基于融合光谱分析的墓葬壁画颜料色彩虚拟修复方法研究

杨文宗,唐兴佳,张朋昌,胡炳樑,金紫琳

[1. 馆藏壁画保护修复与材料科学研究国家文物局重点科研基地(陕西历史博物馆),陕西西安 710000;2. 中国科学院西安光学精密机械研究所,光谱成像技术研究室,陕西西安 710019;3. 西北工业大学文化遗产研究院,陕西西安 710072]

0 引 言

墓葬壁画是一种非常重要的彩绘文物。对壁画绘画内容、制作工艺、制作材料等进行研究,对于了解古代社会、政治、生活、文化、艺术及科技水平具有重要的借鉴意义。目前,对墓葬壁画进行揭取搬迁并加固修复是主要的保护方式[1-2]。而在壁画揭取与修复时,经常会面临如何高保真记录壁画原始信息和准确修复以还原壁画本来面目等问题[3-4]。

对于壁画修复来说,其核心是在保障壁画不被损坏、壁画真实原貌不发生改变的前提下,尽可能提高壁画的观赏性。然而,实际的壁画修复经常面临如图1～2所示的壁画脱落严重或褪色严重的情况。此时,如果强行填补空缺并随意补绘,不但无法保证壁画缺失内容的真实性,还可能破坏壁画的整体绘画内容、色彩、风格与原貌的协调性、一致性,甚至造成壁画二次受损。因此,在壁画修复时,需全面掌握壁画的绘制技巧、内容、用料及风格等,然后选择合适的用料或绘制方式对壁画可修复表层进行适度的修补处理[5-10]。

图1 壁画脱落现象Fig.1 Falling-off phenomenon of murals

图2 壁画褪色现象Fig.2 Fading phenomenon of murals

颜料层是壁画艺术、价值与风格的重要载体和组成部分,准确地分析颜料层是壁画保护和修复的重要依据。近年来,随着国家对文物保护工作的重视,以及现代科学技术的发展,中国古代绘画特点、颜料特性和绘制工艺等科学问题正受到学术界和文物保护界更广泛地研究,其逐渐从主观经验判断转向取样化验或点采分析等方式。然而,传统的取样化验方法通常会对珍贵的壁画文物造成一定程度的损害;同时,点采分析方法只能掌握壁画的局部颜料属性,无法全面了解颜料使用的全局动态变化规律,因此,对文物属性和视觉进行整体无损分析正成为壁画颜料层分析的重要方向[11]。

光谱成像分析技术是一种综合光谱采集和成像观测的无损非接触成像分析技术。如图3所示,为韩休墓壁画的一组高光谱图像数据,其具有属性识别、定量分析与图谱合一探测的优势。将光谱成像分析技术用于壁画数字化分析与修复研究具有一定的理论依据,具体表现在:1)蕴含着近似连续的颜料光谱信息、对壁画的属性识别能力大大提高;2)对壁画特征的挖掘方法灵活多样,使得异常和隐藏信息分析更容易;3)定量或半定量建模,便于壁画特殊信息的定量反演分析[12-20]。

图3 韩休墓壁画高光谱图像数据立方体Fig.3 Hyperspectral image data cube of the mural of Han Xiu’s tomb

此外,针对盲目进行壁画实体修复可能带来的壁画二次损害,或者修复与原貌不一致问题,通过数字化技术探索一些虚拟的修复方法,也成为目前壁画修复与活化保护的发展方向。

综上,本研究拟基于高光谱成像与分析技术,研究古代墓葬壁画颜料的光谱特征,并针对真实场景的壁画修复,通过相关光谱加权融合模拟真实场景的壁画颜料光谱,并基于融合光谱匹配算子提出一种非接触的壁画颜料融合光谱识别与色彩虚拟修复方法,以进一步提升壁画保护与研究的数字化水平。

1 壁画高光谱信息获取方案

作为壁画高光谱信息获取的主要工具,壁画高光谱成像系统的作用至关重要。高光谱成像技术来自于传统的遥感探测,在将其应用于壁画保护与研究时,需重点解决成像分辨率不足、成像畸变、稳定性不足、专用性差(如专用光源)等问题。

