持有比较谨慎的态度。比如，团队在采集油画数据时，会使用热成像仪对颜料面板进行实时的监测，同时让颜料面板的平均升温保持在 2℃以内，以此来保证符合保护的要求[42]。

中国国家博物馆在 2020 年开展了宋元书画光学检测项目。在对光谱采集条件进行严格的安全性评估之后，采集了馆藏十余件宋元书画作品的高光谱数据[43-44]。古书画作品有着流传时间长的特点，其艺术价值高，流传经历丰富，并且历代修复次数多，所蕴含的信息极为丰富。这批珍贵文物的高光谱影像能给更多学者提供研究参考，同时也能为书画的展览展示提供较多学术性素材。

表1 中国古代书画及相关彩绘文物高光谱成像国内研究团队

1 of for ， and

（续表1）

3 高光谱数据的应用

近年来国内外有了最新进展，笔者依据这些进展，把高光谱数据在中国书画分析里的应用划分成以下几类：一是视觉增强；二是物质识别；三是虚拟修复。本文会着重去探讨不同应用方向所运用的常用基本数据处理算法，并且列举经典案例，以便给相关研究人员提供参考。

3.1 视觉增强

中国书画在流传与保存期间，有可能遭遇物理摩擦，也有可能遭受生物侵蚀，还可能经历化学降解等作用。在这些情况下，会出现画面破损的现象，会出现印章模糊的状况，甚至会在表面滋生霉斑等情况。而这些病害，都会致使书画内容出现缺失。运用高光谱成像技术，能够提取出诸如隐藏的画面底稿、模糊的印章以及文字等信息，从而增强画面的可读性。其中，最为常用的方法包括直接特征光谱提取、波段运算、主成分分析（PCA）、最小噪声分离（MNF）、密度分割等。例如，武望婷等利用 MNF 第二波段，成功提取出了画面中的人物线稿信息（图 1）；巩梦婷等借助 MNF 与波段运算构建特征指数，提取出了画面中的模糊印章（图 2）；Wu 等分析了墨迹在近红外的特征反射，通过棺木高光谱图像中的 波段图像，使肉眼无法识别的文字清晰地显示了出来（图 3）。此外，在提取隐藏信息时要有针对性。判断目标物质的特征谱很重要：炭黑作为主要成分的墨迹信息在近红外区域吸收较强，所以提取墨迹信息可考虑近红外波段；朱砂在 反射率较高，构建特征指数时可运用该波段。

主成分分析和最小噪声分离是以各光谱波段间的重新组合与优化为基础的特征提取方式，这种方式可以降低数据维度，还能降低噪声，同时增加物质类别的可分性。其中，PCA 属于一种线性变换，它能够把原始的多波段数据进行线性变换，从而得到维度相同的主成分。各主成分的分量相互之间没有关联。第一主成分蕴含着原始影像数据中最为大量的信息量。第二主成分的信息量次之。依此类推。在进行分析时，通常只要保留那些包含原始影像信息达到 90%变异量的主成分就可以了。最小噪声分离变换是对主成分变换的一种改进方式。它本质上是两次层叠的主成分变换。第一次变换的作用是分离并重新调节数据中的噪声。第二步则是对噪声白化数据进行标准主成分变换。最小噪声分离不仅可以判定图像数据内在的维数，还能够进一步去除数据中的噪声。

图1 MNF变换提取书画中的模糊线稿[28]

图 1 中该线的 MNF 情况

文献总结表明，MNF 在多数类型的书画信息提取方面都能获得良好效果。正因如此，在没有目标提取物时，它也是一种值得推荐的方法。此外，增强显示病害信息还可用于书画的病害评估。例如：[51]采用污渍的端元波谱及密度分割，将 1763 年犹太祈祷书（哈加达）第三页上的污渍呈现出来，并统计了污渍在文稿中的比例，如图 4 所示；Lin 等[54]通过 MNF 对高光谱数据进行降维，利用 BP 神经网络的监督分类算法提取出壁画中的不同病害，如脱落、烟熏、泥渍等，如图 5 所示；孙美君等[18]运用偏最小二乘回归（PLSR）、PCA+支持向量机（SVM）和 PCA+人工神经网络（ANN）等降维及监督分类算法，建立起甲病害的风险评估模型，如图 6 所示。然而，高光谱技术用于中国书画的病害评估还鲜有报道。

图2 指数构建提取书画中的模糊印章[33]

Fig.2 for of the in and

图3 直接特征光谱提取棺木上的文字[45]

Fig.3 of the text on a

图4 1763年犹太祈祷书（哈加达）第三页上的污渍[49]

Fig.4 on of Book （）

图5 北京延庆某寺庙壁画局部[52]

Fig.5 A in ，

图6 敦煌莫高窟第126窟壁画[18]

