0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

一種混合顏料光譜分區(qū)間識別方法

萊森光學 ? 來源:萊森光學 ? 作者:萊森光學 ? 2024-12-02 16:22 ? 次閱讀

古代彩繪顏料的分析是科技考古與文物保護研究的重要內(nèi)容,高光譜是近年來發(fā)展迅速的新興技術(shù),在物質(zhì)識別上具有廣泛應用,提出一種基于高光譜分區(qū)間的混合顏料識別方法。

一種混合顏料光譜分區(qū)間識別方法

古代彩繪顏料的分析是科技考古與文物保護研究的重要內(nèi)容,對探索古代顏料技術(shù)發(fā)展和科學保護文物有著重要的學術(shù)價值和現(xiàn)實意義,傳統(tǒng)的顏料識別算法大多針對彩繪文物表面的純凈顏料,對文物表面存在混合顏料的識別準確度較差?;瘜W分析需要對壁畫表面進行取樣,易造成損傷。高光譜是近年來發(fā)展迅速的新興技術(shù),在物質(zhì)識別上具有廣泛應用,提出一種基于高光譜分區(qū)間的混合顏料識別方法。

01顏料識別方法

Kubelka-Munk(KM)模型假設(shè)光線在傳到介質(zhì)表面時大部分被完全散射,小部分在介質(zhì)中繼續(xù)傳播,且這兩種運動方向都垂直于界面。假設(shè)介質(zhì)厚度無限大,KM模型的公式可簡化為

wKgZPGdNbkmASbUpAAAI0XgbdeA226.png

式(1)中,R為光譜反射率,f(R)為吸收散射比,K和S分別為吸收系數(shù)和散射系數(shù)。根據(jù)KM理論,吸收系數(shù)和散射系數(shù)適用于加和性原理?;旌衔镏械拿總€成分都有唯一確定的吸收系數(shù)和散射系數(shù),彼此獨立,互不影響。

顏料識別采用計算未知顏料K/S曲線與標準顏料K/S曲線的相似度實現(xiàn)。常用的匹配算法包括基于波形特征的匹配、基于光譜編碼的匹配和基于統(tǒng)計指標的匹配。本文結(jié)會顏料K/S曲線光譜角余弦算法與歸一化歐氏距離算法,對未知顏料K/S曲線進行識別。

wKgZO2dNbkqAcKKZAADRUSc02XQ646.png

圖1顏料識別流程圖

02實驗結(jié)果

顏料樣本

從顏料標準樣本庫中選用壁畫中常見的石青、石綠、石黃和朱砂,制作純凈顏料樣本,再將四種純凈顏料按50:50的質(zhì)量比兩兩混合,制作六組混合顏料樣本。

wKgZPGdNbkqAU5ZgAADQq4YBEZs665.png

圖2純凈顏料樣本(a) :石青;(b):石綠;(e):石黃;(d):朱砂

wKgZO2dNbkqAReQhAACkwRbGnKs429.png

圖3混合顏料樣本(a):50%石青+50%石綠;(b):50%石青+50%石黃;(c):50%石青+50%朱砂:(d):50%石綠+50%石黃(e):50%石綠+50%朱砂:(f):50%石黃+50%朱砂

采用高光譜成像儀,光譜分辨率為2.8mm,可覆蓋400~1000nm波長的光譜范圍,包含了可見光與近紅外一共1040個波段。對樣本進行成像數(shù)據(jù)采集,進行白板校正及降噪預處理后,提取出4組純凈樣本和6組混合樣本的光譜曲線,如圖4所示。

wKgZO2dNbkuAVU5OAABKNvrSEOA018.png

圖4顏料樣本光譜曲線

(a) :純凈顏料樣本光譜曲線;(b):混合顏料樣本光譜曲線

wKgZPGdNbkuAGwDoAAAtZFFaliY989.png

圖5石黃朱砂混合光譜曲線與一階導數(shù)曲線(a) :混合光譜:50%石黃和50%朱砂;(b):一階導數(shù)曲線:50%石黃和50%朱砂

表1混合顏料樣本特征子區(qū)間

wKgZO2dNbkuAMpOpAABFVAwMcno707.png

模擬壁畫顏料識別

為了驗證提出方法的有效性,對包含混合顏料與純凈顏料的模擬壁畫進行顏料識別。識別點位分布如圖6,識別結(jié)果如表5,將各個點位的識別結(jié)果與模擬壁畫各個區(qū)域的真值對比,除橙色區(qū)域3中的朱砂顏料外,全部識別正確。