图4是本研究后续实验所使用的高光谱成像扫描系统的设计示意图。在实际扫描时,将壁画平放在扫描系统下方,通过推扫成像获得可见近红外(400～1 000 nm)波段的高光谱图像。为了保障数据获取的稳定性、准确性和安全性,采用轨道推扫的成像方式,并采用宽波段、低照度光谱灯珠照射的同步照明方案。

图4 高光谱成像扫描系统设计示意图Fig.4 Design diagram of the hyperspectral imaging scanning system

2 壁画颜料制作工艺及特性分析

在壁画颜料分析与色彩修复前,除了获取壁画光谱数据外,需重点了解中国古代壁画颜料本身的特点和制作工艺,以研究真实场景的壁画颜料光谱特征。古代壁画颜料主要以矿物颜料为主,其制作步骤复杂、一般通过对颜料矿物进行分类、粉碎、去杂、研磨、加胶、沉淀、漂洗、分色等步骤完成颜料制作[21-22]。其获得的浅色颜料为颗粒小、密度小的加胶混合液,获得的深色颜料为颗粒稍大、密度偏大的加胶混合液[23]。可以看出,矿物成分、颗粒大小、密度及加胶是真实壁画颜料特性的重要组成部分。其中,颜料本真的光谱特性主要取决于矿物化学成分的电子过程和分子过程,如图5所示,分子振动的能级差较小,产生的光谱出现在近中红外波段,而电子能级差较大,产生的光谱位于可见光和近红外波段。综上,如何寻找颜料颗粒大小、密度、加胶和壁画基底影响时矿物成分的不变光谱特征或者特征变化规律是壁画颜料识别的关键。

由于墓葬壁画大部分经历了几百上千年,其壁画颜料存在褪色的情况。因此,在壁画颜料光谱特征分析时,除了了解上述颜料制作工艺和特性分析外,还需掌握壁画颜料褪色原因及实际的颜料状态变化。

如图6所示,壁画颜料褪色主要是受光照、氧化、高温、风化、病害、烟尘、有害气体、水侵等影响,使得壁画颜料层发生物理变化或少量的化学变化,引起颜料降解、变性、酥化、遮挡或脱落等问题[24]。例如,光照对颜色的破坏非常明显,紫外光能使壁画颜料变色和褪色,使颜料中的铅丹和铅白变暗,使得石青和石绿颜色改变;红外光的热辐射会使得湿度变化,从而导致壁画出现裂纹、粉化或剥落等。因此,在真实场景的壁画颜料识别分析时,还需根据壁画颜料褪色现象反向解析本真的壁画颜料光谱特征。

3 基于融合光谱特征分析的壁画颜料识别

在获取壁画颜料的光谱数据并掌握其光谱特征后,可通过光谱分析与识别方法完成颜料的分类识别[25-26]。针对真实场景的颜料识别问题,本节提供一种基于融合光谱特征匹配的颜料识别算法。

首先,以光谱角匹配(SAM)作为该算法的第一部分,即通过计算光谱向量之间的夹角来衡量待识别颜料光谱与特征库颜料光谱之间的相似度,从而判定待识别颜料是否属于特征库的某种颜料。

设在m波段的光谱数据中,已知特征库某种颜料的光谱向量表示为s=(s1,s2,…,sm)T,待识别颜料的光谱向量为x=(x1,x2,…,xm)T。SAM采用光谱向量夹角作为判别准则,即,识别算子可写为:

(1)

SAM描述了两个光谱之间的相关性,值越接近于0,两光谱之间的匹配度越高。

SID(x,s)=D(x|s)+D(s|x)

(2)

SID描述了两个光谱之间的信息差异,值越接近于0,两光谱之间的匹配度越高。

对于上述两个光谱相似性度量方法,SAM是从光谱矢量孤立点的角度出发,统计对应点的乘积,是两个矢量的内积。它对于类似X型的曲线矢量会得到相同的匹配结果,这样的误判使得SAM方法出现错误的概率会较高。而SID算子是从信息熵的角度出发,可以弥补SAM算子的缺陷。因此,本研究构造融合光谱识别算子来改进上述光谱匹配识别方法。改进的融合光谱算子(Combination Mapping,CM)表示为:

CM(x,s)=αSAM(x,s)+βSID(x,s)

(3)

CM(x,s)=γSAM(x,s)+(1+γ)βSID(x,s)

(4)

其中,归一化调制参数γ定义为:

(5)

式中,M为特征库颜料数。最后,通过统一量纲并做归一化处理,对前述计算的融合光谱匹配算子重新表示,其表达式如下:

