基于BOA-FRNN光谱模型的彩绘颜料浓度预测研究

作     者：刘振 樊硕 刘思鲁 赵安然 刘莉 LIU Zhen;FAN Shuo;LIU Si-lu;ZHAO An-ran;LIU Li

作者机构：曲阜师范大学传媒学院山东日照276826 曲阜师范大学工学院山东日照276826 云南师范大学物理与电子信息学院云南昆明650500 

基　　金：国家自然科学基金项目(61405104) 山东省自然科学基金项目(ZR2020MF125) 山东省艺术科学重点研究项目(L2023Z04180033) 教育部人文社科项目(24YJAZH095)资助 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2025年第45卷第2期

页      码：322-331页

摘      要：近年来,加大文物和文化遗产保护力度,加强历史文化保护传承已上升为国家战略。彩绘文物在人类活动、风沙侵蚀以及光照损伤等各种病害的影响下,文物颜料普遍出现了不同程度褪色、变色、老化、脱落丢失等病害,以致现在很难看到彩绘壁画本来的面目,数字化保护与修复成为传承彩绘文物的重要手段。本研究以颜色指纹的光谱反射率为基础,将颜料成分变化外在表现的光谱反射率作为切入点,采用数字化手段对彩绘颜料进行浓度映射。为了实现对彩绘中矿物颜料浓度快速、精确的识别,基于贝叶斯优化算法(BOA)寻找前馈回归神经网络(FRNN)的最佳超参数并构建BOA-FRNN光谱模型实现颜料成分及浓度分布图谱的预测。首先,以中国传统彩绘技法制备不同浓度梯尺的敦煌矿物颜料色卡,并利用Ci64UV积分球式分光光度计获取色卡的可见光波段光谱反射率及色度信息;其次,基于测量数据,构建颜料光谱反射率、色度值、浓度值、颜料粒径、颜料成分的关联数据库;最后,通过双常数Kubelka-Munk模型、BP网络模型、支持向量机(SVM)回归算法、FRNN网络模型和BOA优化SVM对颜料浓度进行预测并比较预测结果,为了提高颜料浓度的预测精度和模型稳定性,提出利用BOA对FRNN的网络结构、激活函数和正则化强度进行优化,以均方根误差(RMSE)作为适应度函数,通过迭代选择最优的回归参数训练模型。实验数据表明本文提出的BOA-FRNN模型精度最高,模型测试集的均方根误差RMSE为1.805%,决定系数为99.55%。结果表明:基于敦煌颜料颜色数据库能够更加准确、快捷地选取所需光谱反射率,从而提高模型效率,简化了算法复杂度;BOA寻找FRNN的最佳超参数,通过迭代更新超参数最优位置,可以快速得到全局最优解,与K-M、BP、SVM、FRNN和BOA-SVM等模型相比,矿物颜料浓度的预测准确度和模型稳定性都得到了明显提高,满足了对颜料映射的精确度要求,是快速实现颜料映射的一个可行新方法。

主 题 词：彩绘文物 光谱反射率 颜料颜色数据库 光谱预测模型 浓度映射 

学科分类：07[理学] 070302[070302] 0703[理学-化学类] 

核心收录：

D　O　I：10.3964/j.issn.1000-0593(2025)02-0322-10

馆 藏 号：203156935...