歷史建筑表面信息提取的高光譜技術應用

伴隨文化遺產保護意識的提升，歷史建筑的保護與修復工作逐漸受到重視。高光譜技術因其非接觸式、快速、全面的特點而被應用在歷史建筑表面信息的提取中。文章采用高光譜成像技術對歷史建筑表面的材料組成、病害情況進行詳細檢測，并結合多元統計分析和深度學習算法，對提取的數據進行分析，旨在高精度解析歷史建筑表面信息。高光譜技術能夠以95%以上的準確率識別石材、漆料、金屬等多種建筑材料，并在病害檢測方面展現出比傳統方法更早的預警能力。該技術的應用不僅提高了歷史建筑信息提取的效率和準確性，也為歷史建筑的保護與修繕提供了多種方法和理論依據。

歷史建筑概述

歷史建筑的定義與特征。歷史建筑是指具有一定歷史、科學和藝術價值，能反映歷史發展或重大歷史事件，代表某個歷史時期建筑風格與特點的建筑物。歷史建筑作為一種不可再生的文化遺產資源，承載著豐富的歷史信息、文化內涵以及時代記憶。

歷史建筑表面信息具有重要的文化價值和美學價值。不同時期、地域的建筑在色彩、肌理等方面呈現出明顯的差異性特征。歲月侵蝕也會在歷史建筑表面留下獨特的時間印記，形成斑駁陸離的色彩和粗糙不平的質感。

傳統人工目測很難全面、精準地提取歷史建筑表面的色彩、紋理等特征信息。高光譜成像技術為歷史建筑表面信息的提取提供了新的技術手段。高光譜相機可獲取物體表面在紫外—可見光—近紅外波段范圍內的高光譜圖像，包含豐富的光譜特征信息，為深入分析歷史建筑表面的材質、色澤、肌理等提供了數據基礎。

目前，高光譜技術已在考古、古建筑保護等領域得到應用。郭萬榮等利用高光譜數據對敦煌壁畫顏料進行分析，得出不同時期壁畫在顏料使用上的演變規律。張君秋等通過高光譜圖像揭示了南京明孝陵的建筑材料特征，為文物保護提供了重要參考。但在歷史建筑領域，尚缺乏系統性的高光譜信息提取方法研究。

文章擬選取具有代表性的歷史建筑案例，采用地物光譜儀采集高光譜數據，重點從以下幾個方面開展歷史建筑表面信息的高光譜分析：一是建筑材料的光譜特征，提取不同材料如木材、磚石、瓦件等的光譜曲線，分析其反射率、吸收特性；二是表面色彩信息，通過光譜解混提取RGB色彩信息，分析色彩分布特征；三是表面紋理特征，利用灰度共生矩陣、小波變換等方法從高光譜圖像中提取紋理參數。在信息提取的基礎上，還將結合案例進行實證分析，探討信息特征與歷史時期、建筑風格的關聯性，為歷史建筑價值闡釋提供新的視角。

歷史建筑研究現狀分析。目前，針對歷史建筑保護的研究主要集中在材料、結構、修繕技術等方面，但對歷史建筑表面信息的系統性研究相對較少。徐珊等人采用地面三維激光掃描技術對北京故宮太和殿進行數字化采集與建模，獲取了精細的點云數據，實現了太和殿的數字化保存與展示。李偉等人利用近景攝影測量技術對西安大慈恩寺進行三維重建，生成了高精度的三維模型，為大慈恩寺的數字化保護提供了數據支撐。張杰等人綜合運用傾斜攝影測量、激光掃描等技術獲取慶陽北石窟的高精度三維數據，并基于Maya軟件構建了北石窟的三維可視化模型。

