1.文物保护研究的重要性

中国拥有丰富的文化遗产，承载着悠久的历史与深厚的文化内涵。文物不仅是历史的见证，还具有重要的文化、经济和社会价值。文物保护研究的意义在于传承历史文化、促进学科交叉、提升社会经济发展，并推动国家软实力的增强。通过文物保护，我们能够深入理解古代社会、推动文化交流，并为文化旅游业注入新活力。

2.高光谱成像技术的发展

传统的文物鉴定依赖专家的经验，虽能提供初步判断，但存在诸多不足。目视鉴定方法受制于专家经验，容易出现误判，且无法有效应对复杂的文物种类和现代仿品。同时，传统方法缺乏标准化，无法实现统一评估，特别是在受损或修复痕迹难以察觉的情况下。

高光谱成像技术通过获取不同波段的图像数据，能够提供每个像元的详细光谱信息，支持物理和化学属性的定量分析。这项技术相比传统的X射线和拉曼光谱，更加高效、无损，适用于大面积文物分析。在书画文物保护中，高光谱成像能够有效辨识颜料成分、检测修复痕迹及识别隐藏病害，为修复材料的选择和修复效果评估提供科学依据。

图1.高光谱相机成像过程

3.高光谱成像技术在文物保护领域应用现状

随着高光谱成像系统的发展，高光谱在文物保护方面的应用逐渐增多，并成为一个研究热点。目前国内外进行了相当多的利用光谱成像技术分析文物的案例。

在文物图案与隐藏信息提取方面。古画的隐藏信息是指画作中不易察觉的微弱信息，例如作画时的涂抹痕迹、隐藏的文字、底稿、以及后期修复的痕迹等。这些隐藏信息不仅可以反映文物的制作工艺和创作过程，还为深入探究古画的历史背景和艺术价值提供重要线索。此外，隐藏信息的提取也为文物的真伪鉴定和修复提供科学依据，成为文物研究中的重要方向之一。

Hou等人提出了一种基于高光谱成像与最大噪声分数（MNF）变换的古代绘画污渍虚拟修复方法。该研究的实验流程如图2所示，该研究利用高光谱成像技术获取绘画数据，通过正向MNF变换集中绘画主要信息于少数主成分，并确定含污渍成分；再逆向变换剔除这些成分，实现污渍去除。实验证明，此方法能有效淡化或去除污渍，同时保持非污渍区域信息，*大程度还原画作原始风貌。

图2.高光谱成像与MNF变换的古代绘画污渍虚拟修复方法流程图

Pan等人提出了一种基于高光谱成像的空间-光谱特征结合方法，用于提取褪色壁画中的目标图案。该方法结合辐射校准、主成分分析去噪及归一化比值指数（NRI）增强光谱特征，通过密度分割与掩模技术分离目标区域。实验证明，其能高效提取壁画中几乎不可见的图案（图3），相比传统方法，操作简便、客观无损，适用于明显光谱特征图案提取，为壁画数字化保护与研究提供了技术支持。

图3.两个墓区的图像和提取的图案

郭新蕾等人以《崇庆皇太后八旬万寿图》为研究对象，利用短波红外（1000~2500 nm）高光谱数据结合多种光谱匹配算法（如光谱角匹配、光谱信息散度）和主成分分析技术，成功实现了颜料成分的精准识别与分布分析，并通过背景剥离增强弱信息，提取了底层涂抹痕迹等隐藏信息。以图4中人物头冠为例，图中所标识的1、2分别为涂抹信息，经过主成分分析可以发现，涂抹痕迹得到了明显加深，隐藏信息得到了有效提取。结果表明，高光谱技术在颜料混合分析和弱信号增强方面具有显著优势。

图4.《崇庆皇太后八旬万寿图》涂改信息提取

Han等人显示了高光谱成像技术在帆布、墙壁和宣纸古代绘画研究中的应用和潜力。该文献提出了一种结合高光谱成像技术和计算机技术对青铜战车纹样进行数字虚拟修复的方法，恢复纹样缺失的边缘。同时，它还能区分图案中使用的不同颜料。图5通过高光谱成像与PCA方法，有效地分辨了图案中不同的颜色块、颜料种类及其分布情况，为颜料识别和数字修复提供了科学依据。

图5.（a）展示了颜料层保存良好的夔龙纹图案，作为研究对象；（b）通过PCA后的PC1、PC4和PC10波段合成的伪彩色图像。伪彩色图像区分了不同颜料区域，清晰显示了图案边缘与颜色分布差异；（c，d）展示了矿物颜料光谱库，其中包含不同粒径的光谱数据；（e，f）展示了夔龙纹图案中不同颜色块的光谱曲线。通过对比标准光谱库，识别了各个区域的颜料成分

在颜料识别与成分分析方面。颜料和成分作为中国画和古物的物质载体，它的发展变化也流动在五千年文明当中，对颜料与成分的研究与鉴定可以联系整个世界文明文化的发展与变化，作为文物的年代，产地的参考与佐证，也可以为已经褪色的文物提供修复的可靠的参考信息。