Fig.6 in of

3.2 物质识别

中国传统书画的基材是纸和绢。纸的主要成分是纤维素。绢的主要成分是蛋白质。书写和绘画使用的物质主要有墨和书画颜料。墨的主要成分是石墨和胶。书画颜料可分为天然矿物颜料和天然有机质颜料。近现代书画还可能使用人工合成的颜料。

目前，常用高光谱技术的波长范围是 400 到 2500 纳米。在这个特定的区间内，书画中的各种材质都具有其独有的反射光谱。纤维素、蛋白质、有机质胶以及颜料中的含氢基团—X—H（X 为 C、N、O、S）的振动倍频和含氢基团的合频在近红外区域有较强的吸收。蛋白质的特征吸收既能反映其以氨基酸为单体的物质信息，又能反映蛋白质的二级结构信息。这为区分蛋白质的种类提供了可能[55-57]。天然矿物颜料的电子会发生跃迁，这种跃迁在反射光谱的可见区域会呈现出特征吸收带。比如群青（Na8--4）中存在电荷转移，朱砂（HgS）中有导带跃迁，石青[（）2·Cu（OH）2]里有配体场跃迁等。在近红外区域，部分矿物颜料含有羟基和碳酸盐。这些矿物颜料中羟基和碳酸盐等官能团特征的振动倍频及合频，能够被用于识别颜料的种类，像铅白[（）2·Pb（OH）2]以及石膏（·2H2O）等。有机颜料在可见光区域内具备自身的电子跃迁特性，例如蒽醌类色素（茜草）具有由 n-π*和π-π*所产生的吸收特征。

人们针对天然矿物已经建立了多个经认证的光谱数据库。其中，美国地质调查局（USGS-MIN）建立了相关数据库；喷气推进实验室（Jet ，JPL）也建立了；约翰霍普金斯大学（ ，JHU）同样建立了；国际地质对比计划项目（IGCP-264）也建立了天然矿物反射光谱数据库[58-59]。在文化遗产领域，有多个研究机构建立了颜料光谱数据库。比如，有机构建立了 54 种历史上常用颜料的反射光谱数据，其波长范围在 360 至 1000 纳米，且该数据库可免费公开使用；都灵维纳利亚皇宫保护和修复中心建立了古代和现代绘画材料的 FORS 数据库，其中包含 173 种不同的颜料或染料；佛罗伦萨硬石工厂（Dure）修复实验室与意大利国家研究委员会应用物理研究所“ ”应用光谱实验室合作建立了 FORS 绘画颜料数据库，其波长范围为 270 至 1700 纳米。中国传统书画颜料的种类相较于国外油画颜料和粘接剂的多样性而言，相对比较固定（如表 2 所示）；特别的是，在中国书画颜料的调制中，不同颗粒度的矿物颜料十分常见。矿物颜料的颗粒度在使用中虽影响了颜色的明度，但对其反射光谱特征无明显影响[63-64]。

表2 中国书画传统颜料

2 for and

北京建筑大学等研究机构建立了中国传统颜料的反射光谱数据库（400~）。通过光谱数据库能够进行光谱与一阶导数谱的直接比对。同时，还可以运用多种算法来进行匹配，其中包括光谱角填图（SAM），能够进行光谱角的填图操作；还有光谱特征拟合（SFF），可对光谱特征进行拟合；以及二进制编码（BE），进行二进制的编码处理；还有光谱相关系数匹配算法（SCM），用于匹配光谱相关系数；以及光谱信息散度算法（SID）等。Liu 等[53]构建了光谱分段识别方法（SSI），其利用了光谱吸收指数（SAI）和 SAM。他们选取了矿物离子的特征吸收波段，范围是 350~550 nm、600~900 nm、700~1120 nm，还选取了配位离子的吸收波段，范围是 1400~1600 nm、2300~2400 nm 进行匹配。与传统方法相比，这种方法提高了匹配准确度。

在实际的书画作品里，书画家们通常会运用混合颜料来进行调色。所以，对混合颜料的解析在实际应用中是非常重要的。高光谱解混这一过程，就是把一个包含多种颜料的混合像元，分解为端元（即单一颜料）以及计算相应丰度的问题。高光谱解混分为线性解混和非线性解混。吕书强等[65]提出了基于众数的比值导数光谱法，用以进行光谱线性解混。尹琴丽等在[66]中运用了一种以非负矩阵分解（NMF）为基础的混合颜料线性解混算法。李广华等[24]采用完全约束最小二乘法（FCLS）来进行光谱线性解混，从而获得了石青、石绿、铅白、朱砂等颜料在清代《罗汉肖像画》里的半定量分布信息（图 7）。在识别出混合颜料的端元波谱之后，就开始利用-Munk 模型进行非线性优化，以此来估计各个颜料成分的浓度值。

