基于三色差值主成分分析的原位保存文化遺址輪廓變化檢測方法

李張翼，張群喜，徐 棟，任秀芬

（1.西安融達多媒體技術有限公司，陜西 西安 710077；2.陜西歷史博物館，陜西 西安 710061；3.云南省文物考古研究所，云南 昆明 650000；4.銀川西夏陵區管理處 文物管理科，寧夏 銀川 750021）

0 引 言

我國歷史悠久，擁有豐富的文化遺產，但目前我國正在經歷巨大的文化生態變化。隨著經濟全球化趨勢和現代化進程的加快，很多古建筑、古遺址的整體風貌已經遭到破壞，甚至一些重要的物質文化遺產因為水土流失和風化裂變，已經消亡或失傳。留存延續的危機降臨在了這些不可再生的物質文化遺產上。為了保護這些文化遺產，我們需要采取比搶救性修復更有效果的預防性保護措施。近15 年來我國開展了館藏文物保存環境監測預警和預防性保護實踐，成效顯著，文物保護工作也已逐步從搶救性保護向預防性保護轉變，預防性保護的理念是通過控制引起文物劣化的主要影響因子（比如文物保存環境）來避免建筑遺產的損毀或破壞[1]。不同于以往的應急性保護工程，文物預防性保護的重點在于通過信息的收集、精密勘察、風險和價值評估等方法來確定文化遺產面臨的風險影響因子，基于系統監測和定期檢測的方法分析物質文化遺產的劣化規律，在上述研究基礎上及時降低或者消除面臨的風險，主要采取災害預防、日常維護、科學管理等措施，從而實現遺產的全面保護[2]。

目前變化檢測方法在遙感影像領域得到了越來越多的關注和發展，并在自然災害的災情監測、土地利用/覆蓋動態研究、環境變化的監視、森林覆蓋和水域檢測以及農作物生長狀況的監測和評估等[3-4]方面發揮了重要的作用。同時關于圖像變化檢測的方法有很多，如最大后驗概率估計法、模糊吉布斯馬爾科夫隨機場模型法[5]、非下采樣Contourlet 變換和脈沖耦合神經網絡結合法[6]、期望值最大化法、局部擬合模型法[7]、基于分形維數和支持向量機法[8]、基于馬爾科夫隨機場和水平集方法的交互式分割法[9]和主成分分析法等[10-11]。

由于變化檢測方法在文物保護監測領域有很少的應用，面對當前文物預防性保護的緊急性和必要性，本文針對土遺址風化裂變和水土流失問題，考慮到遺址保存環境光照變化情況，設計了一種基于光照變化的三色差值主成分分析方法，該方法通過架設在土遺址周邊的固定攝像機拍攝的實時圖像與初始圖像，能夠識別出其風化和水土流失部分。該方法計算成本低；結合通信和云平臺，可嵌入到預防性保護在線監測系統。

1 方法流程

本文通過光照對RGB 三色影像進行分析，為減少光照對變化檢測的干擾，在建立差值圖像過程中加入三色權重系數，結合圖像預處理、主成分分析和閾值分割等方法，設計了一種土遺址輪廓變化方法，流程如圖1 所示。

1.1 圖像預處理

雖然攝像機是架設在固定位置進行定期拍攝的，但由于室外天氣變化和風力影響，設備在拍攝期間會略有擺動，因此需對目標圖像進行幾何校正以避免出現誤差。本文利用參考圖像和目標圖像的特征點進行匹配，并用RANSAC 隨機抽樣方法進行配對篩選，計算出體現兩幅圖映射關系的變換矩陣，并用該矩陣對目標圖像進行幾何校正。

在實際監測過程中，監測主體為原位保存的文化遺址，為避免遺址周邊植物生長、人類活動變化等影響，須人工設定監測區域。針對本文劃定的多邊形輪廓，利用射線法建立影像掩膜，如圖2 所示。

圖2 建立掩膜圖像

1.2 主成分分析法

主成分分析（Principal Component Analysis, PCA）是一種多維正交線性變換，是建立在統計特征基礎上的一種離散的K-L 變換[12]，被廣泛應用于遙感圖像處理中的變化檢測任務。

主成分分析算法如下：設有向量集X={Xi,i=1, 2,...,N}∈Rn，E(X)為X的數學期望，C是X的協方差矩陣，U是C特征向量按照特征值由大到小的順序排列而成的變換矩陣，則有

這樣就構成了主成分分析算法，其中：

差異主成分變換法和主成分差異法是當前被廣泛應用于變化檢測的主成分分析方法。

差異主成分變換法是先對需要對比的兩幅圖像作相差并取絕對值處理，從而得到一個差值矩陣，這個差值矩陣集中了不同時段拍攝的原兩幅圖像中絕大部分的變化信息，過濾掉了影像中相同的背景部分，再對差值矩陣進行主成分變換。由其原理可知，變換輸出的第一分量集中了圖像的主要信息，因此差值影像進行主成分變換后的第一分量應該集中了原兩時相影像的主要差異信息。這個分量可以認為是變化信息而被單獨提取出來。

主成分差異法的不同之處在于：對兩幅不同時段拍攝的圖像做差值之前，先對影像進行主成分變換，然后取差值的絕對值為處理結果。雖然在對不同時段拍攝的圖像分別進行主成分變換時，靠前的維度集中了圖像的主成分信息，但后面維度的差值有時也能體現出原始圖像的變化信息。本文經過測試后采用第二種方法，即主成分差異法對不同時段拍攝圖像的RGB 三色通道分別進行主成分分析后作差值，在獲得三個通道差值的絕對值后，進行加權疊加以及后續處理。