wKgZPGdNbkuAJWWXAAQmOCp4gHk474.png

圖6 模擬壁畫中進行顏料識別的位置

表5模擬壁畫顏料識別結(jié)果

wKgZO2dNbkyAM7shAAAqWsilQG0744.pngwKgZPGdNbkyAAe8mAAA86QYt1F8231.png

圖7混合顏料未知光譜與模擬光譜對比(a) :模擬光譜:雌黃和真銀珠;(b):模擬光譜:漂凈朱砂和石青

03實驗結(jié)論

(1)不同色系顏料的光譜曲線在不同的位置存在陡而直的上升邊,相同色系顏料光譜曲線的上升邊位置存在細微差異,因此,對顏料光譜曲線的上升邊位置進行分析即可實現(xiàn)其成分識別。由于一階導數(shù)表征曲線的斜率,導數(shù)曲線上的“凸起”域?qū)M分顏料反射率光譜的上升邊,且對混合顏料的導數(shù)曲線進行分析時發(fā)現(xiàn),組分顏料反射率光譜上升邊對應的“凸起”在導數(shù)曲線上符合加和性。

(2)提取未知顏料的特征區(qū)間后,在區(qū)間范圍內(nèi)對未知顏料進行識別,通過將區(qū)間的識別結(jié)果與真值對比,發(fā)現(xiàn)每個區(qū)間的識別結(jié)果均能準確識別出混合顏料的組分顏料,證明所提特征區(qū)間有效包含了混合顏料中組分顏料的特征。

與傳統(tǒng)的顏料識別方法相比,分區(qū)間的顏料識別方法可以提取出混合顏料中組分顏料的特征,并針對所提取的特征進行識別。

推薦

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學醫(yī)療、精準農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品,主要優(yōu)勢具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價比特點采用了透射光柵內(nèi)推掃原理高光譜成像,系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng),高速USB3.0接口傳輸,全靶面高成像質(zhì)量光學設(shè)計,物鏡接口為標準C-Mount,可根據(jù)用戶需求更換物鏡。

wKgZO2dNbkyANBHxAAB-fK09NJc506.png

審核編輯 黃宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 光譜
    +關(guān)注

    關(guān)注

    4

    文章

    823

    瀏覽量

    35188
  • 成像系統(tǒng)
    +關(guān)注

    關(guān)注

    2

    文章

    195

    瀏覽量

    13932
收藏 人收藏

    評論

    相關(guān)推薦

    如何通過高光譜技術(shù)識別污染源?

    光譜技術(shù)是一種先進的遙感手段,通過捕獲物體在電磁光譜上多個波段的詳細信息,可以用于精確識別和分析地物特征。這項技術(shù)在環(huán)境監(jiān)測中的應用日益廣泛,特別是在
    的頭像 發(fā)表于 12-27 10:45 ?68次閱讀
    如何通過高<b class='flag-5'>光譜</b>技術(shù)<b class='flag-5'>識別</b>污染源?

    光譜成像的黃瓜病蟲害識別和特征波長提取方法

    光譜成像的黃瓜病蟲害識別和特征波長提取方法黃瓜霜霉病和斑潛蠅是制約黃瓜產(chǎn)業(yè)發(fā)展的嚴重病蟲害。
    的頭像 發(fā)表于 08-12 15:36 ?517次閱讀
    高<b class='flag-5'>光譜</b>成像的黃瓜病蟲害<b class='flag-5'>識別</b>和特征波長提取<b class='flag-5'>方法</b>

    一種新型全光學智能光譜

    近日,北京理工大學光電學院許廷發(fā)教授科研團隊與清華大學林星助理教授團隊聯(lián)合開發(fā)了一種新型全光學智能光譜儀(Opto-Intelligence Spectrometer, OIS)。
    的頭像 發(fā)表于 07-31 06:18 ?282次閱讀
    <b class='flag-5'>一種</b>新型全光學智能<b class='flag-5'>光譜</b>儀

    光譜明火自動識別攝像機

    自動識別火焰,為火災的及時控制和撲救提供了強有力的支持。多光譜明火自動識別攝像機是一種能夠同時捕捉可見光等多個波段信息的高級攝像技術(shù)。它利用多光譜
    的頭像 發(fā)表于 07-27 15:24 ?338次閱讀
    多<b class='flag-5'>光譜</b>明火自動<b class='flag-5'>識別</b>攝像機

    基于高光譜數(shù)據(jù)的典型地物分類識別方法研究

    隨著成像光譜儀器的廣泛應用,利用光譜數(shù)據(jù)進行物質(zhì)分類與識別已經(jīng)成為項重要的研究內(nèi)容,研究不同分類算法對最終的目標識別準確度具有重要意義。
    的頭像 發(fā)表于 07-18 14:43 ?320次閱讀
    基于高<b class='flag-5'>光譜</b>數(shù)據(jù)的典型地物分類<b class='flag-5'>識別方法</b>研究

