1.一种褪变色彩色壁画颜色高保真数字化修复方法，其特征在于，包括如下步骤：步骤1，调研总结古代壁画中的基础颜料种类及壁画创作技法，获得基础颜料及样本制作方法；

步骤2，依据步骤1中获得的壁画基础颜料，进行颜料褪变色模拟实验获得光谱褪变色模型，并结合双常数Kubelka‑Munk理论构建壁画颜料数据库，所述数据库中包含基础颜料样本、基础颜料样本光谱数据、褪变色模拟实验获得的光谱数据以及依据双常数Kubelka‑Munk理论构建的混合颜料样本的光谱数据；

步骤3，获取褪变色彩色壁画的可见光谱图像；

步骤4，对褪变色彩色壁画可见光谱图像进行渲染，获得其对应的RGB图像；

步骤5，利用深度学习分割模型对渲染得到的褪变色彩色壁画RGB图像进行高精度的分割，得到分割图像，并获得彩色图像各子分区的标记数值；

步骤6，依据褪变色彩色壁画图像各子分区标记及其可见光谱图像，提取每个子区域代表性平均光谱反射率，并对各个子区域的代表性平均光谱反射率进行特征化处理，用于下一步骤中颜料的识别分析；

步骤7，依据步骤6中获得的褪变色壁画彩色图像每个子区域光谱反射率特征，与步骤3所获得的数据库进行对比，通过特征匹配方式对每个子区域颜料物质属性进行识别；

步骤8，对步骤7中颜料识别的结果进行光谱数据替换处理，得到褪变色彩色壁画的颜色高保真初始状态修复结果；

步骤8中，若通过步骤7识别出的颜料为单色颜料，并判断其是否为物质稳定的不变色颜料，如果是，计算出其在特定光源和观察者条件下的真实颜色数据；如果不是，则依据该种颜料的光谱褪变色模型恢复出其原始未变色光谱，并计算出其在特定光源和观察者条件下的真实颜色数据；若通过步骤7识别出的颜料为混合颜料，并判断其是否是由物质稳定的不变色颜料混合而成的，如果是，计算出其在特定光源和观察者条件下的真实颜色数据；如果不是，进一步判断其是由一种变色颜料还是多种变色颜料构成的混色颜料，如果是一种变色颜料，则仅对变色颜料进行初始光谱恢复，另外的颜料数据不做处理，利用获得光谱恢复后的光谱数据，计算其在特定光源和观察者条件下的真实颜色数据；若果是多种变色颜料，则需要对每一种变色颜料进行初始光谱恢复，并利用获得光谱恢复后的光谱数据，计算其在特定光源和观察者条件下的真实颜色数据。

2.如权利要求1所述的一种褪变色彩色壁画颜色高保真数字化修复方法，其特征在于：步骤2中，基础颜料样本按照步骤1所述样本制作方法制作，基础颜料样本以及褪变色模拟实验样本的光谱数据采用分光光度计测量获得，混合颜料样本的光谱数据由双常数Kubelka‑Munk理论计算得到，具体实现方式如下，A.制作用于求解基础颜料单位浓度吸收和散射系数的样本，包括基础颜料纯色样本，一个参考白色颜料纯色样本，基础颜料纯色样本按照特定质量比例与参考白色颜料混合的样本；

B.求解上述A中制作的所有样本的吸收散射比，利用式一求解上述A中制作的所有样本的吸收散射比，其中， 表示样本的吸收散射比，Rλ表示利用分光光度计测量获得的样本光谱反射率，λ表示波长；

C.求解基础颜料的单位浓度吸收和散射系数；

设定参考白色颜料在整个光谱波长范围内的单位散射系数为1，sλ,w＝1,式二

那么，参考白色颜料的吸收系数为，其中， 为参考白色颜料的吸收散射比；然后利用式四计算用于求解基础颜料单位浓度吸收和散射系数的中间值，

其中，sλ,0表示用于求解基础颜料单位浓度吸收和散射系数的中间值， 表示混合颜料吸收散射比， 表示纯色颜料散射系数比；

那么基础颜料的单位浓度吸收和散射系数则可按式五和式六求解获得，其中，ctint表示混合颜料中基础颜料所占质量比，sλ,paint表示基础颜料的单位浓度散射系数，kλ,paint表示基础颜料的单位浓度吸收系数；

D.计算混合样本光谱反射率，完成数据库构建，利用基础颜料的单位浓度吸收和散射系数，按照式七和式八，计算任意一个按给定浓度混合得到的样本光谱反射率，

其中， 表示混合颜料样本的吸收散射比，ci表示任意一个基础颜料样本浓度，且 表示混合颜料总吸收系数， 表示混合颜料总吸收系数，n表示混合颜料成分数量，Rλ,mixture表示混合颜料的光谱反射率。