(6)

4 基于带通能量积分的壁画颜料色彩虚拟修复方法

在获取基于光谱特征分析的颜料识别结果后,需考虑如何利用识别的壁画颜料的光谱数据进行壁画颜料色彩的虚拟修复[27-28]。考虑到不同物质、不同配比、不同背景下的颜料光谱差异性,本研究拟使用光谱融合的方式模拟真实颜料层光谱,并利用带通能量积分和伪彩色显示技术实现颜料色彩的虚拟复原,即通过选择红绿蓝三通道对应的融合颜料光谱的带通光谱数据计算各自通道对应的带通能量积分,并利用伪彩色图像展示该积分结果下的壁画颜料色彩的虚拟复原效果。

首先,对于实际的壁画颜料使用情况,根据光谱识别结果选择所使用的t种颜料光谱f(i)和壁画背景光谱fk,按加权融合的方式重新获取模拟的颜料层融合光谱,表示为:

(7)

式中,a(i)和b为相应光谱的配比权值。然后,对于上述模拟的颜料层融合光谱,定义红绿蓝三个通道的带通积分谱段范围分别为:420～490 nm、520～590 nm、620～690 nm,并分别以该光谱范围计算得到红绿蓝三通道对应的带通积分能量(IR,IG,IB)为:

(8)

式中,I为能量峰值,以8位数据为例,可取I=256。这里,为了使能量表示达到统一的效果,不同带通积分的光谱波段数相同,均取70,且经过平均处理。最后,基于三通道数据(IG,IG,IB),利用RGB伪彩色显示技术进行色彩展示,即可得到基于带通能量积分的壁画颜料色彩虚拟复原结果。

5 墓葬壁画颜料光谱分析与色彩虚拟修复实验——以唐墓壁画为例

本实验选择古代壁画颜料与两组唐墓壁画进行实验,以验证基于融合光谱分析与带通能量积分的壁画颜料色彩虚拟修复方法的有效性。其中,使用ASD光谱辐射计采集古代壁画颜料的光谱,其光谱分辨率为1 nm,光谱范围为350～2 500 nm;使用前述高光谱成像扫描系统对两组唐墓壁画进行扫描,获得实际壁画的高光谱图像,其光谱范围为400～1 000 nm。

5.1 实验对象

选择唐墓壁画(唐韩休墓壁画)作为第一组真实壁画样本[29]。该墓甬道和墓室内大部分壁画保存较为完好。壁画主题包括乐舞、山水、高士、朱雀玄武等,绘画以墨线勾勒,颜色包含橘黄、绿色、红色等。图7为获取的韩休墓壁画局部的高光谱图像。

图7 唐韩休墓壁画局部高光谱图像Fig.7 Hyperspectral image of mural fragments in Han Xiu’s tomb of the Tang Dynasty

选择唐墓壁画(唐武惠妃墓)作为第二组真实壁画样本[30]。武惠妃墓壁画主题主要是女扮男装的人物。据介绍,盛唐时期,宫内宫外,贵族民间,女子服装男性化,多有女子身穿男式衣衫,足蹬男子皮靴。图8为获取的武惠妃墓壁画局部的高光谱图像。

图8 唐武惠妃墓壁画局部高光谱图像Fig.8 Hyperspectral image of mural fragments in the tomb of Imperial Concubine Wu Hui of the Tang Dynasty

从图中可以看出,这两组壁画基底均为白色,现均已发黄发暗,绘画内容主要是人物或者人物的部分,颜色包含红色、黄色、绿色、蓝色等,但背景树叶处的绿色现已发黑。

5.2 颜料光谱库数据

结合前述唐墓壁画颜料常用色系,本实验进一步调研并选取唐代及唐代以前30种典型壁画颜料构建壁画颜料光谱数据库[31],包括红色颜料8种、绿色颜料2种、蓝色颜料3种、黄色颜料5种、黑色颜料4种、白色颜料8种。如表1所示。

表1 古代壁画颜料色系分布Table 1 Distribution of the color system of ancient mural pigments

对于上述不同色系颜料,使用ASD光谱辐射计测量并计算颜料粉末在350～2 500 nm的反射光谱,并按不同色系分别绘制各自光谱曲线,如图9～14所示。

图9 白色系颜料光谱曲线(粉末状)Fig.9 Spectral curves of white pigments (powder)

