摘要

　　塞维利亚大学工程学院国家加速器中心(CNA)与跨学科物理团队(GFI)通过研究一幅古画作，测试了三种不同的可见-近红外(VNIR)与短波红外(SWIR)高光谱相机的应用效果。研究采用参照比对法，成功构建初始样本库，并通过商用软件Evince®实施主成分分析(PCA)模型函数，进而评估非侵入性表征技术的最佳工作条件。为验证该方案的可靠性，研究团队同步采用X射线荧光(XRF)、紫外发光(UVL)成像及红外反射光谱(IRR)技术获取补充信息。本次探索最终建立了标准化简案，为系统研究塞维利亚大主教宫与塞维利亚大教堂所藏大量画作奠定了基础。

1、研究背景与意义

　　本研究旨在通过系统测试不同类型的高光谱相机，建立个人参考光谱库，并优化数据处理方法，为塞维利亚总主教宫和大教堂的大量绘画藏品保护提供一套可重复、可比较的标准化分析协议。

2、研究设备与方法

　　本研究采用了迭代式验证方法，其核心步骤如下图所示。首先通过制备已知颜料层的参考面板建立基础光谱数据库，进而评估最佳工作参数，最后将优化后的协议应用于实际绘画案例。

图1 针对绘画的高光谱成像方法验证步骤

图2 用于测试底稿可探测性及颜料光谱的多层参照面板结构，其探测结果依赖于颜料的不透明度及其不同排布。

　　2.1研究设备　

　　　为获取参考涂漆面板及油画上待分析区域的反射光谱，本研究采用了一台Headwall photonics公司offner结构全反射式可见光-近红外高光谱相机，型号为VNIR-A，光谱范围覆盖400-1000nm，共810光谱通道，标称光谱分辨率为0.74nm。此外，研究使用了一台短波红外高光谱相机光谱波长范围介于879-1688nm。

　　上述两台相机均固定于一个电动线性平移台,样本平面上方45度角处放置了一台卤素灯光源(Malvern Panalytical®, Worcestershire,UK)。该光源与相机并列安装，以确保能同步移动。

　　2.2参考样品制备

　　为评估粘合剂、颜料层数和光学性质对光谱的影响，研究团队制备了16块木质参考面板。面板结构包括石膏底基层、含铅白或赤铁矿的底色层，以及一层或多层常用历史颜料。

图3 采用高光谱成像方法分析的绘制对象：(A) 来自塞维利亚大主教宫与大教堂保护实验室的17世纪油画《圣母子》；以及(B) 用于评估光线分布与相机参数的纸板复制品 (C)，该评估在对其画作 (D) 进行分析之前进行，以避免损害。

　　2.3分析方法

　　数据处理主要使用Evince®软件，功能包括：

　　从高光谱数据立方体中提取RGB图像和反射光谱;应用主成分分析模型进行降维和材料分类；使用二维等高线函数在特定波长下增强底层草图的可视化。

　　此外，为验证高光谱成像结果，研究还结合了X射线荧光光谱、紫外发光成像和红外反射成像等多种互补技术。

3、研究结果

　　3.1参考面板分析

　　通过对参考面板的分析，成功建立了包含多种常见历史颜料的光谱数据库。研究发现，粘合剂的类型显著影响反射光谱的强度和位置。例如，与蛋彩基混合物相比，亚麻籽油中的铜绿、孔雀石和群青的谱带向短波方向偏移约20nm，而阿拉伯树胶则普遍导致反射率降低。这表明在实际分析中，参考光谱库必须考虑粘合剂的影响。

图4 基于电动平移台VNIR高光谱相机所获数据：W5参照板校准RGB图像（A）、800nm波段图像（B）、假彩色图像（C）、主成分分析模型图（D）及光谱曲线（E）.图示方块表面颜料分别为铅白（1）、赤铁矿（2）、朱砂（3）与铅锡黄（4）。假彩色图像（C）反映出其在PCA模型图（D）中对应的四个不同聚类。800nm波段图像（B）显示，在第三与第四区域因不透明颜料及多重图层的影响，探测较为困难。光谱分析证实了铅锡黄（约500nm）的检测，其下层分别覆盖有朱砂（617nm）与赤铁矿（743nm）。

