本文選題：高光譜成像技術 + 彩繪文物��； 參考：《光譜學與光譜分析》2017年06期

【摘要】：彩繪文物是文化遺產(chǎn)研究的重要內(nèi)容之一。目前,許多的化學、光譜以及數(shù)字成像等分析技術應用于彩繪文物研究中,其中,高光譜成像技術集光譜分析與成像技術為一體,具有無損、快速成像以及"圖譜合一"的特點。其技術特點使得高光譜成像技術在非接觸、無樣本的條件下對彩繪文物進行無損研究,既可以獲得彩繪文物的整體形貌特征,還可以深入分析彩繪文物的光譜特征,是高光譜成像技術相比于其他彩繪文物研究方法的獨特優(yōu)勢。利用高光譜成像技術研究彩繪文物分為數(shù)據(jù)采集、數(shù)據(jù)分析以及數(shù)據(jù)應用三步,其中數(shù)據(jù)分析與數(shù)據(jù)應用是研究的主要內(nèi)容。通過對高光譜成像技術在彩繪文物中的相關研究成果進行總結歸納,其數(shù)據(jù)處理方法主要包括高光譜數(shù)據(jù)降維、光譜特征參量化、光譜解混合以及分類方法四個方面,并分別描述了四類處理方法的主要功能、常用方法和已有案例。從具體應用方向上,可歸納為視覺增強、隱含信息挖掘、保護監(jiān)測和顏料分析四類,具體描述了四類應用方向所涵蓋的內(nèi)容以及所解決的問題。最后對相關研究中存在的挑戰(zhàn)和發(fā)展前景進行了總結和展望。
[Abstract]:Painted cultural relics are one of the important contents of cultural heritage research. At present, many analytical techniques, such as chemical, spectral and digital imaging, are applied to the study of painted cultural relics. Among them, hyperspectral imaging technology integrates spectral analysis and imaging technology, and has no damage. Rapid imaging and the characteristics of "atlas in one". Because of its technical characteristics, the hyperspectral imaging technology can not only obtain the overall morphological features of painted cultural relics, but also analyze the spectral characteristics of painted cultural relics in a non-contact, no sample condition. It is a unique advantage of hyperspectral imaging technology compared with other research methods of painted cultural relics. The study of painted relics by using hyperspectral imaging technology is divided into three steps: data acquisition, data analysis and data application, among which data analysis and data application are the main contents of the research. By summarizing the related research results of hyperspectral imaging technology in painted cultural relics, the data processing methods mainly include four aspects: dimension reduction of hyperspectral data, spectral characteristic parameter quantization, spectral deconvolution and classification method. The main functions, common methods and existing cases of four kinds of processing methods are described respectively. It can be classified into four categories: visual enhancement, hidden information mining, protection monitoring and pigment analysis. The contents of the four application directions and the problems solved are described in detail. Finally, the challenges and development prospects of related research are summarized and prospected.
【作者單位】： 北京建筑大學;中國礦業(yè)大學(北京);中國文化遺產(chǎn)研究院;首都博物館;
【基金】：國家(973)項目(2012cb725301) 北京市自然科學基金項目(8111003) 國家自然科學基金項目(41171304)資助
【分類號】：K854;TP391.41

