基于点扫描X射线荧光与色彩-纹理分形指标融合的文化遗产分析化学计量学流程

《Chemometrics and Intelligent Laboratory Systems》：Integrated chemometric pipeline combining point-based X-ray fluorescence and chromatic-textural fractal metrics for cultural heritage analysis

　　

便携式X射线荧光（pXRF）光谱能够对文化遗产材料进行精确、无损的元素表征，然而传统的点基测量本质上忽略了绘画应用的空间与色彩变异性。为解决这一局限，研究人员开发了一种数据驱动的化学计量学流程，将高维成分数据（pXRF）与源自多维分形分析（FD-RGB与FD-Gray）的色彩和纹理描述符相整合。以拉斐尔《基督显圣容》的一件历史摹本作为综合案例研究，将165个局部XRF元素剖面与从高分辨率数字图像块中提取的分形描述符进行统计关联。该单幅绘画案例研究被定位为概念验证，所得到的颜料-纹理关系被解释为初步的、依赖于案例的，而非普遍性阈值。研究应用了基于秩的相关分析、Kruskal-Wallis检验、带Benjamini-Hochberg跨对比控制的Dunn事后比较以及主成分分析（PCA）来评估特定主要化学家族的多元行为。综合分析证明了基于亮度的纹理与色彩复杂性之间存在方向性的数学解耦。结果表明，亮度变化（通过FD-Gray量化）对局部化学调色板表现出极小的依赖性，而多尺度色彩方差（FD-RGB）有效区分了不透明与多层应用（|ρ| ≈ 0.17-0.22；若干在描述符内错误发现率控制下仍显著）。具体而言，定义高遮盖基质（基于Pb、Sn）的颜料降低了色彩复杂性（FD-RGB），而历史上与明暗对照法和半透明釉层相关的颜料（基于Hg、Mn、Ca）则显著增加了该分形复杂性。在基于优势度的方差分析中，FD-RGB在各组间存在差异（p = 0.018；η² = 0.222），而Dunn成对差异在未校正水平上为名义性。标准化矩阵（18个元素变量 + FD-RGB/FD-Gray）的PCA显示，PC1（33.03%）与由Pb、Ba、As、Cd和Sb驱动的透明度-半透明度连续体对齐，与FD-RGB相对，而PC2（11.77%）将冷色域（基于Co、Ni和Cu）与暖色/阴影域（基于Ca、Mn、Fe和Hg）分开，FD-RGB负载为负。该数据驱动框架将原始化学数据转化为客观的艺术-技术知识，展示了其超越颜料浓度来表征绘画执行的能力，并为遗产科学提供了一种稳健的新计算工具。

**研究背景与问题**

无损分析技术已成为文化遗产科学研究的基础手段，其中X射线荧光（XRF）光谱是绘画层元素表征的主要工具。便携式XRF（pXRF）可生成点基化学数据，用于快速准确地鉴定艺术家所使用的颜料。然而，传统元素分析在解决材料成分问题（"什么"）方面极为有效，但通常忽略了绘画应用的空间、地形和光学细微差别（"如何"）。技术执行——包括艺术家的笔势、笔触地形以及半透明釉层的光学叠加——编码在绘画表面的物理纹理中，无法仅通过元素数据完全描述。尽管XRF光谱和分形分析在保护科学中各自盛行，但它们的多元化学计量学整合在很大程度上尚未被探索。反射光谱成像虽已成熟用于研究绘画表面的空间变化，但其分析目标与本研究不同：它主要描述表面或近表面层的波长依赖光学响应，而pXRF提供包括表面和次表面绘画层信号在内的元素信息。因此，本研究的挑战在于将这些高维成分数据（XRF）与色彩-纹理指标（FD-RGB和FD-Gray）融合，以确定特定颜料的物理性质是否影响了绘画中颜色和纹理的复杂性。

**研究开展与结论**

研究人员使用拉斐尔《基督显圣容》的一件历史摹本（布面油画，63.3 × 93.2 cm，私人收藏）作为复杂案例，构建了综合化学计量学框架。该画作经放射性碳（¹⁴C）测年确定绘于公元1451至1633年间，先前多分析研究确认了传统文艺复兴颜料的使用，包括铅白、青金石、氧化铁、朱砂和钴玻璃。研究假设特定重金属基颜料（如Pb、Cu、Hg、Fe）与分形变量之间的同时交互能够在统计上区分结构不透明度、材料厚涂和复杂颜色混合的光学深度，将原始元素数据转化为定量艺术-技术知识。研究的主要贡献在于开发了一种新颖的无损化学计量学流程，将点基元素数据（pXRF）与空间-拓扑指标（FD-RGB和FD-Gray）融合，解决了传统光谱学的固有空间局限性，将化学成分直接与视觉纹理关联。研究提供了历史绘画中物理浮雕与光学复杂性二分法的数据驱动证据。具体而言，多元建模表明通过FD-Gray量化的结构厚涂由铅基基质驱动，而通过FD-RGB量化的半透明釉层特有光学深度主要与铁和汞基颜料混合物相关。通过映射这些复杂的物理化学交互，该工作提供了一种稳健、可重复的统计框架，能够处理绘画基质的异质性，有效将原始分析数据转化为客观的艺术史知识。