上述研究側重于對歷史建筑整體幾何信息的獲取與重建，對歷史建筑表面信息的關注相對不足。歷史建筑表面承載了豐富的材料、紋理、彩繪、風化狀況等信息，對全面認識歷史建筑具有重要意義。高光譜成像技術具有波段多、光譜分辨率高、信息豐富等優勢，在提取物體表面精細光譜信息方面具有獨特優勢。國內學者已初步將高光譜技術應用于古建筑彩畫疾病檢測、建筑材料分類等方面，但尚未形成系統性的研究。

高光譜技術綜述

高光譜技術原理。高光譜技術利用窄波段、連續譜段的高光譜影像數據獲取目標物的輻射信息，可以檢測到肉眼難以觀測的光譜細節。高光譜成像是一種將成像技術與光譜技術相結合的新型遙感技術，它具有較高的光譜分辨率和較寬的光譜范圍，可獲取從紫外到長波紅外范圍內的上百個連續且寬度很窄的光譜波段數據。高光譜分辨率可達到5～10納米，光譜范圍覆蓋可見光到短波紅外400～2500納米，形成三維數據立方體，空間維和光譜維上每一個像元都包含豐富的光譜信息，能夠鑒別不同材料的光譜差異。

高光譜成像系統由成像光譜儀、高精度雙軸轉臺、可見光相機等組成。其核心是成像光譜儀，工作原理是把二維空間圖像分解成多個波段，不同波段的光線被光柵或棱鏡色散后由CCD或CMOS相機記錄下來，形成數百個連續光譜影像。高光譜相機在掃描過程中，物鏡前放置狹縫對目標成像，分光元件將不同波長的光分光后聚焦到探測器上，獲得目標的二維空間和一維光譜信息，隨著掃描實現對目標的三維高光譜數據采集。系統還配備可見光相機，拍攝可見光圖像與高光譜數據配準，實現高光譜數據的幾何校正。

高光譜數據包含大量冗余信息，需要采用圖像處理、特征提取等方法進行處理，實現降維、去噪、分類等。常見的處理方法有最小噪聲分離（MNF）變換、主成分分析（PCA）、獨立成分分析（ICA）、光譜角度映射（SAM）、線性光譜分離等。MNF變換通過兩個主成分變換來分離噪聲，第一次PCA基于噪聲協方差矩陣對數據降維，再進行第二次PCA以校正波段，實現降維與去噪。PCA通過線性變換把原始數據變換到一組相互正交的新坐標系，消除波段間的相關性，提取主成分并降低數據維數。ICA通過尋找統計獨立性最強的成分實現盲源信號分離。SAM計算待分類光譜與參考光譜的夾角，夾角越小相似度越高，根據光譜角度閾值判別是否屬于該類。線性光譜分離基于像元反射率是各端元反射率的線性組合，估計端元豐度，進行亞像元分類。

高光譜技術具有較高的信噪比和光譜分辨率，對目標材料的光譜響應更為敏感，能準確刻畫光譜曲線細節，提供目標的精細結構與成分信息。實驗表明，高光譜數據對不同建筑材料的識別精度可達85%以上，優于常規的多光譜數據。利用MNF變換對高光譜數據降噪，前10個主成分可包含99%的信息量，再進行SAM分類，磚石、青瓦、木材、灰泥等材料的識別精度達到92.5%，混淆矩陣Kappa系數為0.87。在古建筑表面腐蝕與病害信息提取方面，高光譜數據能有效識別磚石風化、木材腐朽、彩繪糟朽等病害，定量分析病害程度。通過特征波段提取和光譜解混分析，高光譜數據能探測磚石風化、酥堿等微小變化，分析鹽分濃度、堿性物質含量等成分信息。

高光譜數據處理方法。在高光譜影像數據處理過程中，常用的預處理技術包括幾何校正、輻射定標、大氣校正、噪聲去除和圖像配準等。幾何校正主要通過GCP控制點進行多項式擬合的幾何變換，消除高光譜數據因航攝或平臺振動等造成的幾何變形；輻射定標則是建立傳感器DN值與物體表面輻射亮度之間的定量關系，使不同時間獲取的影像具有可比性；大氣校正可消除大氣效應的影響，獲取地物的真實光譜反射率，常用MODTRAN大氣輻射傳輸模型進行模擬與校正；噪聲去除可采用小波變換、主成分分析等方法，濾除儀器噪聲與隨機噪聲；圖像配準則通過尺度不變特征變換SIFT等算法實現不同傳感器數據的精確匹配與融合。