1.3 建立差值圖像

將圖像進行主成分分析后，圖像中不同的三色通道對應的信息會有所不同，因而可以從不同色道的顯示情況中研究建立差值圖像。通過分析發現，戶外土遺址在光照變化的情況下，圖像中RGB 三色的平均值變化波動不同，本文以西夏王陵土遺址不同天氣情況圖像為例，如圖3 所示。

圖3 不同天氣情況下西夏王陵土遺址圖像

假定以多云圖像圖3（a）為參考圖像，以圖3（b）、圖3（c）、圖3（d）為不同天氣情況下的目標圖像，對圖像進行重點區域劃定后，分別獲取重點區域RGB 三色通道的平均值，并將其與參考圖像圖3（a）的值作比值，獲取三色通道因光照變化而產生的不同變化，數據見表1 所列。

表1 RGB 三色通道均值比值

從表1 中可以看出，在陰雨天氣沒有光照時，R 通道和G 通道的均值比值有明顯變化，而B 通道則有較小浮動；同時在出現風化等裂變的情況中，由于背景圖像比重增多，且多為藍、白等冷色調，因此B 通道會有明顯變化?；谏鲜銮闆r，本文設計出一種基于光照變化的三色差值圖像建立方法，根據比值減少R 通道與G 通道所屬權重，降低光照不同所帶來的影響。首先計算出兩幅圖像R 通道和G 通道的均值，再得出各通道的比值，如式（3）所示：

式中：α為求出的比值；分別代表經過預處理、重點區域劃分的參考圖像和目標圖像的單通道均值；R、G 分別代表圖像的R 通道和G 通道。在求出αR、αG后，取其與1 的差的絕對值，通過該值可以判斷光照影響強度，該值越大，則權重應越小，具體計算公式為：

式中，C為常量。當|1-α|大于C時，說明該圖像與參考圖像相比光照變化較大，對應須降低相關影響，須根據現場監測主體、背景的不同對C值進行細微調整。在本文的實驗中，C值取0.15。

在計算出差值權重后，根據式（4）建立差值圖像：

式中：D為所建立的差值圖像矩陣；DB、DG和DR分別為通過主成分差異法形成的RGB 三通道差值結果矩陣。

1.4 閾值分割與形態學處理

為了能夠確定每個變化的像素點，我們需從差值圖像中確定變化閾值，基于閾值標識出二值圖像。這一步需要不斷調整影像閾值范圍才能夠較好體現出正確的變化信息。本文選擇大津閾值分割方法，提取差值圖像D的變化主體。此外，差值圖像往往會出現很多零散雜亂的圖斑，為了更好地規整變化信息，體現出土遺址風化、水土流失的規整性，本文使用形態學、篩選最小連通區域等方法對差值影像進行處理，消除掉像元值較為零散的像素。

2 實驗分析

2.1 研究目標概況

本文以西夏王陵6 號陵為實驗對象，選取不同時期和不同光照情況下的圖像進行檢測。目前西夏王陵文化遺址保存狀況良好，沒有明顯的裂變情況。為了更好地驗證本方法，本文對目標圖像進行了人工處理，模擬風化裂變等情況進行實驗，如圖4 所示。

圖4 通過人工處理的目標圖像

實驗中本文以文獻[10-11]的實驗方法作為對比，其中文獻[10]提出了一種主成分分析法和變換向量法相結合的變化檢測方法，文獻[11]提出了一種基于多波段差值和主成分分析相結合的變化檢測方法。

2.2 實驗結果

在選取固定的參考圖像后，選擇圖4 中處理后的兩圖進行變化檢測比對，并與文獻[10-11]的結果進行對比。

圖5（a）為參考圖像，圖5（b）、圖5（f）的模擬圖像為人工修改后的目標圖像。圖5（b）由人工修改了大塊的主體信息，并存在不同的光照強度；圖5（f）的主體頂端至左側有少部分人工模擬變化痕跡，并且光照強度有很大的變化。對比實驗結果可以看出，本文方法在圖像大塊主體信息隨著光照變化的情況下仍能夠較好地獲取整體變化情況；并在光照情況相差較大時，也能夠減少光照對檢測結果的影響，同時識別出變化部分。相比文獻[10]和文獻[11]，本文設計的檢測方法有較好的效果。

圖5 實驗結果

3 結 語

本文以原位保存的文化遺址為監測目標，設計了一種基于光照變化的三色差值主成分分析方法。結合圖像幾何校正、建立掩膜影像等預處理手段和大津閾值分割等核心算法，提出了一種面向文化遺址風化裂變的變化檢測方法。該方法能夠有效減少光照對于變化檢測結果的影響，并可以通過多相機多角度的拍攝和互聯網可視化功能，形成較為完整的輪廓監測系統，契合文物預防性保護中的定期檢測和系統監測的技術要求。

本文所提出的文化遺址輪廓變化檢測方法的不足之處在于：圖像最終以二維平面的結果呈現，如果只以面積變化比為量化標準，無法真正體現遺址文物裂化狀態。因此在滿足無損監測、易于施工的要求下，后期需針對三維配準方向開展研究。