丁新峰等人使用高光谱成像技术对古代的颜料进行无损鉴定研究，使用高光谱照相机采集字画和壁画数据，通过构建光谱数据库和光谱匹配的技术对颜料进行无损鉴定。该研究流程如图6，首先控制并实验影响采集质量的因素，总结高光谱照相机采集规范。随后调研、查阅文献，收集并整理当代仍在使用的古代颜料光谱。研究颜料光谱特征，分析光谱匹配算法，设计鉴定方法。最后，利用VS和SqlSever设计实现光谱软件系统，服务于未来颜料鉴定。

图6.基于高光谱成像技术的文物颜料研究思路

Li等人提出了一种基于自动高光谱扫描系统的非破坏性技术研究方法，应用于中国卷轴画的技术分析。该系统融合高光谱成像与宏观X射线荧光技术，深入分析了《巴扎里布达拉罗汉像》，揭示了隐藏底稿、轮廓线及多种颜料成分，如石青、石绿等。该系统在400-2500 nm波段工作，结合FCLS和颜料光谱库，实现了颜料定量映射（图7）。该研究为中国卷轴画的技术分析与保护提供了无损高效的科学支持。

图7.《巴扎里布达拉罗汉像》中各颜料和元素的分布情况

巩梦婷等人采用高光谱成像仪对宜宾市博物院藏族谱书画上11处模糊、局部有脱落的印记进行数据采集和分析处理。通过比对印记光谱与标准颜料库，确认印记可能含朱砂，激光拉曼光谱仪进一步验证。光谱图像经处理增强了族谱印记可读性，有助于识别印记内容，对研究书写者、印章使用、收藏信息及文物价值等意义重大。图8和图9对比显示，高光谱图像的可读性优于RGB图像，能辨别模糊印记。

图8.1号族谱印记

图9. 2号族谱印记

补雅晶等人提出了一种基于可见光谱特征提取的敦煌壁画颜料无损识别方法，通过分析不同颜料的光谱反射特性，提取光谱曲线的二阶导数负数部分表征峰值区域几何轮廓信息，并采用中值金字塔降采样进一步突出重要光谱特征。研究建立了含48种颜料的光谱数据库，通过计算欧氏距离自动识别颜料。以敦煌壁画为例，成功识别了不同窟室的蓝色、绿色和红色颜料。该方法快速无损，为壁画数字存档与修复提供科学依据，展现出实用性与精确性，为文物颜料非接触式分析开辟了新路径。

图10.（a）249窟斗形顶正披阿修罗蓝色颜料识别结果；（b）220窟南壁绿色颜料识别结果；（c）310窟北壁红色颜料识别结果

文物污渍检测及修复方面。古画和谷物在长期的保存过程中，由于自然环境和人为保存不当等因素的影响，常含有霉变、水渍、烟熏、蝇粪、油斑等污渍，影响其欣赏或收藏价值。因此，针对污渍的检测与虚拟修复技术逐渐成为文物保护领域的重要研究方向。

周新光等人研究了高光谱图像系统在提取传统书画作品中模糊印章信息方面的应用。文章采用350-1000 nm高光谱成像技术，通过最小噪声分离方法处理数据，显著提升印章辨识度（图11）。该技术还能揭示修复痕迹，为印章真实性及文物艺术价值研究提供科学依据，解决了模糊不清印章的辨识难题。

图11.560～850nm下MNF处理结果（上方为处理前高光谱图像合成图，下方为处理后高光谱图像合成图）

王珺等人研究了基于高光谱成像技术和深度学习模型对青铜器锈蚀类别进行智能标识的方法，为青铜器的保护和修复提供了科学依据。针对青铜器锈蚀识别难题，提出基于分组LSTM与CNN的MGLC网络方法，结合光谱与空间特征提升识别精度。实验显示，MGLC在分类精度、区域性和分界清晰度上优于传统方法，能精准识别六类锈蚀分布（图12），并生成锈蚀分布图，为文物保护、修复提供科学参考。

图12.不同算法在青铜器数据集有标签面的全图分类结果

周平平等人在研究中提出了一种基于高光谱影像分类线性回归的古画污渍虚拟修复方法，针对清代绢本古画上存在的油渍污染区域，通过高光谱成像技术结合支持向量机（SVM）分类和人工神经网络（ANN），对污渍区域内隐含信息进行提取。研究通过分析影像中油渍影响小的波段，建立分类线性回归模型校正污染波段，恢复油渍覆盖区的原始颜料和色彩。修复后影像（图13）显现出污渍下的颜料信息，叶脉纹络清晰可见。实验证明，该方法能有效提取隐藏信息，恢复古画原貌，提升艺术表现力与鉴赏价值。

图13.古画虚拟修复实验结果

孙美君等人基于近红外高光谱技术，提出了一种用于敦煌莫高窟壁画起甲病害风险评估的方法。研究利用高光谱成像系统建立壁画病害光谱数据库，采用PLSR、PCA+SVM、PCA+ANN模型评估起甲病害风险。PLSR模型表现最佳，生成逐像素风险分布图。结果显示，模型准确评估了壁画脱落情况，验证了高光谱技术在壁画病害评估中的有效性，有助于病害探测与保护。