**关键技术方法**

研究人员采用手持式XRF光谱仪（Niton XL3t GOLDD+）在50 kV、200 μA、3 mm光斑条件下对绘画表面165个网格测量点进行原位无损分析，获取18种元素（As、Ba、Ca、Cd、Co、Cr、Cu、Fe、Hg、K、Mn、Ni、Pb、Sb、Se、Sn、Ti、Zn）的净峰面积并进行min-max归一化。使用高分辨率数字RGB照片（3020 × 4456像素）进行几何配准，在每个XRF点位置提取32 × 32像素局部图像块。采用GPU加速差分盒计数（DBC）算法计算灰度分形维数（FD-Gray）和多维RGB分形维数（FD-RGB），并验证16 × 16至128 × 128像素四种尺度的敏感性。统计分析包括Spearman秩相关（B = 10,000 bootstrap置信区间）、Kruskal-Wallis检验、Dunn事后比较与Benjamini-Hochberg FDR控制以及主成分分析（PCA），全部计算在MATLAB R2025b中完成。样本队列来源为私人收藏的历史摹本，XRF数据来自先前发表的多分析研究。

**研究结果**

**元素组成与分形复杂性之间的相关性**：通过Spearman秩相关分析发现，FD-Gray与任何单一化学元素之间完全缺乏统计显著关系（所有q_global ≥ 0.56），表明绘画的结构复杂性（厚涂）并非由特定颜料的浓度单调驱动，而可能更多受画布纹理和制备层影响。FD-RGB则显示若干弱但显著的关联：铅基信号（Pb，ρ = ?0.189）和含锡化合物（Sn，ρ = ?0.217）呈负相关，这些高遮盖颜料降低了色彩分形复杂性；Hg（ρ = 0.178）、Mn（ρ = 0.169）和Ca（ρ = 0.169）呈正相关，与艺术家的光学混合、釉层和明暗对照法技法一致。在描述符内FDR控制后，Sn、Cd、As、Pb、Se和Ba的负关联仍显著（q = 0.049），但未能在全局FDR下存活（q_global = 0.098）。图像块尺度分析确认32 × 32像素在局部代表性和FD-RGB相关结构稳定性之间提供了最佳平衡。

**基于主导化学特征的方差分析**：Kruskal-Wallis检验显示九个宏观颜色类别间FD-RGB无统计显著性（p = 0.150），反映了古典绘画技术中单一视觉颜色类别在材料组成和物理应用上的高度异质性。基于Z分数重新分类为Pb、Fe、Cu、Hg四个主导元素组后，FD-RGB组间差异显著（p = 0.018；η² = 0.222），FD-Gray无差异（p = 0.419）。Hg主导和Cu主导位置显示较高的色彩复杂性，Fe主导为中间值，Pb主导区域复杂性最低。Dunn事后比较中Fe-Cu和Fe-Hg在未校正水平上名义显著（p = 0.021和p = 0.014），但均未在Benjamini-Hochberg控制下存活（q = 0.062）。

**主成分分析**：前两个主成分解释44.80%的总方差（PC1 = 33.03%，PC2 = 11.77%）。PC1作为材料不透明度与光学半透明度的轴，正向极端由Pb（0.359）、Ba（0.358）、As（0.359）、Cd（0.369）和Sb（0.353）驱动，FD-RGB呈负向负载（?0.058）。PC2可解释为色彩与应用技法轴，正域由Co（0.553）、Ni（0.533）和Cu（0.190）表征，负域由Ca（?0.276）、Mn（?0.215）、Fe（?0.174）和Hg（?0.171）影响，FD-RGB在此负象限中表现出最强的方向性拉力（?0.112）。FD-Gray在两个主成分中均接近原点，表明与化学调色板的协方差极小。PCA评分图中"肤色"和"灰色"类别位于Pb主导的正PC1区域，而"红色""土色"和"绿色"占据两个主成分的负域。

**讨论与结论**

讨论部分承认了若干方法论局限：点基pXRF分析提供离散元素数据，与局部图像块的数学相关假设了特定区域内一定程度的成分均匀性；分形分析捕获可见表面的光学和结构特性，而XRF数据固有地包含来自底层制备层和画布基质的穿透信号；作为应用于单一复杂历史杰作的概念验证，特定数值阈值的普适性尚待验证。未来研究应纳入Macro-XRF扫描以实现化学图与多尺度分形地形之间的连续逐像素空间相关，并纳入已知颜料组成、粘合剂类型、层序、不透明度、釉层厚度和应用方法的实验室制备模型样品，以测试所推断的因果联系并提供基准。结论部分指出，本研究提出了一种新颖的无损化学计量学框架，弥合了元素组成（"什么"）与绘画执行（"如何"）之间的差距。通过整合点基pXRF数据与多维分形描述符（FD-RGB和FD-Gray），分析表明历史颜料的物理和光学性质与艺术品可测量的纹理足迹相关联。一项基本发现是亮度驱动纹理与多尺度色彩复杂性之间的方向性数学解耦：FD-Gray始终与化学调色板无显著相关，表明基线亮度地形由物理支撑和匀化层驱动；FD-RGB对绘画层的光学叠加敏感，作为色彩复杂性的代理。单变量方差分析和多元PCA共同支持FD-RGB捕获了古典绘画中材料不透明度与半透明度的二分法：定义不透明高遮盖基质的元素标记（Pb和Sn化合物）与较低色彩通道方差相关，而历史上与明暗对照法、深层光学混合和半透明釉层相关的元素特征（Hg、Mn和Ca）则与相对最高的分形复杂性相关。这些结果表明FD-RGB对地层应用方法而非元素信号强度敏感，有效区分了平坦的单颜料区域和油介质特征性的多层叠加。该数据驱动流程有助于将原始分析信号转化为客观、可量化的艺术史知识，通过基于笔触的内在物理化学执行而非宏观视觉色调进行聚类，为遗产科学提供了一种有前景的新计算工具，并为解决长期存在的艺术史问题开辟了新的定量途径，如追踪艺术家职业生涯中复杂性的风格演变、比较不同时期特定母题的技术渲染，或基于多层光学特征客观区分原创杰作与当代复制品。