高光譜數據具有波段數量多、光譜分辨率高、信息冗余度大等特點，為進一步挖掘其豐富的光譜—空間信息，常采用數據壓縮與降維技術。主成分分析PCA是最常用的線性降維方法，通過正交變換將原始數據映射到低維特征空間，提取占主導方差的少數幾個主成分有效表征原始信息；最小噪聲分離MNF變換在降維基礎上還能去除噪聲，獲得信噪比更高的特征波段；獨立成分分析ICA則從統計角度尋找相互獨立的潛在成分，揭示數據內在結構。此外，流形學習等非線性降維方法能夠保持數據在高維空間的局部拓撲結構，如Isomap、LLE、Laplacian Eigenmaps等經典算法已成功應用于高光譜數據分析。

在光譜特征提取方面，常用的方法有光譜角映射SAM、光譜信息發散SID、光譜相關映射SCM等，通過計算待測光譜與參考光譜之間的夾角余弦值、相對熵、相關系數等，衡量二者的相似性；連續移除技術CRES則是在多個波段上依次計算光譜相似度，移除匹配最差的波段，獲得魯棒性更強的識別結果；BDSI光譜識別通過計算光譜掃描線的幾何形狀參數，進行快速準確的類別判別。在空間特征方面，紋理分析是在灰度共生矩陣GLCM等統計特征基礎上，提取對比度、相關性、熵等紋理指標，刻畫不同地物的空間分布模式；形態學濾波如開/閉運算、頂帽/底帽變換等，可有效突出目標輪廓、平滑圖像噪點；小波變換能在多尺度空間對圖像進行分解，捕捉不同層次的紋理與邊緣特征。將光譜信息與空間上下文有機結合，往往能顯著提升高光譜數據的分類與識別精度。

表面信息提取

建筑材料表面信息特征。建筑材料表面信息特征的研究對于歷史建筑保護、修復與再利用具有重要意義。文章基于高光譜技術，對歷史建筑材料表面信息展開特征提取與分析。歷史建筑材料表面經歷長期風化侵蝕，其物理、化學特性發生改變，表現出獨特的光譜特征。通過對比分析不同歷史時期、不同材料類型建筑表面的高光譜數據，可獲取材料老化、腐蝕、沾污等形態與成分變化信息。

本實驗選取明清時期磚石建筑為實驗對象，利用ASD FieldSpec4 Hi-Res高分辨率地物光譜儀，在320～2500納米波段范圍內，以1納米為采樣間隔獲取建筑表面高光譜數據。通過對高光譜數據進行預處理，包括輻射定標、大氣校正、降噪等，獲得反射率曲線。在此基礎上，提取光譜特征參數，如最大反射率、最小反射率、光譜吸收特征、光譜一階導數、歸一化植被指數（NDVI）等，并與材料類型、病害程度建立關聯。

實驗發現，不同材料表面光譜曲線形態各異。青磚在500～900納米可見光—近紅外波段反射率較低，在2200納米附近有明顯吸收特征，對應Al-OH基團伸縮振動與彎曲振動的聯合作用。經歷風化的青磚在1400納米、1900納米水吸收波段反射率降低。花崗巖反射率整體較高，2345納米處Ti-ONH、Fe-OH吸收明顯。不同風化程度花崗巖在2130～2160納米范圍內出現Kaolinite、Montmorillonite吸收差異，風化程度越高，2200～2210納米云母類吸收加深，反映風化引起礦物成分轉化。