但是，高光谱在用于书画的颜料识别时存在两个问题：其一，有机质的颜料组分识别较为困难。因为有机质颜料在中国画中属于水色，在画作上的沉积很轻薄，像罩色这种情况，所以其在可见光区域的吸收特征通常不明显；其二，存在基底干扰。当颜料层很薄时，在近红外区域会显示出基底层的光谱信息，这会致使颜料的光谱无法读取。这和壁画、油画等具有厚重颜料层的彩绘不一样，近红外区域在用于中国书画的颜料识别时遭遇了难题。

图7 清代《罗汉肖像画》[24]

Fig.7 of of the Qing

美国国家美术馆研究部等[68]借助近红外光谱成像技术，对 16 世纪挂毯中的丝纤维和羊毛纤维的分布进行了成像分析（图 8）。基于这项工作，笔者觉得近红外区域的纸和绢的特征光谱，不但有利于书画基材的鉴定，而且能够应用于检测传统书画中因修补、老化、霉变而引起的基材变化。目前为止，在中国书画领域，利用纤维在近红外区域的吸收特征差异来进行材质差异性成像的工作尚未有报道。

图8 16世纪的挂毯 of [68]

Fig.8 of （） of

3.3 虚拟修复

传统书画修复要经过揭除旧裱这一步，还要清洗画芯，接着揭托纸，之后进行全色，最后过矾镇墙等步骤，修复工序较为复杂，难度也很大。对于那些十分脆弱的书画，传统修复技术没办法达到预期的效果，像特殊病害的除去就难以做到，并且还有可能会给书画带来不可逆转的损害。高光谱数据的虚拟修复技术能够借助图像的处理来达成书画的虚拟修复。与传统基于 RGB 颜色系统图像的修复技术相比较而言，高光谱技术给予了非可见区域波段信号，以便用于校正待修复的区域。3. 基于色彩约束下的泊松图像编辑方法，利用高光谱中污渍不敏感波段当作特征波段，将特征波段图像与原 RGB 图像进行泊松融合，同时加上色彩约束，以还原污渍区域的轮廓和颜色[71]。Han 等[41]选取近红外波段 作为秦始皇陵出土的 2 号秦铜车彩绘图案轮廓提取的特征波段。他们对色彩完整的部分进行颜料匹配。最终还原出了夔龙图纹（图 10）。与增强显示和物质识别相比，虚拟修复需要使用更复杂的图像处理算法。高光谱数据提供了比 RGB 图像更丰富的波段信息，为虚拟修复提供了数据支持。

图9 《芭蕉仙鹤图》局部虚拟修复的效果图[69-70]

Fig.9 of

图10 秦铜车彩绘夔龙纹[41]

Fig.10 of a Qin

3.4 基于高光谱数据的中国书画分析流程

表 3 对近年来高光谱技术在中国书画及其他类型彩绘文物中应用的研究论文进行了总结。笔者从这些论文中提炼出了针对物质识别、视觉增强以及虚拟修复这三个目的的数据基本流程（图 11）。这个流程能够为初学者提供参考，并且适合博物馆从业人员的入门学习和实践。

图11 基于高光谱数据的中国书画的分析流程

Fig.11 of and on data

表 3 呈现了高光谱技术在中国书画以及其他类型彩绘文物数据处理方面的方法总结。

数据的一部分，用于……以及……的……

（续表3）

（续表3）

4 结论

高光谱技术具备无损检测这一特点，同时光谱范围较为广泛，光谱分辨率也较高，并且能实现图谱合一。凭借这些特点，它可在中国书画的成像分析里获取丰富的信息。在虚拟修复方面，基于高光谱数据的虚拟修复技术与传统的基于 RGB 图像的修复技术相比，能提供非可见区域波段信号用于校正待修复区域，在未来研究中需要试验和尝试更多的处理方法。

最后，高光谱作为一种大幅面的成像技术，仍需进一步普及其成像的分析结果，以实现应用闭环。比如，可以将视觉增强信息与书画价值研究相融合，从而解决更多书画研究的难题；也可以将视觉增强、物质识别及虚拟修复的科技分析结果与展览相结合，为观众鉴赏古书画提供新的视角和学术内涵。

期刊简介

《文物保护与考古科学》是由上海博物馆来主办的学术期刊，其主管单位是上海市文化和旅游局（包含上海市广播电视局、上海市文物局）。该期刊将社会效益放在首要位置，充分展现了文博科技的专业特色，主要对文物科技领域里的研究成果以及应用成果进行报道。

收录期刊

AATA收录期刊

中文核心期刊

中国科技核心期刊

中国人文社会科学核心期刊

中国学术期刊影响因子年报统计源期刊

投稿系统：

官方邮箱：

电话：

地址位于上海市徐汇区龙吴路 1118 号。这里有上海博物馆文物保护科技中心的《文物保护与考古科学》编辑部。

邮编：

扫描二维码