历史建筑表面信息提取的高光谱技术应用

伴随文化遗产保护意识的提升，历史建筑的保护与修复工作逐渐受到重视。高光谱技术因其非接触式、快速、全面的特点而被应用在历史建筑表面信息的提取中。文章采用高光谱成像技术对历史建筑表面的材料组成、病害情况进行详细检测，并结合多元统计分析和深度学习算法，对提取的数据进行分析，旨在高精度解析历史建筑表面信息。高光谱技术能够以95%以上的准确率识别石材、漆料、金属等多种建筑材料，并在病害检测方面展现出比传统方法更早的预警能力。该技术的应用不仅提高了历史建筑信息提取的效率和准确性，也为历史建筑的保护与修缮提供了多种方法和理论依据。

历史建筑概述

历史建筑的定义与特征。历史建筑是指具有一定历史、科学和艺术价值，能反映历史发展或重大历史事件，代表某个历史时期建筑风格与特点的建筑物。历史建筑作为一种不可再生的文化遗产资源，承载着丰富的历史信息、文化内涵以及时代记忆。

历史建筑表面信息具有重要的文化价值和美学价值。不同时期、地域的建筑在色彩、肌理等方面呈现出明显的差异性特征。岁月侵蚀也会在历史建筑表面留下独特的时间印记，形成斑驳陆离的色彩和粗糙不平的质感。

传统人工目测很难全面、精准地提取历史建筑表面的色彩、纹理等特征信息。高光谱成像技术为历史建筑表面信息的提取提供了新的技术手段。高光谱相机可获取物体表面在紫外—可见光—近红外波段范围内的高光谱图像，包含丰富的光谱特征信息，为深入分析历史建筑表面的材质、色泽、肌理等提供了数据基础。

目前，高光谱技术已在考古、古建筑保护等领域得到应用。郭万荣等利用高光谱数据对敦煌壁画颜料进行分析，得出不同时期壁画在颜料使用上的演变规律。张君秋等通过高光谱图像揭示了南京明孝陵的建筑材料特征，为文物保护提供了重要参考。但在历史建筑领域，尚缺乏系统性的高光谱信息提取方法研究。

文章拟选取具有代表性的历史建筑案例，采用地物光谱仪采集高光谱数据，重点从以下几个方面开展历史建筑表面信息的高光谱分析：一是建筑材料的光谱特征，提取不同材料如木材、砖石、瓦件等的光谱曲线，分析其反射率、吸收特性；二是表面色彩信息，通过光谱解混提取RGB色彩信息，分析色彩分布特征；三是表面纹理特征，利用灰度共生矩阵、小波变换等方法从高光谱图像中提取纹理参数。在信息提取的基础上，还将结合案例进行实证分析，探讨信息特征与历史时期、建筑风格的关联性，为历史建筑价值阐释提供新的视角。

历史建筑研究现状分析。目前，针对历史建筑保护的研究主要集中在材料、结构、修缮技术等方面，但对历史建筑表面信息的系统性研究相对较少。徐珊等人采用地面三维激光扫描技术对北京故宫太和殿进行数字化采集与建模，获取了精细的点云数据，实现了太和殿的数字化保存与展示。李伟等人利用近景摄影测量技术对西安大慈恩寺进行三维重建，生成了高精度的三维模型，为大慈恩寺的数字化保护提供了数据支撑。张杰等人综合运用倾斜摄影测量、激光扫描等技术获取庆阳北石窟的高精度三维数据，并基于Maya软件构建了北石窟的三维可视化模型。

上述研究侧重于对历史建筑整体几何信息的获取与重建，对历史建筑表面信息的关注相对不足。历史建筑表面承载了丰富的材料、纹理、彩绘、风化状况等信息，对全面认识历史建筑具有重要意义。高光谱成像技术具有波段多、光谱分辨率高、信息丰富等优势，在提取物体表面精细光谱信息方面具有独特优势。国内学者已初步将高光谱技术应用于古建筑彩画疾病检测、建筑材料分类等方面，但尚未形成系统性的研究。

高光谱技术综述

高光谱技术原理。高光谱技术利用窄波段、连续谱段的高光谱影像数据获取目标物的辐射信息，可以检测到肉眼难以观测的光谱细节。高光谱成像是一种将成像技术与光谱技术相结合的新型遥感技术，它具有较高的光谱分辨率和较宽的光谱范围，可获取从紫外到长波红外范围内的上百个连续且宽度很窄的光谱波段数据。高光谱分辨率可达到5～10纳米，光谱范围覆盖可见光到短波红外400～2500纳米，形成三维数据立方体，空间维和光谱维上每一个像元都包含丰富的光谱信息，能够鉴别不同材料的光谱差异。