3.如权利要求1所述的一种褪变色彩色壁画颜色高保真数字化修复方法，其特征在于：步骤3中获得古代壁画可见光谱的实现方式为，相同均匀照明拍摄环境和相同拍摄参数条件下，分别拍摄获得古代壁画和光谱重建训练样本集的数字图像，提取训练样本集数字响应信号，并利用分光光度计测量获得训练样本集光谱数据，利用训练样本数据计算由数字响应值到光谱反射率转换的变化矩阵，然后利用转换矩阵对古代壁画进行光谱重建，获得敦煌壁画的可见光谱图像，具体方法如下：步骤3.1，首先将古代壁画各像素和训练样本数字响应值按式九所示三阶齐次多项式进行扩展；

其中，d表示一个像素或者一个训练样本响应值扩展后向量，r、g和b分别表示数码相机R‑通道、G‑通道和B‑通道的响应值；

步骤3.2，利用训练样本集和伪逆方法求解用于重建古代壁画可见光谱图像的转换矩阵，如式十所示，

+

Q＝RtrainDtrain   式十其中，Q表示光谱重建转换矩阵，Rtrain表示训练样本集的光谱反射率矩阵，Dtrain表示训练样本集的扩展响应矩阵，上标‘+’表示伪逆运算符号；

步骤3.3，利用式十求得的光谱重建转换矩阵及古代壁画数字响应扩展矩阵进行壁画的光谱重建，获得古代壁画可见光谱图像，如式十一所示，Rmural＝QDmural   式十一其中，Rmural表示重建得到的古代壁画可见光谱图像，Dmural表示古代壁画数字响应扩展矩阵。

4.如权利要求1所述的一种褪变色彩色壁画颜色高保真数字化修复方法，其特征在于：步骤4中对古代壁画可见光谱图像进行渲染，获得其对应的彩色RGB图像的实现方式如下，步骤4.1，对于古代壁画可将光谱图像的任意一个像素点光谱反射率，首先在设定参考计算光源和标准观察者条件下计算其对应的三刺激值XYZ，如式十二所示，其中，x(λ),y(λ),和z(λ)表示CIE标准观察者三刺激值函数，E(λ)表示CIE标准照明体相对光谱功率,r(λ)表示古代壁画可将光谱图像的任意一个像素点光谱反射率，k是调整因子，X、Y和Z表示计算得到的三刺激值；

步骤4.2，依据计算得到的三刺激值计算相应参数条件下的RGB值，如式十三所示，其中，R、G和B为渲染后彩色图像的颜色值，M为对应三刺激值计算条件下由XYZ到RGB转换的系数矩阵。

5.如权利要求1所述的一种褪变色彩色壁画颜色高保真数字化修复方法，其特征在于：步骤5中采用深度学习分割模型unet对渲染得到的古代壁画彩色图像进行分割，unet网络结构由收缩路径和扩张路径组成，其中，收缩路径用于获取多尺度上下文信息，其包括多个基本单元，每个基本单元包括n个卷积层和修正线性单元激活函数，基本单元之间连接一个用于下采样的最大池化层操作，在每一个下采样的过程中，特征通道数量都加倍；扩张路径用于精确的定位，在扩张路径中，每一步先对输入的特征图进行上采样，接着级联收缩路径中相应的裁剪后的特征图，再用n个卷积核进行卷积运算，且均使用ReLu激活函数，在最后一层，利用1×1的卷积核进行卷积运算，将特征向量映射到类标签预期的数值。

6.如权利要求1所述的一种褪变色彩色壁画颜色高保真数字化修复方法，其特征在于：步骤6中计算出区域的最小外接矩形，并以矩形的宽度的三分之一为边长，在矩形中心处生成正方形提取区域，提取区域内每个像素的光谱反射率，并计算所有像素的平均光谱反射率，并对各个子区域的代表性平均光谱反射率进行特征化处理，用于下一步的颜料识别，其中一个区域的最小外接矩形求解方法如下：使用OpenCV中的函数minAreaRect求解凸包区域的最小外接矩形，其返回值中包括最小外接矩形的中心坐标点，以及宽和高信息，用于求解正方形。

7.如权利要求1所述的一种褪变色彩色壁画颜色高保真数字化修复方法，其特征在于：还包括步骤9，将每种变色颜料的光谱褪变色模型进行同等尺度的归一化处理，通过一个变色程度的统调参数K，控制褪变色彩色壁画中每种变色颜料的变色程度，进而通过对变色颜料相应节点的光谱数据的替换和颜色计算，实现褪变色壁画颜色连续变化过程的高保真模拟再现。

8.如权利要求7所述的一种褪变色彩色壁画颜色高保真数字化修复方法，其特征在于：步骤9中所述的变色颜料的光谱褪变色模型同等尺度归一化，是指将任意一种变色颜料从初始未变色到当前变色状态所对应的未变色物质所对应的物质的浓度区间[C初始，C当前]进行同一尺度等分为K份，并获得每个等分节点的光谱数据，则统调参数alpha的取值范围为[C初始，C当前]，步长为(C初始‑C当前)/K，当K值足够大时，通过调整alpha的取值，控制各变色颜料节点光谱数据的替换和颜色计算，即可实现褪变色壁画颜色连续变化过程的高保真模拟再现。