【參考文獻】

相關期刊論文 前10條

1 韋晶;明艷芳;韓留生;任仲亮;郭亞敏;;基于多類型光譜特征參數(shù)匹配的礦物信息遙感識別方法[J];光譜學與光譜分析;2015年10期

2 李杰;萬幼川;;基于光譜特征參量化的高光譜影像精細分類[J];地理空間信息;2015年04期

3 楊可明;劉飛;孫陽陽;魏華鋒;史鋼強;;諧波分析光譜角制圖高光譜影像分類[J];中國圖象圖形學報;2015年06期

4 王樂樂;李志敏;馬清林;梅建軍;;高光譜技術無損鑒定壁畫顏料之研究——以西藏拉薩大昭寺壁畫為例[J];敦煌研究;2015年03期

5 胡遠寧;崔霞;孟寶平;楊淑霞;梁天剛;;甘南高寒草甸主要毒雜草光譜特征分析[J];草業(yè)科學;2015年02期

6 鞏夢婷;馮萍莉;;高光譜成像技術在中國畫顏料分類和識別上的應用初探——以光譜角填圖(SAM)為例[J];文物保護與考古科學;2014年04期

7 李雪軻;王晉年;張立福;楊杭;劉凱;;面向對象的航空高光譜圖像混合分類方法[J];地球信息科學學報;2014年06期

8 武鋒強;楊武年;李丹;;基于高光譜成像與拉曼技術的藝術畫顏料成分對比檢測研究[J];礦物學報;2014年02期

9 武鋒強;楊武年;李丹;;基于光譜特征擬合的藝術畫顏料成分識別研究[J];光散射學報;2014年01期

10 侯妙樂;雷勇;蘆鑫;張學東;韓曉夢;;基于高光譜數(shù)據(jù)的壁畫底稿信息提取[J];測繪科學;2014年10期

【共引文獻】

相關期刊論文 前10條

1 侯妙樂;潘寧;馬清林;何海平;呂書強;胡云崗;;高光譜成像技術在彩繪文物分析中的研究綜述[J];光譜學與光譜分析;2017年06期

2 郭輝;楊可明;張文文;劉聰;夏天;;小波包信息熵特征矢量光譜角高光譜影像分類[J];中國圖象圖形學報;2017年02期

3 常偉;劉詠梅;龐國偉;高原;王德軍;;牛心樸子的光譜差異特征參量分析[J];草業(yè)科學;2016年11期

4 孫美君;柴勃隆;張冬;王征;孫濟洲;;基于近紅外高光譜技術的敦煌莫高窟壁畫起甲病害風險評估方法[J];文物保護與考古科學;2016年04期

5 魏秀紅;靳瑰麗;范燕敏;安沙舟;夏小偉;;伊犁絹蒿荒漠草地物種光譜特征分析及識別初探[J];草業(yè)科學;2016年10期

6 李真真;鄭翔;牛德奎;郭曉敏;謝碧裕;張學玲;;武功山山地草甸主要群落類型高光譜特征[J];草業(yè)科學;2016年08期

7 程鵬;岳彩榮;江東;黃耀歡;劉洋洋;;一種基于概率神經(jīng)網(wǎng)絡的城市用地高分辨率影像信息提取方法[J];林業(yè)調查規(guī)劃;2016年02期

8 蔣金豹;喬小軍;何汝艷;田奮民;;用近紅外高光譜圖像區(qū)分不同品質的建筑涂料[J];光譜學與光譜分析;2016年02期

9 王樂樂;李志敏;馬清林;;古代宮殿寺觀壁畫色彩信息提取流程研究——以西藏拉薩大昭寺壁畫為例[J];邊疆考古研究;2015年02期

10 王瑋;馮琦勝;郭鈮;沙莎;胡蝶;王麗娟;李耀輝;;基于長時間序列NDVI資料的我國西北干旱區(qū)植被覆蓋動態(tài)監(jiān)測[J];草業(yè)科學;2015年12期

【二級參考文獻】

相關期刊論文 前10條

1 王樂樂;李志敏;張曉彤;梅建軍;馬清林;;西藏拉薩大昭寺轉經(jīng)廊壁畫制作工藝研究[J];文物保護與考古科學;2014年04期

2 楊可明;張濤;王立博;錢小麗;劉士文;王林偉;;高光譜影像的諧波分析融合算法研究[J];中國礦業(yè)大學學報;2014年03期

3 宮兆寧;趙雅莉;趙文吉;林川;崔天翔;;基于光譜指數(shù)的植物葉片葉綠素含量的估算模型[J];生態(tài)學報;2014年20期

4 張博;何彬彬;;改進的分水嶺變換算法在高分辨率遙感影像多尺度分割中的應用[J];地球信息科學學報;2014年01期

5 鄧富亮;楊崇俊;曹春香;范協(xié)裕;;高分辨率影像分割的分形網(wǎng)絡演化改進方法[J];地球信息科學學報;2014年01期

6 劉大偉;黃磊;李斌兵;;一種基于對象相似性的遙感影像最優(yōu)分割尺度評價方法[J];大地測量與地球動力學;2013年06期

7 殷瑞娟;施潤和;李鏡堯;;一種高分辨率遙感影像的最優(yōu)分割尺度自動選取方法[J];地球信息科學學報;2013年06期

8 李穎;張立福;嚴薇;黃長平;童慶禧;;地面成像光譜數(shù)據(jù)的田間雜草識別[J];遙感學報;2013年04期

9 暢文娟;何明一;;高光譜圖像組合光譜特征研究[J];現(xiàn)代電子技術;2013年14期

10 劉波;沈渭壽;李儒;楊兆平;林乃峰;;雅魯藏布江源區(qū)高寒草地退化光譜響應變化研究[J];光譜學與光譜分析;2013年06期

【相似文獻】

相關會議論文 前7條

1 盧云龍;劉志剛;;高光譜成像技術及其在目標檢測中的應用進展[A];國家安全地球物理叢書（九）——防災減災與國家安全[C];2013年

2 馬本學;應義斌;饒秀勤;;高光譜成像在水果表面缺陷及污染檢測中的研究進展[A];2007年中國農(nóng)業(yè)工程學會學術年會論文摘要集[C];2007年

3 何寶琨;;使用曲面棱鏡的高光譜成像系統(tǒng)設計[A];中國空間科學學會空間探測專業(yè)委員會第二十六屆全國空間探測學術研討會會議論文集[C];2013年

4 孫向軍;劉凱龍;趙志勇;李雪濤;;高光譜成像及仿真技術途徑探索[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

5 顏昌翔;;星載高光譜成像及數(shù)據(jù)應用[A];第十屆全國光電技術學術交流會論文集[C];2012年

6 肖功海;舒嶸;薛永祺;;顯微成像光譜技術及其應用[A];成像光譜技術與應用研討會論文集[C];2004年

7 賴建軍;陳四海;陳坦;易新建;;基于MEMS微鏡陣列的高光譜成像技術研究[A];中國宇航學會深空探測技術專業(yè)委員會第三屆學術會議論文集[C];2006年

相關博士學位論文 前10條

1 葛明鋒;基于輕小型無人機的高光譜成像系統(tǒng)研究[D];中國科學院研究生院(上海技術物理研究所);2015年

2 何青;多類型高光譜成像集成系統(tǒng)的研制及其應用研究[D];暨南大學;2015年

3 黃鋒華;基于高光譜成像技術的油桃品質檢測及品種判別研究[D];山西農(nóng)業(yè)大學;2016年

4 王彩玲;干涉高光譜成像中的信息提取技術[D];中國科學院研究生院(西安光學精密機械研究所);2011年

5 朱逢樂;基于光譜和高光譜成像技術的海水魚品質快速無損檢測[D];浙江大學;2014年

6 馬m，

本文編號：1881664