　　PCA模型被证明是区分相似颜色或光谱颜料的有效工具。在 VNIR 范围内，800 nm波长的图像能有效揭示不透明颜料层下的草图，但对于多层厚涂区域效果有限。SWIR相机在1300-1600nm范围内表现出更强的穿透能力，能更好地显示不透明颜料下的草图，同时对笔触、层厚和表面粗糙度等特征敏感。

图5  W5参照面板在1400纳米波段的短波红外图像（A），显示了所有方块区域的绘图痕迹；以及来自各区域的光谱信息（B）。

　　便携式VNIR相机尽管数据噪声较高，但仍能清晰识别光谱信息，并可应用预设的分类模型快速生成颜料分布图。

　　3.2实际绘画案例研究

　　对17世纪油画《Virgen con nino》的分析验证了方法的实用性。UVL和IRR成像揭示了画作存在多处后世修复痕迹，且未发现明显的底层草图。XRF分析确定了颜料色调，包括铅白、朱砂、赤铁矿、赭石、铅锡黄、群青等，并检测到19世纪后引入的钛白、锌白和铬黄，证实了不同时期的修复干预。

图6 对儿童腿部区域的选区分析图：展示了与RGB图像（C）中标记区域五种不同颜色组合相对应的主成分分析聚类图（A）；800纳米波段图像（B），其不同表面特征得到增强；以及基于赭石和赤铁矿并与铅白、铅锡黄混合的肤色光谱信息（D）。

　　　　高光谱成像分析成功识别了XRF所检测到的大部分颜料，并通过光谱特征提供了更精确的化合物识别。PCA分析有效区分了因薄层罩染技法产生的细微色调差异。在修复区域，光谱在410nm附近出现了钛白的特征峰。SWIR图像再次确认了底层草图的缺失，并增强了表面纹理信息。

图7 主要颜料分布的叠加图像（B），以及选定区域内展示颜料分布的一系列图像（C）

4、研究总结

　　本研究成功开发并验证了一套用于绘画分析的高光谱成像标准化协议。通过建立包含不同粘合剂和层状结构的参考样本光谱库，系统评估了VNIR和SWIR相机在颜料识别与底层草图探测方面的性能。研究证实，Evince®软件中的PCA等多元分析工具能有效提取高光谱数据中的化学信息，而便携式VNIR相机的自动分类模型则为现场快速筛查提供了便利。该协议采用分层策略：首先使用便携式VNIR相机进行初步筛查，再根据需要使用实验室级VNIR和SWIR相机进行深入分析，并结合XRF等其他技术进行验证。本研究为文化遗产保护实验室提供了一套切实可行的操作指南，有望推动高光谱成像技术在绘画保护中的常规化应用。未来工作将扩展参考数据库，并探索简化的人工智能算法以进一步提升分析效率与可及性。

5、设备特点

　　Headwall Photonics的高光谱成像光谱仪全部使用offner结构全反射同心光学设计，融入了像差校正技术。杰出的空间和光谱分辨率、宽视场、高信噪比都使得Headwall在机载高光谱成像领域更优于其他产品，产品覆盖250-2500nm设备，适合农业、林业、食品、水资源、矿物等领域使用。

6、产品推荐

复制下方网址到浏览器，了解更多产品详情

https://gi.goldway.com.cn/Cate/show/id/178.html

https://gi.goldway.com.cn/Cate/show/id/18.html

https://gi.goldway.com.cn/cate/show/id/216

https://gi.goldway.com.cn/cate/show/id/215

原文链接：https://www.mdpi.com/2571-9408/7/11/281#