图14.壁画起甲风险评估图。第一列为壁画的彩色图像，第二列为原始图像的高光谱图像示意图，第三列为PLSR模型预测得到的风险评估图

Hou等人提出了一种利用高光谱成像技术从壁画烟尘中提取隐藏信息的有效方法，以提高古代壁画图案的视觉价值。首先，采用最小噪声分数变换去除壁画背景中的烟尘特征；其次，利用光谱特征分析和图像减法对壁画进行特征增强；最后进行密度切片，提取烟尘下的图案（图15）。该方法对隐藏信息的提取准确率达到了88.97%。

图15.利用密度分割法提取隐藏信息：区域1的彩色图像（a）由原始高光谱图像合成，DN值转换起始值为0，图案以白色突出显示（b），并通过密度分割法在阈值7.95下提取出图案（c）；区域2的彩色图像（d）同样经过DN值转换，起始值设为0，图案以白色显示（e），随后在阈值6.55下通过密度分割法提取出图案（f）。

总结与展望

高光谱成像技术作为一种新兴的无损检测手段，凭借同时获取高光谱数据与空间图像的独*优势，在文物保护与修复领域展现出巨大的应用潜力。当前，该技术已被应用于书画颜料成分鉴定、隐藏信息提取、病害分析及修复效果评估等方面，能够有效揭示文物的材质特征、制作工艺及历史信息，为文物科技工作提供了一种高效、精准的技术途径，也进一步推动文物科技工作的创新与发展。

高光谱成像技术在文物保护领域的发展有望与深度学习和人工智能算法相结合，提高高光谱数据的自动化分析能力，实现文物病害的快速识别与精准分类。同时，开发更加轻便、实用的高光谱设备，拓展其在野外考古与现场保护中的应用，将成为重要的发展方向。此外，结合其他检测技术（如X射线荧光、红外成像等），建立多技术联合分析平台，将全面提升文物研究与修复工作的精度与效率。随着技术的持续创新与优化，高光谱成像技术必将在文物保护与修复领域发挥更加关键的作用，为文化遗产的传承与保护提供坚实的科技支撑。

参考文献

补雅晶, 万晓霞, 李俊锋, 梁金星, & 李禅. (2017). 基于可见光谱特征提取的敦煌壁画颜料识别方法研究. 文物保护与考古科学, 29(3), 45–51.

丁新峰. (2015). 基于高光谱成像技术的文物颜料研究 [硕士, 北京建筑大学].

巩梦婷, 张秋佳, 杜少飞, & 詹宁思. (2021). 高光谱成像技术对宜宾市博物院藏族谱印记的分析. 文物保护与考古科学, 33(5), 78–84. 

郭新蕾, 张立福, 吴太夏, 张红明, & 罗旭东. (2017). 成像光谱技术的古画隐藏信息提取. 中国图象图形学报, 22(10), 1428–1435.

孙美君, 柴勃隆, 张冬, 王征, & 孙济洲. (2016). 基于近红外高光谱技术的敦煌莫高窟壁画起甲病害风险评估方法. 文物保护与考古科学, 28(4), 1–8. 

王珺, 孙进越, 俞凯, 刘成, 吴晨, 陈有路, & 胡琦瑶. (2021). 基于分组LSTM与CNN的青铜器锈蚀类别智能标识方法. 西北大学学报(自然科学版), 51(5), 778–786. 

周平平, 侯妙乐, 赵学胜, 吕书强, 胡云岗, 张学东, & 赵恒谦. (2017). 基于高光谱影像分类线性回归的古画污渍虚拟恢复. 地理信息世界, 24(3), 113–118.

周新光, 沈骅, & 吴来明. (2020). 高光谱图像系统应用于模糊印章的提取研究. 文物保护与考古科学, 32(1), 56–60. 

Han, D., Ma, L., Ma, S., & Zhang, J. (2020). The digital restoration of painted patterns on the No. 2 Qin bronze chariot based on hyperspectral imaging. Archaeometry, 62(1), 200–212. 

Hou, M., Cao, N., Tan, L., Lyu, S., Zhou, P., & Xu, C. (2019). Extraction of Hidden Information under Sootiness on Murals Based on Hyperspectral Image Enhancement. Applied Sciences, 9(17), 3591. 

Hou, M., Zhou, P., Lv, S., Hu, Y., Zhao, X., Wu, W., He, H., Li, S., & Tan, L. (2018). Virtual restoration of stains on ancient paintings with maximum noise fraction transformation based on the hyperspectral imaging. Journal of Cultural Heritage, 34, 136–144. 

Li, G. H., Chen, Y., Sun, X. J., Duan, P. Q., Lei, Y., & Zhang, L. F. (2020). An automatic hyperspectral scanning system for the technical investigations of Chinese scroll paintings. Microchemical Journal, 155, 104699. 

Pan, N., Hou, M., Lv, S., Hu, Y., Zhao, X., Ma, Q., Li, S., & Shaker, A. (2017). Extracting faded mural patterns based on the combination of spatial-spectral feature of hyperspectral image. Journal of Cultural Heritage, 27, 80–87.