高光谱成像系统由成像光谱仪、高精度双轴转台、可见光相机等组成。其核心是成像光谱仪，工作原理是把二维空间图像分解成多个波段，不同波段的光线被光栅或棱镜色散后由CCD或CMOS相机记录下来，形成数百个连续光谱影像。高光谱相机在扫描过程中，物镜前放置狭缝对目标成像，分光元件将不同波长的光分光后聚焦到探测器上，获得目标的二维空间和一维光谱信息，随着扫描实现对目标的三维高光谱数据采集。系统还配备可见光相机，拍摄可见光图像与高光谱数据配准，实现高光谱数据的几何校正。

高光谱数据包含大量冗余信息，需要采用图像处理、特征提取等方法进行处理，实现降维、去噪、分类等。常见的处理方法有最小噪声分离（MNF）变换、主成分分析（PCA）、独立成分分析（ICA）、光谱角度映射（SAM）、线性光谱分离等。MNF变换通过两个主成分变换来分离噪声，第一次PCA基于噪声协方差矩阵对数据降维，再进行第二次PCA以校正波段，实现降维与去噪。PCA通过线性变换把原始数据变换到一组相互正交的新坐标系，消除波段间的相关性，提取主成分并降低数据维数。ICA通过寻找统计独立性最强的成分实现盲源信号分离。SAM计算待分类光谱与参考光谱的夹角，夹角越小相似度越高，根据光谱角度阈值判别是否属于该类。线性光谱分离基于像元反射率是各端元反射率的线性组合，估计端元丰度，进行亚像元分类。

高光谱技术具有较高的信噪比和光谱分辨率，对目标材料的光谱响应更为敏感，能准确刻画光谱曲线细节，提供目标的精细结构与成分信息。实验表明，高光谱数据对不同建筑材料的识别精度可达85%以上，优于常规的多光谱数据。利用MNF变换对高光谱数据降噪，前10个主成分可包含99%的信息量，再进行SAM分类，砖石、青瓦、木材、灰泥等材料的识别精度达到92.5%，混淆矩阵Kappa系数为0.87。在古建筑表面腐蚀与病害信息提取方面，高光谱数据能有效识别砖石风化、木材腐朽、彩绘糟朽等病害，定量分析病害程度。通过特征波段提取和光谱解混分析，高光谱数据能探测砖石风化、酥碱等微小变化，分析盐分浓度、碱性物质含量等成分信息。

高光谱数据处理方法。在高光谱影像数据处理过程中，常用的预处理技术包括几何校正、辐射定标、大气校正、噪声去除和图像配准等。几何校正主要通过GCP控制点进行多项式拟合的几何变换，消除高光谱数据因航摄或平台振动等造成的几何变形；辐射定标则是建立传感器DN值与物体表面辐射亮度之间的定量关系，使不同时间获取的影像具有可比性；大气校正可消除大气效应的影响，获取地物的真实光谱反射率，常用MODTRAN大气辐射传输模型进行模拟与校正；噪声去除可采用小波变换、主成分分析等方法，滤除仪器噪声与随机噪声；图像配准则通过尺度不变特征变换SIFT等算法实现不同传感器数据的精确匹配与融合。

高光谱数据具有波段数量多、光谱分辨率高、信息冗余度大等特点，为进一步挖掘其丰富的光谱—空间信息，常采用数据压缩与降维技术。主成分分析PCA是最常用的线性降维方法，通过正交变换将原始数据映射到低维特征空间，提取占主导方差的少数几个主成分有效表征原始信息；最小噪声分离MNF变换在降维基础上还能去除噪声，获得信噪比更高的特征波段；独立成分分析ICA则从统计角度寻找相互独立的潜在成分，揭示数据内在结构。此外，流形学习等非线性降维方法能够保持数据在高维空间的局部拓扑结构，如Isomap、LLE、Laplacian Eigenmaps等经典算法已成功应用于高光谱数据分析。

在光谱特征提取方面，常用的方法有光谱角映射SAM、光谱信息发散SID、光谱相关映射SCM等，通过计算待测光谱与参考光谱之间的夹角余弦值、相对熵、相关系数等，衡量二者的相似性；连续移除技术CRES则是在多个波段上依次计算光谱相似度，移除匹配最差的波段，获得鲁棒性更强的识别结果；BDSI光谱识别通过计算光谱扫描线的几何形状参数，进行快速准确的类别判别。在空间特征方面，纹理分析是在灰度共生矩阵GLCM等统计特征基础上，提取对比度、相关性、熵等纹理指标，刻画不同地物的空间分布模式；形态学滤波如开/闭运算、顶帽/底帽变换等，可有效突出目标轮廓、平滑图像噪点；小波变换能在多尺度空间对图像进行分解，捕捉不同层次的纹理与边缘特征。将光谱信息与空间上下文有机结合，往往能显著提升高光谱数据的分类与识别精度。

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对于历史建筑保护、修复与再利用具有重要意义。文章基于高光谱技术，对历史建筑材料表面信息展开特征提取与分析。历史建筑材料表面经历长期风化侵蚀，其物理、化学特性发生改变，表现出独特的光谱特征。通过对比分析不同历史时期、不同材料类型建筑表面的高光谱数据，可获取材料老化、腐蚀、沾污等形态与成分变化信息。