图10 黑色系颜料光谱曲线(粉末状)Fig.10 Spectral curves of black pigments (powder)

图11 红色系颜料光谱曲线(粉末状)Fig.11 Spectral curves of red pigments (powder)

图12 黄色系颜料光谱曲线(粉末状)Fig.12 Spectral curves of yellow pigments (powder)

图13 蓝色系颜料光谱曲线(粉末状)Fig.13 Spectral curves of blue pigments (powder)

图14 绿色系颜料光谱曲线(粉末状)Fig.14 Spectral curves of green pigments (powder)

从图9～10可以看出,白色系不同颜料在可见光波段400～800 nm光谱反射率比较一致,没有独特的特征峰;在近红外波段800～2 400 nm,不同颜料的光谱存在一定差异。比如,石膏在1 450 nm、1 900 nm有强烈的O—H键吸收峰,在1 700 nm有吸收峰;铅白和哈粉也有明显的O—H键吸收峰;而滑石则在1 400和2 300 nm有明显的吸收峰,其他颜料在上述位置也有强弱不同的光谱特征。对于黑色系的不同颜料,除了石墨外,其他颜料都没有明显的光谱特征,且所有粉末状的黑色颜料反射率都很低。

对于红色系颜料,土红、岩朱土、岩赭石、银珠在520 nm前的光谱波段仍然有较高的反射率;而雄黄、赭石、铅丹、朱砂在520 nm前的光谱波段反射率很低,且朱砂的红边效应更接近600 nm,岩赭石次之;赭石的光谱在600～1 000 nm有两处明显的波动。黄色系颜料和红色系颜料的相似性较高,二者的不同除了体现在全波段反射率强度差异外,还体现在黄色颜料在450～500 nm已具有很高的反射率,而红色系颜料在520 nm后才有很高的反射率。

对于蓝色系颜料,三种颜料的反射率曲线差异明显,而且在蓝光波段,青金石和石青的特征峰中心波长位置接近,而花青的中心波长不同且反射率较低;同时,石青在1 500 nm和2 300 nm附近存在较强的吸收峰,花青在1 800～2 400 nm有明显波动。对于绿色系颜料,石绿和铜绿在绿色波段的中心波长位置明显不同,且二者在红外波段的特征峰差异也很明显。

综上可知,不同色系颜料的光谱差异明显,而同色系的大多数颜料之间的光谱也存在一定差异,因此,光谱反射率可以作为识别不同颜料,特别是识别有色颜料的有效数据。

5.3 真实场景下的壁画颜料层光谱特征分析

下面分析真实场景下的颜料光谱特征。通常,真实场景下的颜料层是一种混合态物质,且存在不同大小的粒径状态。根据相关理论,粒径对颜料光谱的影响主要体现在幅值上,曲线形状保持不变;加胶后颜料光谱变化主要体现在对短波红外波段的有机分子谱的局部吸收作用;壁画基底的湿度主要影响近红外波段水气吸收峰,而壁画基底材质对壁画颜料层的光谱影响是整体的。此外,在特殊情况下,还存在不同颜料混合使用的情况。本节重点通过实验分析加胶、壁画基底材质、不同颜料混合使用等主要的颜料层光谱特征。

首先,将颜料粉末加胶后绘制在白色绘图纸上,并继续使用ASD光谱辐射计测量并计算颜料在350～2 500 nm的反射光谱。通过选择不同色系的代表性颜料,得到粉末状颜料光谱和相应的加胶绘制在绘图纸上的颜料光谱,如图15～16所示。

图15 不同色系代表性颜料光谱曲线(粉末状)Fig.15 Spectral curves of representative pigments of different color systems (powder)

图16 不同色系代表性颜料光谱曲线(绘制在绘图纸板上)Fig.16 Spectral curves of representative pigments of different color systems (drawn on a drawing board)

可以看出,对于绘制在绘图纸板的加胶颜料光谱来说,其最大的变化是红外光谱出现吸收,这主要是加胶加水后有机分子键的分子吸收光谱发生变化。其中,在1 900 nm后出现了明显的吸收。为了详细对比绘制在纸上的加胶颜料与粉末颜料的光谱变化,进一步展示不同情况下的颜料光谱的导数谱,如图17所示。

