近日，胡庆武/王少华教授团队在遥感考古与数字化保护领域取得系列研究成果，相关研究论文连续发表于文化遗产领域顶级期刊《Journal of Archaeological Science》、Nature旗下期刊《npj Heritage Science》及《Journal of Cultural Heritage》。该系列研究将遥感技术、人工智能技术与文化遗产考古与数字化保护相结合，针对文化遗产遗址快速调查发现、精确识别定位和高效数字化保护利用中的技术问题，提出了一系列遥感+AI+考古+文化遗产保护交叉创新方案。

论文《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》发表在《npj Heritage Science》上，武汉大学遥感信息工程学院博士生杨洪为论文第一作者，武汉大学历史学院邹秋实副教授和遥感信息工程学院王少华教授为论文共同通讯作者。在野外广袤的区域内进行地毯式考古调查耗时耗力且成本高昂，考古遗址预测模型（ASPM）通过分析地理、环境、水文、土壤、遥感影像等多源数据，识别出遗址可能存在的“高概率区”，能够极大地缩小需要实地调查的范围。该研究以长江中游江汉地区新石器时代和青铜时代的古城址为研究对象，基于Google Earth Engine（GEE）云平台标注了33个古城址的具体位置和范围，提出一种耦合地理要素特征和时序光谱特征的机器学习古城址预测模型，提高了模型对古城址区域的识别能力，古城址预测精度达到80%，能够获得古城址分布的高概率区域，可用于预测古城址的潜在地理位置，指示未来野外考古调查工作的重点区域。

图1 长江中下游史前古城遗址预测技术路线

论文《Moated site object detection using time series satellite imagery and an improved deep learning model in northeast Thailand》发表在期刊《Journal of Archaeological Science》。遥感信息工程学院王少华教授和胡庆武教授为论文共同通讯作者，博士生杨洪为第一作者。传统遗址识别依赖专家人工判读航拍/卫星影像或实地勘察，耗时长、易疲劳、主观性强。深度学习目标检测模型能自动、快速扫描海量遥感影像（光学、激光雷达/LiDAR、多光谱、雷达等），标记出疑似遗址目标，助力野外考古遗址遗迹快速识别、定位和清单统计。该研究基于时序卫星影像数据，将深度学习目标检测方法应用于检测泰国东北部有壕沟环绕的遗址，提出多光谱与植被指数融合的多信息融合数据（N-RGB），利用数据增强方法制作了遗址数据集，并改进YOLOv5s目标检测模型提高对遗址的识别能力，在对100个护城河遗址的测试中实现100%的检测精度。最后，在泰国东北部确定了116个疑似遗址，并在东南亚其他国家识别出少量疑似遗址。

图2 东南亚壕沟环绕型遗址识别结果

论文《Archaeological site segmentation of ancient city walls based on deep learning and LiDAR remote sensing》发表在期刊《Journal of Cultural Heritage》。遥感信息工程学院王少华教授为论文通讯作者，王顺利实验师为第一作者。该研究针对传统光学遥感和激光点云处理方法在古城墙调查识别中的适应性问题，基于激光雷达遥感数据，利用深度学习语义分割方法实现楚纪南故城古城墙精确识别。经过机载激光点云数据滤波处理、微地形表征、深度学习训练推理，像素级别地识别提取存在茂密植被下的古城墙遗迹，古城墙识别精度高于90%。该研究成果对南方植被茂密区域古遗迹调查、保护等具有重要意义，可为考古遗址的探查、保护、变化检测等提供参考。

图3 古城墙遗址识别技术路线

论文《Automatic generation of Chinese mural line drawings via enhanced edge detection and CycleGAN-based denoising》发表在期刊《npj Heritage Science》，胡庆武教授为论文通讯作者，博士生冯海霞为第一作者。该研究提出了一种自动生成壁画线描的方法，以提升传统壁画数字化效率，缓解人工描摹依赖问题。该方法融合边缘增强、线条提取与去噪三大模块，具体包括：使用CLAHE与BF增强边缘信息；设计神经网络MLineNet提取多尺度线条特征，结合边缘感知优化策略防止过度锐化或信息丢失；采用CycleGAN对边缘检测结果进行去噪，生成清晰自然、结构丰富的高质量线描图。以敦煌壁画为数据构建模型，LDP、TC、LS和Q指标分别达90.89%、87.78%、89.10%、89.26%，在细节、清晰度与平滑度上表现优异；在白沙壁画上的Q值为90.50%，验证了其稳健性与泛化能力。该研究为壁画线描的自动化生成与传统艺术的数字化保护提供了新思路与有效工具。

图4 敦煌壁画线描的自动化生成技术路线

论文《A non-overlapping image stitching method for reconstruction of page in ancient Chinese books》发表在期刊《Computer Vision and Image Understanding》。遥感信息工程学院胡庆武教授为论文通讯作者，博士生兰逸舟为第一作者。该研究针对古籍数字化过程中无重叠区域页面拼接的难题，提出了一种基于深度学习的非重叠图像拼接方法，包括页面图像预处理模块、多规则页面拼接模块以及自评估模块。首先利用语义分割模型预测书页厚度区域并裁剪，精确定位拼接线；随后设计了结合全局特征匹配与局部关键特征校准的多规则拼接方法，生成多种候选结果；最后通过自评估模块自动筛选最优拼接图像。实验结果表明，该方法在262页来自五部古籍的数据上拼接精度达到82.18%，较现有方法提升37.75%，在提升效率的同时减少了人工干预，为古籍自动化数字化和历史文献的光学字符识别奠定了基础。

图5 古籍书图像自动拼接技术路线

胡庆武/王少华教授团队长期从事遥感测绘技术在考古、文化遗产数字化保护等领域交叉研究，团队2024年新获批国家重点研发计划项目“大型线性文化遗产动态监测与风险评估”（No.2024YFB3908900），承担/完成了5项国家重点研发课题“天地联合遥感遥测考古综合分析技术研究与系统开发”（已验收）、“北斗空天地集成高精度智能测绘技术”（已验收）、“馆藏文物数字指纹原位鉴别关键技术”（在研）、“大型线性文化遗产灾害多要素全过程风险评估方法与应对”（在研）、“面向传统艺术资源智能服务的平台构建和应用示范”（在研），2项复杂环境下文化遗产探测识别和精准建模国家自然科学基金面上项目：“激光雷达近地表地理环境分析与文化遗存识别方法研究”、“基于VR相机全景视频跨平台影像增量式三维重建与模型增强方法研究”；完成了荆州纪南城、湖南醴阳平原史前遗址、河南邙山墓群、贵州海龙屯、雄安新区等重点区域超过1万平方公里的机载LiDAR遗址遗迹探测识别项目，推动了遥感+文化遗产交叉研究、关键技术研发、人才队伍培育和应用创新，为文化遗产保护、人类文明史研究和文化强国战略贡献力量

五篇论文链接：

https://www.nature.com/articles/s40494-025-01557-6

https://www.sciencedirect.com/science/article/pii/S0305440324001389?via%3Dihub

https://www.sciencedirect.com/science/article/pii/S1296207423002145?via%3Dihub

https://www.nature.com/articles/s40494-025-01908-3

https://www.sciencedirect.com/science/article/pii/S1077314225001729?via%3Dihub