基于高光谱图像分析的古代壁画病害监测及艺术风格化恢复方法研究

As precious cultural heritage worldwide, historical frescos, have extremely high preservation and research values in terms of their unique way of making, distinctive painting style and vivid painting contents. However, due to the longstanding effects in terms of environmental changes, physical impacts of human, frescos are commonly faced with various degrees of diseases, and there is no effective non-invasive monitoring means for the frescos. This project is a hyperspectral imaging analysis based in-depth study for diseased problem of frescos, including automatic identification and quantification of fresco disease problems, the problem of microcosmic component based frescos disease intrinsic mechanism and predicting，and hyperspectral imaging based stylized recovery of frescos. To solve the aforementioned challenging problems, the proposed project will focus on algorithms of denoise and preprocessing of hyperspectral data, sparse representation, 2D-SSA (singular spectral analysis) based feature extraction and data reduction, nonlinear unmixing model, deep-learning and active-learning based prediction and decision making, and style extraction model. So that we will achieve series of methods about automatic, accurate and effective quantity monitoring of frescos, pathogenic component analysis and early warning, and stylized restoration with high quality.

古代壁画是世界范围内的珍贵文化遗产，其独特的制作方式，鲜明的绘画风格和生动的绘画内容都极具保存和研究价值。但由于长期受环境、人为因素的影响，古壁画都面临不同程度病害问题，而且缺乏有效的非侵入式监测手段。本项目基于高光谱图像分析技术对古壁画病害问题展开深入研究，包括古壁画病害自动识别和量化问题，基于微观致病成分的病害机理研究和预测问题，基于高光谱壁画图像艺术风格分析的数字化恢复问题。为了解决这些有挑战性的问题，该项目将着重研究高光谱数据的降噪预处理、稀疏表示、基于2D奇异谱分析的特征提取与降维，非线性解混模型，基于深度学习和主动学习的病害预测及风格提取模型等算法，从而实现自动、准确和高效的壁画病害量化监测、致病成分分析及预警和高质量的风格化数字恢复的理论及方法研究。

古代壁画是世界范围内的珍贵文化遗产，其独特的制作方式，鲜明的绘画风格和生动的绘画内容都极具保存和研究价值。但由于长期受环境、人为因素的影响，古壁画都面临不同程度病害问题，而且缺乏有效的非侵入式监测手段。本项目基于图像和高光谱图像分析技术对古壁画病害识别中的关键算法问题展开深入研究，不但多次赴莫高窟采集壁画的高光谱数据，而且从特征提取、显著性分析、多特征融合和深度神经网络等角度开展了工作，深入探索了新的深度学习方法及其在本项目中进行分类和识别任务的应用。具体包括：1）高光谱图像特征的提取和分类算法研究，包括降噪预处理、稀疏表示、基于2D奇异谱分析的特征提取与降维；2）基于高光谱图像的数据分析工作，通过高光谱数据分析提取识别对象的物理属性特征，从而进行分类和识别的任务；3）图像分类和识别算法改进方法研究；4）面向艺术作品图像的特征提取和分类研究。本项目的实施给高光谱图像特征提取和分类提供了新算法，将丰富和完善机器学习和计算机视觉领域的基础理论研究，有效的推动艺术作品分类、目标识别和显著性分析等领域的发展，给文物数据分析和文物保护提供新的思路和方法。