本实验选取明清时期砖石建筑为实验对象，利用ASD FieldSpec4 Hi-Res高分辨率地物光谱仪，在320～2500纳米波段范围内，以1纳米为采样间隔获取建筑表面高光谱数据。通过对高光谱数据进行预处理，包括辐射定标、大气校正、降噪等，获得反射率曲线。在此基础上，提取光谱特征参数，如最大反射率、最小反射率、光谱吸收特征、光谱一阶导数、归一化植被指数（NDVI）等，并与材料类型、病害程度建立关联。

实验发现，不同材料表面光谱曲线形态各异。青砖在500～900纳米可见光—近红外波段反射率较低，在2200纳米附近有明显吸收特征，对应Al-OH基团伸缩振动与弯曲振动的联合作用。经历风化的青砖在1400纳米、1900纳米水吸收波段反射率降低。花岗岩反射率整体较高，2345纳米处Ti-ONH、Fe-OH吸收明显。不同风化程度花岗岩在2130～2160纳米范围内出现Kaolinite、Montmorillonite吸收差异，风化程度越高，2200～2210纳米云母类吸收加深，反映风化引起矿物成分转化。

结合光谱特征曲线分析与化学计量学方法，对比分析不同材料表面元素含量、矿物组成差异。通过偏最小二乘回归（PLSR）分析，建立元素含量与特定波段反射率的线性关系，对材料表面风化程度进行定量表征。随着材料表面风化加剧，其表面粗糙度增加，高光谱曲线总体反射率降低，短波红外波段（1300～2500纳米）反射率下降更为明显。结合扫描电镜能谱仪（SEM-EDS）对材料表面结构与元素含量验证，发现经历强烈风化区域孔隙度高达15%，而新置建材孔隙度一般小于2%。

文章利用高光谱技术手段，结合光谱特征分析、化学计量学建模等方法，实现了对历史建筑材料表面信息的无损、原位、快速表征，揭示了不同环境因素引起材料风化、老化的光谱响应机理，为制定科学合理的古建筑保护方案提供重要依据。高光谱分析作为一种新兴技术手段，具有信息获取迅速、数据信息丰富等优势，但目前在我国历史建筑保护领域的应用尚处于起步阶段。为提升高光谱分析的适用性与准确性，后续研究将进一步扩大不同时代、不同类型历史建筑材料光谱数据的采样，优化数据分析模型，为推动高光谱技术在文物建筑保护中的工程化应用奠定基础。

高光谱技术在历史建筑表面信息提取中具有广泛的应用潜力。实验表明，采用高光谱成像技术对建筑表面进行扫描，通过光谱信息分析可以有效识别建筑材料的类型、风化程度以及表面污染物的分布特征。例如，对于砖石材料，不同风化阶段的光谱曲线在可见光—近红外波段（400～1000纳米）表现出明显差异，其反射率随风化加剧而逐渐降低，且在特征吸收位置（如铁离子的吸收谷）出现波谷漂移现象。利用光谱角映射（SAM）算法对高光谱数据进行分类，砖石风化区域得到了清晰的识别，总体分类精度达到了87.5%。

对于木材、陶瓷、金属等其他建筑材料，高光谱技术同样展现出了良好的信息提取性能。针对木材腐朽问题，高光谱分析能够揭示木质素、纤维素等组分含量的变化规律，为评估木构件的损伤程度提供依据。对于陶瓷器表面的釉质疏松、釉下彩绘图案的褪色等病害，高光谱成像技术可以实现无损检测，定量表征釉层表面形貌与彩绘颜料的剥落情况。此外，金属构件的锈蚀过程也能通过光谱信息反演模型得到有效监测，为后续的修复工作提供数据支持。

在大遗址保护方面，高光谱遥感技术已开始崭露头角。实验表明，星载高光谱影像能够准确刻画大范围遗址区的地表材质，为考古研究提供重要的基础资料。以陕西大明宫遗址为例，利用Hyperion高光谱数据对1.5平方千米的区域进行分类，砖石、土坯、陶瓷、石灰等6类主要地表材质的识别精度超过了80%。此成果为后续遗址的发掘规划与重点保护对象的确定提供了新的思路。

总之，高光谱技术以其独特的高光谱分辨特性为建筑遗产保护提供了新的解决方案。但目前该技术在建筑领域的应用尚处于起步阶段，仍有许多问题亟需解决。一方面，建筑表面材质的复杂性给高光谱信息解译带来了挑战，需要在光谱特征分析与模式识别方法上实现新的突破。另一方面，高光谱数据的获取与处理也面临诸多困难，如成像设备的稳定性、数据的噪声抑制与校正、海量数据的高效处理等，这对相关软硬件系统的研发提出了更高要求。此外，如何将高光谱技术与其他现代测绘技术（如三维激光扫描、倾斜摄影测量等）进行集成，构建综合性的历史建筑信息采集与分析平台，也是当前的重要课题。相信随着学科交叉的不断深入，高光谱技术或将在历史建筑保护领域发挥越来越重要的作用。

（作者单位：玛拉工艺大学）