【儀表網(wǎng) 研發(fā)快訊】近日，武漢大學(xué)遙感信息工程學(xué)院教授胡慶武與王少華課題組在遙感考古與數(shù)字化保護(hù)領(lǐng)域取得系列研究成果，相關(guān)研究論文連續(xù)發(fā)表于Journal of Archaeological Science、Nature旗下期刊npj Heritage Science及Journal of Cultural Heritage等期刊。該系列研究將遙感技術(shù)、人工智能技術(shù)與文化遺產(chǎn)考古與數(shù)字化保護(hù)相結(jié)合，針對(duì)文化遺產(chǎn)遺址快速調(diào)查發(fā)現(xiàn)、精確識(shí)別定位和高效數(shù)字化保護(hù)利用中的技術(shù)問(wèn)題，提出了一系列遙感+AI+考古+文化遺產(chǎn)保護(hù)交叉創(chuàng)新方案。
長(zhǎng)江中下游史前古城遺址預(yù)測(cè)技術(shù)路線
論文“Predicting ancient city sites using GEE coupled with geographic element features and temporal spectral features: a case study of the Neolithic and Bronze Age of the Jianghan region, China”發(fā)表在npj Heritage Science上，武漢大學(xué)歷史學(xué)院副教授鄒秋實(shí)和王少華為論文共同通訊作者，遙感信息工程學(xué)院博士生楊洪為論文第一作者。在野外廣袤的區(qū)域內(nèi)進(jìn)行地毯式考古調(diào)查耗時(shí)耗力且成本高昂，考古遺址預(yù)測(cè)模型(ASPM)通過(guò)分析地理、環(huán)境、水文、土壤、遙感影像等多源數(shù)據(jù)，識(shí)別出遺址可能存在的“高概率區(qū)”，能夠極大地縮小需要實(shí)地調(diào)查的范圍。該研究以長(zhǎng)江中游江漢地區(qū)新石器時(shí)代和青銅時(shí)代的古城址為研究對(duì)象，基于Google Earth Engine(GEE)云平臺(tái)標(biāo)注了33個(gè)古城址的具體位置和范圍，提出一種耦合地理要素特征和時(shí)序光譜特征的機(jī)器學(xué)習(xí)古城址預(yù)測(cè)模型，提高了模型對(duì)古城址區(qū)域的識(shí)別能力，古城址區(qū)域預(yù)測(cè)精度達(dá)到80%，能夠獲得古城址潛在分布的高概率區(qū)域，可用于預(yù)測(cè)古城址的潛在地理位置，指示未來(lái)野外考古調(diào)查工作的重點(diǎn)區(qū)域。
泰國(guó)東北部壕溝環(huán)繞型遺址識(shí)別結(jié)果
發(fā)表在Journal of Archaeological Science的論文題為“Moated site object detection using time series satellite imagery and an improved deep learning model in northeast Thailand”。王少華和胡慶武為論文共同通訊作者，楊洪為第一作者。傳統(tǒng)遺址識(shí)別依賴專家人工判讀航拍/衛(wèi)星影像或?qū)嵉乜辈欤臅r(shí)長(zhǎng)、易疲勞、主觀性強(qiáng)。深度學(xué)習(xí)目標(biāo)檢測(cè)模型能自動(dòng)、快速掃描海量遙感影像(光學(xué)、激光雷達(dá)/LiDAR、多光譜、雷達(dá)等)，標(biāo)記出疑似遺址目標(biāo)，助力野外考古遺址遺跡快速識(shí)別、定位和清單統(tǒng)計(jì)。