图17 不同色系代表颜料的光谱曲线导数谱对比 (粉末状颜料与绘制在绘图纸板上的颜料)Fig.17 Comparison of derivative curve of spectral curves of representative pigments of different color systems (powdered pigments and pigments drawn on drawing board)

从导数谱的可见光波段400～750 nm来看,绘制在绘图纸上的加胶颜料光谱和原始粉末光谱的特征差异很小,说明加胶对可见光光谱的影响较小。而从近红外波段的光谱差异来说,二者在1 200 nm、1 400 nm、1 900 nm以及2 100～2 300 nm的特征差异比较明显。因此,在实际场景的壁画颜料识别中,可以考虑直接使用可见近红外波段颜料光谱数据进行光谱识别,或者使用加胶液化颜料的宽波段光谱数据及特定的红外光谱特征进行颜料识别。

进一步,继续模拟真实场景下的混合(含基底)颜料层的融合光谱特征。以实际壁画中存在的红色颜料作为纯色颜料使用的例子,模拟其按不同配比绘制在白色基底上的光谱曲线,在此取红色颜料和白色基底的配比权值为7∶3和8∶2,并分别定义为模拟混合颜料1和2;同时,以实际壁画中的红色颜料渲染与黑色线条勾勒作为混合颜料使用的例子,模拟混合颜料按不同配比绘制在白色基底上的光谱曲线,在此取红色颜料、黑色颜料和白色基底的配比权值为6∶1∶3和6∶2∶2,并分别定义为模拟混合颜料3和4。实验验证时,红色颜料选择朱砂,黑色颜料选择铁黑,白色基底选择石膏。同时,提取真实壁画中的颜料层光谱曲线作为对照组数据。此时,上述不同状态下的红色颜料光谱曲线如图18所示。

图18 采集的红色颜料、不同模拟状态的红色颜料 以及原始红色颜料的光谱对比Fig.18 Spectra of collected red pigments, red pigments in different simulated states and original red pigments

同时,选择相关系数和2-范数距离作为定量指标,评价采集的红色颜料与不同模拟状态的红色颜料以及原始红色颜料的光谱相关性,结果如表2所示。

表2 采集的红色颜料与不同模拟状态的红色颜料以及原始红色颜料的光谱匹配性指标Table 2 Spectral matching indexes of collected red pigments with red pigments in different simulated states and original red pigments

从图16和表2可以看出,对于相关系数,采集的红色颜料与不同状态的模拟混合颜料的相关系数都大于其与原始红色颜料的相关系数;而对于2-范数距离,采集的红色颜料与不同状态的模拟混合颜料的2-范数距离都小于与原始红色颜料的2-范数距离。因此,本研究提出的用加权融合颜料光谱模拟真实场景下的壁画光谱方案比直接使用原始纯色颜料光谱具有更好的可行性。

5.4 颜料识别与色彩虚拟复原

在提取壁画表层残留颜料的光谱数据后,利用其可见近红外400～1 000 nm特征光谱数据进行颜料识别与色彩虚拟复原实验验证。首先使用前述混合颜料加权融合模拟光谱方案及融合光谱匹配法对不同色系的颜料进行光谱识别;然后对每种色系颜料选取匹配度最大的识别结果,利用光谱带通能量积分法对其识别结果进行纯色绘制和在白色壁画基底上绘制的伪彩色图像显示,以得到壁画颜料的纯色复原和在壁画基底绘制复原的色彩虚拟复原结果。

将武惠妃墓壁画红色位置处光谱与前述壁画颜料光谱数据库进行匹配,得到红色颜料光谱匹配结果为朱砂或银珠的可能性较大。它们的颜料光谱匹配结果与红绿蓝三通道伪彩色展示结果如图19～20所示,匹配识别度如表3所示。

表3 武惠妃墓壁画红色颜料光谱特征匹配值Table 3 Matching values of spectral characteristics of red pigments of the mural in the tomb of Imperial Concubine Wu Hui

图19 武惠妃墓壁画红色颜料光谱曲线匹配结果Fig.19 Matching results of the red pigment spectral curve of the mural in the tomb of Imperial Concubine Wu Hui

图20 武惠妃墓壁画红色颜料光谱匹配结果(朱砂)的 纯色复原与壁画基底绘制复原的伪彩色图像Fig.20 Pseudo color images of pure color restoration and mural base drawing restoration of the red pigment spectral matching result (cinnabar) of the mural in the tomb of Imperial Concubine Wu Hui