    基于Python的深度學習人臉識別方法

    基于Python的深度學習人臉識別方法個涉及多個技術(shù)領(lǐng)域的復雜話題,包括計算機視覺、深度學習、以及圖像處理等。在這里,我將概述個基本的流程,包括數(shù)據(jù)準備、模型選擇、訓練過程、以及測試與評估,并附上簡單的代碼示例。
    的頭像 發(fā)表于 07-14 11:52 ?1271次閱讀

    光譜成像系統(tǒng):高光譜遙感圖像的光譜混合模型

    光譜遙感是成像技術(shù)和光譜技術(shù)相結(jié)合的多維信息獲取技術(shù),可以同時獲取地面目標的光譜信息和空間信息。高光譜遙感器通常能夠在可見光到短波紅外波段區(qū)間
    的頭像 發(fā)表于 07-10 11:54 ?777次閱讀
    高<b class='flag-5'>光譜</b>成像系統(tǒng):高<b class='flag-5'>光譜</b>遙感圖像的<b class='flag-5'>光譜</b><b class='flag-5'>混合</b>模型

    一種基于“顏色變化”和“光譜”的濕度測試紙

    近日,中國計量大學光學與電子科技學院沈常宇教授課題組研究了一種基于“顏色變化”和“光譜”的“濕度測試紙”,研究成果以Color-changing and optical spectra based
    的頭像 發(fā)表于 05-08 09:04 ?690次閱讀
    <b class='flag-5'>一種</b>基于“顏色變化”和“<b class='flag-5'>光譜</b>”的濕度測試紙

    一種用于化學和生物材料識別的便攜式拉曼光譜解決方案

    基于掃頻光源的緊湊型拉曼光譜系統(tǒng):美國麻省理工學院(MIT)和韓國科學技術(shù)院(KAIST)的研究人員開發(fā)了一種用于化學和生物材料識別的便攜式拉曼光譜解決方案,克服了
    的頭像 發(fā)表于 04-16 10:35 ?532次閱讀
    <b class='flag-5'>一種</b>用于化學和生物材料<b class='flag-5'>識別</b>的便攜式拉曼<b class='flag-5'>光譜</b>解決方案

    集成芯片管腳順序識別方法

    集成芯片管腳順序的識別方法主要依賴于芯片的類型和特征。
    的頭像 發(fā)表于 03-19 18:14 ?5497次閱讀

    貼片電感的識別方法及故障更換方法

    貼片電感的識別方法及故障更換方法 貼片電感是現(xiàn)代電子設(shè)備中常用的一種電子元件,它們通常用于電源濾波、電感耦合和振蕩電路中。在使用和維修過程中,有時需要識別貼片電感的參數(shù)和故障,并進行更
    的頭像 發(fā)表于 02-03 15:23 ?2002次閱讀

    ??低暙@得發(fā)明專利授權(quán):“一種人體應激性信息識別方法、裝置及電子設(shè)備

    證券之星消息,根據(jù)企查查數(shù)據(jù)顯示??低暎?02415)新獲得項發(fā)明專利授權(quán),專利名為 " 一種人體應激性信息識別方法、裝置及電子設(shè)備 ",專利申請?zhí)枮?CN201811582833.8,授權(quán)日為 2024 年 1 月 23
    的頭像 發(fā)表于 01-25 11:02 ?515次閱讀

    基于高光譜成像技術(shù)的涂抹掩蓋字跡識別方法研究

    方法主要有化學顯現(xiàn)法和光學顯現(xiàn)法(紅外拍攝法、反射光譜分析法)。反射光譜分析法即光譜成像技術(shù)法,其檢驗過程屬于光學無損檢驗,對檢材沒有損傷及破壞,相比之下,用它顯現(xiàn)涂抹掩蓋字跡更為安全
    的頭像 發(fā)表于 01-24 16:18 ?526次閱讀
    基于高<b class='flag-5'>光譜</b>成像技術(shù)的涂抹掩蓋字跡<b class='flag-5'>識別方法</b>研究

    機器視覺的圖像目標識別方法操作要點

    通過加強圖像分割,能夠提高機器視覺的圖像目標識別的自動化水平,使得圖像目標識別效果更加顯著。圖像分割的方法有很多種,不同方法分別適用于不同領(lǐng)域,這里重點介紹以下3
    發(fā)表于 01-15 12:17 ?438次閱讀

    PCBA上電子元件極性識別方法

    【必看】PCBA上電子元件極性識別方法
    的頭像 發(fā)表于 01-11 10:18 ?1796次閱讀
    PCBA上電子元件極性<b class='flag-5'>識別方法</b>