該研究基于時(shí)序衛(wèi)星影像數(shù)據(jù)，將深度學(xué)習(xí)目標(biāo)檢測(cè)方法應(yīng)用于檢測(cè)泰國(guó)東北部有壕溝環(huán)繞的遺址，提出多光譜與植被指數(shù)融合的多信息融合數(shù)據(jù)(N-RGB)，利用數(shù)據(jù)增強(qiáng)方法制作了遺址數(shù)據(jù)集，并改進(jìn)YOLOv5s目標(biāo)檢測(cè)模型提高模型對(duì)遺址的識(shí)別能力，在對(duì)100個(gè)護(hù)城河遺址的測(cè)試中實(shí)現(xiàn)100%的識(shí)別精度。最后，在泰國(guó)東北部確定了116個(gè)疑似遺址，并在東南亞其他國(guó)家識(shí)別出少量疑似遺址。
古城墻遺址識(shí)別技術(shù)路線
論文“Archaeological site segmentation of ancient city walls based on deep learning and LiDAR remote sensing”發(fā)表在期刊Journal of Cultural Heritage。王少華為論文通訊作者，實(shí)驗(yàn)師王順利為第一作者。該研究針對(duì)傳統(tǒng)光學(xué)遙感和激光點(diǎn)云處理方法在古城墻調(diào)查識(shí)別中的適應(yīng)性問(wèn)題，基于激光雷達(dá)遙感數(shù)據(jù)，利用深度學(xué)習(xí)語(yǔ)義分割方法實(shí)現(xiàn)楚紀(jì)南故城古城墻精確識(shí)別。經(jīng)過(guò)機(jī)載激光點(diǎn)云數(shù)據(jù)濾波處理、微地形表征、深度學(xué)習(xí)訓(xùn)練推理，像素級(jí)別地識(shí)別提取存在茂密植被下的古城墻遺跡，古城墻識(shí)別精度高于90%。該研究成果對(duì)南方植被茂密區(qū)域古遺跡調(diào)查、保護(hù)等具有重要意義，可為考古遺址的探查、保護(hù)、變化檢測(cè)等提供參考。
敦煌壁畫(huà)線描的自動(dòng)化生成技術(shù)路線
發(fā)表在期刊npj Heritage Science的另一論文題為“Automatic generation of Chinese mural line drawings via enhanced edge detection and CycleGAN-based denoising”。胡慶武為論文通訊作者，博士生馮海霞為第一作者。該研究提出了一種自動(dòng)生成壁畫(huà)線描的方法，以提升傳統(tǒng)壁畫(huà)數(shù)字化效率，緩解人工描摹依賴問(wèn)題。該方法融合邊緣增強(qiáng)、線條提取與去噪三大模塊，具體包括：使用CLAHE與BF增強(qiáng)邊緣信息；設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)MLineNet提取多尺度線條特征，結(jié)合邊緣感知優(yōu)化策略防止過(guò)度銳化或信息丟失；采用CycleGAN對(duì)邊緣檢測(cè)結(jié)果進(jìn)行去噪，生成清晰自然、結(jié)構(gòu)豐富的高質(zhì)量線描圖。以敦煌壁畫(huà)為數(shù)據(jù)構(gòu)建模型，LDP、TC、LS和Q指標(biāo)分別達(dá)90.89%、87.78%、89.10%、89.26%，在細(xì)節(jié)、清晰度與平滑度上表現(xiàn)優(yōu)異；在白沙壁畫(huà)上的Q值為90.50%，驗(yàn)證了其穩(wěn)健性與泛化能力。該研究為壁畫(huà)線描的自動(dòng)化生成與傳統(tǒng)藝術(shù)的數(shù)字化保護(hù)提供了新思路與有效工具。
古籍書(shū)圖像自動(dòng)拼接技術(shù)路線