将韩休墓壁画黄色位置处光谱和前述壁画颜料光谱数据库比对,得到黄色颜料光谱匹配结果为雌黄或石黄的可能性较大。它们的颜料光谱匹配结果与红绿蓝三通道伪彩色展示结果如图21～22所示,匹配识别度如表4所示。

表4 韩休墓壁画黄色颜料光谱特征匹配值Table 4 Matching values of spectral characteristics of yellow pigments of the mural in Han Xiu’s tomb

图21 韩休墓壁画黄色颜料光谱曲线匹配结果Fig.21 Matching results of the yellow pigment spectral curve of the mural in Han Xiu’s tomb

图22 韩休墓壁画黄色颜料光谱匹配结果(石黄)的 纯色复原与壁画基底绘制复原的伪彩色图像Fig.22 Pseudo color images of pure color restoration and mural base drawing restoration of the yellow pigment spectral matching result (bezoar) of the mural in Han Xiu’s tomb

将武惠妃墓壁画蓝色位置处光谱和前述壁画颜料光谱数据库比对,得到蓝色颜料光谱匹配结果为青金石或石青的可能性较大。它们的颜料匹配结果与红绿蓝三通道伪彩色展示结果如图23～24所示,匹配识别度如表5所示。

表5 武惠妃墓壁画蓝色颜料光谱特征匹配值Table 5 Matching values of spectral characteristics of blue pigments of the mural in the tomb of Imperial Concubine Wu Hui

图24 武惠妃墓壁画蓝色颜料光谱匹配结果(石青)的 纯色复原与壁画基底绘制复原的伪彩色图像Fig.24 Pseudo color images of pure color restoration and mural base drawing restoration of the blue pigment spectral matching result (azurite) of the mural in the tomb of Imperial Concubine Wu Hui

将韩休墓壁画绿色位置处光谱和前述壁画颜料光谱数据库比对,得到绿色颜料光谱匹配结果为石绿的可能性较大。它们的颜料匹配结果与红绿蓝三通道伪彩色展示结果如图25～26所示,匹配识别度如表6所示。

表6 韩休墓壁画绿色颜料光谱特征匹配值Table 6 Matching values of spectral characteristics of green pigments of the mural in Han Xiu’s tomb

图25 韩休墓壁画绿色颜料光谱曲线匹配结果Fig.25 Matching results of the green pigment spectral curve of the mural in Han Xiu’s tomb

图26 韩休墓壁画绿色颜料光谱匹配结果(石绿)的纯色复原与壁画基底绘制复原的伪彩色图像Fig.26 Pseudo color images of pure color restoration and mural base drawing restoration of the green pigment spectrum matching result (mineral green) of the mural in Han Xiu’s tomb

通过上述实验分析可以得到,对于唐墓壁画不同色系的颜料来说,根据不同颜料真实场景下的混合颜料加权融合模拟光谱数据,利用融合光谱特征匹配方法可以对红色、黄色、蓝色、绿色等颜料给出相应的识别结果。实验结果表明,武惠妃墓的红色系颜料是朱砂和银珠的匹配度最大,韩休墓的黄色颜料是雌黄和石黄的匹配度最大,武惠妃墓的蓝色颜料是石青和青金石的匹配度最大,韩休墓的绿色颜料是石绿的匹配度最大。同时,利用带通光谱能量积分方法可以得到不同颜料识别结果的纯色复原与壁画基底上复原的颜料色彩虚拟修复结果,其可作为壁画颜料色彩实体修复的参考依据。

6 结 论

对于墓葬壁画这类彩绘文物的修复与保护来说,目前主要利用主观经验辅以点采取样分析进行修复,这样的修复对于存在不确定性的文物来说,存在破坏壁画本真性,甚至造成壁画二次损坏的问题。利用光谱成像技术和高光谱伪彩色显示技术可以实现壁画颜料的非接触无损分析与色彩虚拟复原。基于此,本研究提出了一种基于融合光谱分析与带通能量积分的壁画颜料色彩虚拟修复方法,并利用采集的颜料光谱数据、壁画高光谱成像数据及模拟混合颜料光谱数据进行了壁画颜料识别与色彩虚拟复原实验。结果表明该方法具有一定可行性,可有效提高壁画遗产保护的数字化水平,对壁画文物的活化传承与保护具有重要示范意义。