新聞詳情

高(gāo)光(guāng)譜在文物(wù)保護方面的(de)應用(yòng)

20163317101815113高(gāo)光(guāng)譜文博.jpg

高(gāo)光(guāng)譜圖像分(fēn)析簡要原理(lǐ)

高(gāo)光(guāng)譜圖像是将成像技術和(hé)光(guāng)譜技術相結合的(de)多(duō)維信息檢測技術,它能夠同時探測目标的(de)二維幾何空間與一維光(guāng)譜信息,獲取高(gāo)光(guāng)譜分(fēn)辨率的(de)連續、窄波段的(de)圖像數據。和(hé)以往的(de)多(duō)光(guāng)譜、多(duō)波段成像光(guāng)譜技術相比,高(gāo)光(guāng)譜圖像技術的(de)優勢,主要體現在高(gāo)空間分(fēn)辨率、高(gāo)光(guāng)譜分(fēn)辨率和(hé)高(gāo)信息質量等方面。

高(gāo)光(guāng)譜圖像數據是一個光(guāng)譜圖像立方體,其最主要的(de)特點是将傳統的(de)圖像空間維與光(guāng)譜信息維信息融合爲一體,與單波段圖像相比,他(tā)多(duō)出一維光(guāng)譜信息,在獲取目标物(wù)空間圖像的(de)同時,可(kě)以得(de)到每個像元對應的(de)光(guāng)譜信息,高(gāo)光(guāng)譜數據以較窄的(de)波段區間、較多(duō)的(de)波段數量來描述目标物(wù),包含非常豐富的(de)物(wù)質光(guāng)譜信息,能有效地捕捉物(wù)質的(de)光(guāng)譜特征。

我們可(kě)以根據獲得(de)的(de)高(gāo)光(guāng)譜數據,分(fēn)析得(de)到具有診斷性意義的(de)物(wù)質光(guāng)譜特征,建立代表物(wù)質特性的(de)“指紋光(guāng)譜”(每種物(wù)質都有的(de)自己獨特的(de)光(guāng)譜特征),接著(zhe)便可(kě)以針對高(gāo)光(guāng)譜圖像中每個像元的(de)光(guāng)譜反射率曲線,基于光(guāng)譜匹配與特征分(fēn)析,利用(yòng)光(guāng)譜信息直接識别目标物(wù)質。

文物(wù)中,消失的(de)文字、脫落的(de)顔料,由于他(tā)們擁有自己獨特的(de)光(guāng)譜特征,而高(gāo)光(guāng)譜圖像的(de)特點在于極高(gāo)的(de)光(guāng)譜分(fēn)辨率和(hé)空間分(fēn)辨率,隻要其留有微弱的(de)信号,我們就可(kě)以根據光(guāng)譜特征将其探測出來、并标明(míng)在什(shén)麽位置。

應用(yòng)分(fēn)析流程

一、預處理(lǐ)

手冊中,預處理(lǐ)的(de)主要目的(de)是将絕對輻射數據轉換爲反射率數據,對圖像的(de)噪聲進行去除,對圖像的(de)有效區域(空間維和(hé)光(guāng)譜維)進行選取,爲後續處理(lǐ)提供高(gāo)質量的(de)原始數據。這裏,預處理(lǐ)主要以Philumina的(de)控制軟件Philumina Image Analyzer爲例,一般預處理(lǐ)步驟包括白闆校正(calibration,光(guāng)線校正)、噪聲去除(noise remove,爲提高(gāo)信噪比,獲得(de)更有效的(de)數據)、波段裁切(subset bands,去除光(guāng)效率低的(de)波段,獲得(de)更有效的(de)數據),有時數據量太大(dà),可(kě)對數據進行空間裁切(subset roi,加快(kuài)處理(lǐ)速度,分(fēn)段處理(lǐ)後再合成)。

二、單目标光(guāng)譜分(fēn)析

案例代表:秦代官墓墓文闆。

分(fēn)析目的(de):墓文闆年代久遠,表面文字脫落,需盡可(kě)能探測到丢失的(de)文字(圖1中紅色文字即爲探測目标),恢複整塊墓文闆的(de)可(kě)讀信息。

20160303171576097609圖1 秦代官墓墓文闆采集原稿.jpg

1 秦代官墓墓文闆采集原稿


1.選取ROI(regions of interest,感興趣區域)

借助ENVI的(de)ROI工具,選取圖1中的(de)文字部分(fēn)作爲感興趣區域,并保存。

2.使用(yòng)target detection工具進行分(fēn)析

借助ENVI的(de)“Target Detection Wizard”工具,對目标信息進行提取:

20160303171665866586圖2 target detction wizard.jpg
2 target detction wizard


根據圖2所示工具,按照(zhào)左面闆中的(de)說明(míng),按步驟點擊“next”,直到分(fēn)析完成,其中第3步中,選擇之前保存的(de)roi文件作爲目标波譜,第6步中,選取目标探測方法時,可(kě)以多(duō)選擇幾種,最後根據效果選取最合适的(de)結果。