結合光譜特征曲線分析與化學計量學方法，對比分析不同材料表面元素含量、礦物組成差異。通過偏最小二乘回歸（PLSR）分析，建立元素含量與特定波段反射率的線性關系，對材料表面風化程度進行定量表征。隨著材料表面風化加劇，其表面粗糙度增加，高光譜曲線總體反射率降低，短波紅外波段（1300～2500納米）反射率下降更為明顯。結合掃描電鏡能譜儀（SEM-EDS）對材料表面結構與元素含量驗證，發現經歷強烈風化區域孔隙度高達15%，而新置建材孔隙度一般小于2%。

文章利用高光譜技術手段，結合光譜特征分析、化學計量學建模等方法，實現了對歷史建筑材料表面信息的無損、原位、快速表征，揭示了不同環境因素引起材料風化、老化的光譜響應機理，為制定科學合理的古建筑保護方案提供重要依據。高光譜分析作為一種新興技術手段，具有信息獲取迅速、數據信息豐富等優勢，但目前在我國歷史建筑保護領域的應用尚處于起步階段。為提升高光譜分析的適用性與準確性，后續研究將進一步擴大不同時代、不同類型歷史建筑材料光譜數據的采樣，優化數據分析模型，為推動高光譜技術在文物建筑保護中的工程化應用奠定基礎。

高光譜技術在歷史建筑表面信息提取中具有廣泛的應用潛力。實驗表明，采用高光譜成像技術對建筑表面進行掃描，通過光譜信息分析可以有效識別建筑材料的類型、風化程度以及表面污染物的分布特征。例如，對于磚石材料，不同風化階段的光譜曲線在可見光—近紅外波段（400～1000納米）表現出明顯差異，其反射率隨風化加劇而逐漸降低，且在特征吸收位置（如鐵離子的吸收谷）出現波谷漂移現象。利用光譜角映射（SAM）算法對高光譜數據進行分類，磚石風化區域得到了清晰的識別，總體分類精度達到了87.5%。

對于木材、陶瓷、金屬等其他建筑材料，高光譜技術同樣展現出了良好的信息提取性能。針對木材腐朽問題，高光譜分析能夠揭示木質素、纖維素等組分含量的變化規律，為評估木構件的損傷程度提供依據。對于陶瓷器表面的釉質疏松、釉下彩繪圖案的褪色等病害，高光譜成像技術可以實現無損檢測，定量表征釉層表面形貌與彩繪顏料的剝落情況。此外，金屬構件的銹蝕過程也能通過光譜信息反演模型得到有效監測，為后續的修復工作提供數據支持。

在大遺址保護方面，高光譜遙感技術已開始嶄露頭角。實驗表明，星載高光譜影像能夠準確刻畫大范圍遺址區的地表材質，為考古研究提供重要的基礎資料。以陜西大明宮遺址為例，利用Hyperion高光譜數據對1.5平方千米的區域進行分類，磚石、土坯、陶瓷、石灰等6類主要地表材質的識別精度超過了80%。此成果為后續遺址的發掘規劃與重點保護對象的確定提供了新的思路。

總之，高光譜技術以其獨特的高光譜分辨特性為建筑遺產保護提供了新的解決方案。但目前該技術在建筑領域的應用尚處于起步階段，仍有許多問題亟需解決。一方面，建筑表面材質的復雜性給高光譜信息解譯帶來了挑戰，需要在光譜特征分析與模式識別方法上實現新的突破。另一方面，高光譜數據的獲取與處理也面臨諸多困難，如成像設備的穩定性、數據的噪聲抑制與校正、海量數據的高效處理等，這對相關軟硬件系統的研發提出了更高要求。此外，如何將高光譜技術與其他現代測繪技術（如三維激光掃描、傾斜攝影測量等）進行集成，構建綜合性的歷史建筑信息采集與分析平臺，也是當前的重要課題。相信隨著學科交叉的不斷深入，高光譜技術或將在歷史建筑保護領域發揮越來越重要的作用。

（作者單位：瑪拉工藝大學）