論文“A non-overlapping image stitching method for reconstruction of page in ancient Chinese books”發(fā)表在期刊Computer Vision and Image Understanding。胡慶武為論文通訊作者，博士生蘭逸舟為第一作者。該研究針對(duì)古籍?dāng)?shù)字化過(guò)程中無(wú)重疊區(qū)域頁(yè)面拼接的難題，提出了一種基于深度學(xué)習(xí)的非重疊圖像拼接方法，包括頁(yè)面圖像預(yù)處理模塊、多規(guī)則頁(yè)面拼接模塊以及自評(píng)估模塊。首先利用語(yǔ)義分割模型預(yù)測(cè)書(shū)頁(yè)厚度區(qū)域并裁剪，精確定位拼接線；隨后設(shè)計(jì)了結(jié)合全局特征匹配與局部關(guān)鍵特征校準(zhǔn)的多規(guī)則拼接方法，生成多種候選結(jié)果；最后通過(guò)自評(píng)估模塊自動(dòng)篩選最優(yōu)拼接圖像。實(shí)驗(yàn)結(jié)果表明，該方法在262頁(yè)來(lái)自五部古籍的數(shù)據(jù)上拼接精度達(dá)到82.18%，較現(xiàn)有方法提升37.75%，在提升效率的同時(shí)減少了人工干預(yù)，為古籍自動(dòng)化數(shù)字化和歷史文獻(xiàn)的光學(xué)字符識(shí)別奠定了基礎(chǔ)。
據(jù)悉，胡慶武與王少華課題組長(zhǎng)期從事遙感測(cè)繪技術(shù)在考古、文化遺產(chǎn)數(shù)字化保護(hù)等領(lǐng)域交叉研究。2024年獲批國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目“大型線性文化遺產(chǎn)動(dòng)態(tài)監(jiān)測(cè)與風(fēng)險(xiǎn)評(píng)估”(No.2024YFB3908900)。課題組承擔(dān)了5項(xiàng)國(guó)家重點(diǎn)研發(fā)課題及2項(xiàng)復(fù)雜環(huán)境下文化遺產(chǎn)探測(cè)識(shí)別和精準(zhǔn)建模國(guó)家自然科學(xué)基金面上項(xiàng)目。國(guó)家重點(diǎn)研發(fā)課題為：“天地聯(lián)合遙感遙測(cè)考古綜合分析技術(shù)研究與系統(tǒng)開(kāi)發(fā)”(已驗(yàn)收)、“北斗空天地集成高精度智能測(cè)繪技術(shù)”(已驗(yàn)收)、“館藏文物數(shù)字指紋原位鑒別關(guān)鍵技術(shù)”(在研)、“大型線性文化遺產(chǎn)災(zāi)害多要素全過(guò)程風(fēng)險(xiǎn)評(píng)估方法與應(yīng)對(duì)”(在研)、“面向傳統(tǒng)藝術(shù)資源智能服務(wù)的平臺(tái)構(gòu)建和應(yīng)用示范”(在研)。2項(xiàng)復(fù)雜環(huán)境下文化遺產(chǎn)探測(cè)識(shí)別和精準(zhǔn)建模國(guó)家自然科學(xué)基金面上項(xiàng)目為“激光雷達(dá)近地表地理環(huán)境分析與文化遺存識(shí)別方法研究”和“基于VR相機(jī)全景視頻跨平臺(tái)影像增量式三維重建與模型增強(qiáng)方法研究”。課題組還完成了荊州紀(jì)南城、湖南澧陽(yáng)平原史前遺址、河南邙山墓群、貴州海龍屯、雄安新區(qū)等重點(diǎn)區(qū)域超過(guò)1萬(wàn)平方公里的機(jī)載LiDAR遺址遺跡探測(cè)識(shí)別項(xiàng)目，推動(dòng)了遙感+文化遺產(chǎn)交叉研究、關(guān)鍵技術(shù)研發(fā)、人才隊(duì)伍培育和應(yīng)用創(chuàng)新，為文化遺產(chǎn)保護(hù)、人類文明史研究和文化強(qiáng)國(guó)戰(zhàn)略貢獻(xiàn)力量。
所有評(píng)論僅代表網(wǎng)友意見(jiàn)，與本站立場(chǎng)無(wú)關(guān)。