經上述1、2處理(lǐ)步驟,得(de)到秦代官墓墓文闆分(fēn)析結果:

20160303171670877087圖3 秦代墓文闆分(fēn)析結果.jpg

3 秦代墓文闆分(fēn)析結果


從圖3可(kě)以看出,原先丢失的(de)信息,很大(dà)一部分(fēn)都被提取了(le)出來,小部分(fēn)完全沒有信息的(de)地方可(kě)能是年代太久遠,刻字用(yòng)的(de)顔料已經消失了(le)。

三、多(duō)目标光(guāng)譜分(fēn)析

案例代表:上海博物(wù)院古畫。

分(fēn)析目的(de):上海博物(wù)館采集到的(de)古畫,畫中有些地方有黴斑,需要識别黴斑區域是什(shén)麽成分(fēn),以便于後期修複。

20160303171682638263圖4 上海博物(wù)院古畫原稿.jpg

4 上海博物(wù)院古畫原稿


1.數據降維

高(gāo)光(guāng)譜圖像數據量非常大(dà),在處理(lǐ)前一般先進行降維處理(lǐ),我們使用(yòng)MNF進行數據降維。借助ENVI中的(de)“Forward MNF Estimate Noise Statistics ”工具,對源數據(即圖4所示數據)執行MNF變化(huà),對數據降維。

這裏截取MNF變換後第1波段圖像和(hé)2,3,4波段的(de)假彩色合成:

20160303171787648764圖5 mnf變換後第1波段.jpg

5 mnf變換後第1波段

20160303171745964596圖6 mnf變換後第234波段假彩色合成效果.jpg

6 mnf變換後第2/3/4波段假彩色合成效果


MNF變換後每個波段具有不同的(de)意義,根據不同的(de)用(yòng)途,用(yòng)戶可(kě)以加以研究,MNF波段1代表整個波段的(de)亮度背景,即光(guāng)譜背景,在影(yǐng)像上都較其他(tā)的(de)MNF波段亮,mnf波段2-x(x根據待檢測的(de)物(wù)質會有所不同,一般會集中在前2-10個波段内,不同的(de)波段強調不同的(de)主成分(fēn)),每個波段的(de)信息互不相關。

2.端元提取

本案例選用(yòng)PPI方法進行端元提取,具體操作步驟爲:

(1)利用(yòng)ENVI中的(de)“Pixel Purity Index(PPI) New Output Band”工具,對mnf變換結果文件執行PPI處理(lǐ),獲取純淨像元指數文件;

圖7  PPI文件.jpg圖7 PPI文件


(2)根據PPI結果文件選取ROI;

(3)根據(1)(2)結果,利用(yòng)ENVI中的(de)“n-Dimensional Visualizer New Data”工具獲取端元;

(4)獲取端元波譜并保存。

圖8  端元 .jpg
圖8 端元

圖9  端元波譜.jpg

圖9 端元波譜


3.高(gāo)光(guāng)譜圖像分(fēn)類(光(guāng)譜解混)

本例選用(yòng)SAM(Spectral Angle Mapping,光(guāng)譜角填圖)方法進行高(gāo)光(guāng)譜分(fēn)類。具體操作爲,在ENVI中,調用(yòng)“Spectral Angle Mapper Classification”工具,利用(yòng)第2步中提取的(de)端元波譜,設置阈值,執行分(fēn)類。本例分(fēn)類結果:

圖10 SAM分(fēn)類結果.jpg

圖10 SAM分(fēn)類結果


圖10中各類别的(de)顔色與圖8及圖9中的(de)顔色對應,根據圖10的(de)分(fēn)類結果,可(kě)以知道黴斑部分(fēn)原有的(de)成分(fēn)構成。在執行SAM分(fēn)類時,可(kě)以選擇生成SAM的(de)豐度圖像,這樣,當您對分(fēn)類結果不滿意(因爲分(fēn)類之前需要設置阈值參數,這個值往往不好确定,因此會影(yǐng)響分(fēn)類結果)時,可(kě)以利用(yòng)各目标成分(fēn)的(de)豐度圖進行進一步分(fēn)析。

本例中生成的(de)SAM豐度圖示例:

01.jpg

02.jpg

03.jpg

04.jpg

圖11  SAM豐度圖

11中的(de)SAM分(fēn)類的(de)豐度圖依次爲紅色、綠色、藍色及黃色分(fēn)量,每一幅圖中,黑(hēi)色表示相應分(fēn)量的(de)目标,像素值越小(越黑(hēi)),說明(míng)該像元中該端元所占比例越大(dà)。在該案例中,因不知道具體的(de)物(wù)質成分(fēn),所以在分(fēn)類時物(wù)質僅僅按照(zhào)提取的(de)端元簡單的(de)用(yòng)顔色區分(fēn),實際中若有物(wù)質的(de)光(guāng)譜庫,可(kě)以識别圖中的(de)物(wù)質,而且分(fēn)類結果也(yě)将更加精确。



會員登錄
登錄
留言
回到頂部