高光譜成像技術是文物保護領域的研究熱點。它可用于快速、無創地從不同類別的文物表面獲取詳細的光譜信息。我們可以利用光譜信息直觀地分析顏料成分、線條特征、繪畫技巧和圖案。高光譜成像對于古代壁畫等文物的保護、修復和研究具有很高的科學意義和應用價值。在這項研究中，中國青海省某寺大黑天殿的一幅壁畫被用作樣本。出于多種目的獲取和分析高光譜數據。進行顏料光譜匹配和豐度反演以獲得顏料分布。這些數據通過連續去除和直方圖拉伸來增強以獲得隱藏信息。暗通道先驗方法用于虛擬還原壁畫的圖像。結果表明，利用高光譜成像數據、構建的純色素光譜庫和合適的方法，可以定量分析壁畫顏料的種類和分布，提取壁畫中的線條。高光譜圖像有助于識別被顏料或表面材料隱藏的信息。可以對壁畫圖像進行增強，使用連續譜去除和直方圖線性拉伸等增強方法可以突出顯示隱藏的信息。此外，高光譜成像數據在壁畫圖像的復原方面具有獨特的優勢，結合去霧方法和圖像修復算法可以實現壁畫圖像的虛擬復原。總之，高光譜成像技術被發現對古壁畫的顏料分析、線條提取、信息增強、隱藏信息提取和虛擬修復具有非常有利的效果。

介紹

文化遺產是文明的重要組成部分，傳承著歷史文化。壁畫作為重要的文化遺產之一，蘊含著前人的智慧和技藝。它們內容豐富，色彩鮮艷，形象生動，充分顯示了創作者的巧妙構思和高超技藝。壁畫是留給后世的不可估量的文化瑰寶，可用于研究當時的宗教藝術、政治經濟學、文化歷史、民族服飾等。壁畫的歷史可以追溯到石器時代，包括史前巖畫、彩陶、宮殿壁畫、墓葬壁畫和寺廟壁畫。這幾類壁畫構成了悠久的壁畫歷史。它們是人類文明最寶貴的、不可再生的財富，反映了他們那個時代的社會風貌，具有深遠的歷史意義和研究價值。然而，由于多年的自然侵蝕和人為活動，壁畫不可避免地出現了不同程度的自然老化和退化。

分析壁畫的顏料成分、線條特征、繪畫技巧和圖案內容，對于壁畫的保護、修復和研究具有重要意義。近年來，隨著儀器的小型化和便捷化，高光譜技術在文物保護領域得到廣泛應用。高光譜技術可以為文物材質和年代的鑒定提供科學依據 ，深入直觀地反映文物中的色素信息，增強和挖掘隱藏信息，恢復壁畫圖像和圖案。將高光譜短波紅外成像技術應用于古畫分析。他們在古畫線狀特征的提取、顏料信息的識別與分類、隱藏信息的提取等方面取得了較好的效果。庫奇等人。獲取了龐貝考古遺址壁畫和壁畫銘文的高光譜數據，從顏料識別和繪圖等方面進行了分析，評估了石膏豐度，增強了褪色的細節和特征，證明了其可行性。遺產研究領域的高光譜技術。

通過主成分分析和卷積神經網絡提取中國古代繪畫高光譜圖像的空間和光譜特征，并融合支持向量機進行分類。鑒別真假畫作，準確率為84.6%。提出了三種光譜特征提取方法，包括基線減法、內歸一化和二階導數運算，應用于三種文化遺產材料，分析顏料并繪制宏觀化學圖譜。使用可見光和近紅外高光譜成像技術分析了十五世紀哥特式藝術作品中的紅色、黑色和白色顏料和粘合劑。他們提供了整體色素分布圖。基于古畫的高光譜數據分析了人物冠冕上的顏料類型，并利用主成分分析削弱了背景信息，增強了冠冕周圍的涂抹信息。利用顯著目標檢測方法自動獲取陶器和壁畫高光譜圖像的最優主成分，并將圖像與真彩色圖像融合，有效挖掘文物中人眼不易察覺的圖案信息。從高光譜數據中選取特征波段，采用帶顏色約束的泊松編輯法，對四對不同顏色、不同材質的中國古畫進行了修復。修復后的畫作具有較好的視覺效果和客觀評價。從邊緣復原和顏色復原兩個方面提出了利用高光譜圖像和普通圖片對青銅戰車圖案進行數字虛擬復原的方法。通過增強和融合不同特征帶中圖案的邊緣來恢復丟失的邊緣。通過將其光譜與已知光譜進行匹配來區分不同的顏料，并通過融合邊緣和顏色信息來重建損壞的圖像。

與便攜式X射線熒光和拉曼光譜分析方法相比，高光譜技術能夠以更高的效率同時獲取大面積圖像和反射光譜信息。由于其光譜分辨率高，該方法可以為圖像中的每個像素提供近似連續的光譜曲線，可用于分析彩色文物中使用的顏料的類型和含量。此外，高光譜數據的波長從可見光波段跨越到近紅外波段，比常用相機的波長更寬，有助于挖掘一些被顏料或其他材料掩蓋的隱藏信息。高光譜數據可用于增強和恢復壁畫圖像和圖案。

在這項研究中，一幅創作于 1390 年代的壁畫被地面高光譜成像設備掃描以獲得圖像。保留了壁畫表面的詳細光譜信息。然后，利用端元提取、光譜匹配和豐度反演算法對顏料進行分析，提取線條，為壁畫研究提供科學和定量的信息。進一步采用光譜特征增強和圖像增強等方法進行信息增強，結合圖像去霧和修復算法對壁畫圖像進行虛擬復原，提高了壁畫的內涵和藝術表達能力。最后是色素豐度圖、線提取圖、信息增強圖、獲得了古壁畫的隱藏信息圖和虛擬復原圖。高光譜成像技術的應用為壁畫的數字化文獻、保存修復研究和流通展示提供了有益的基礎。

所研究的壁畫位于中國青海省海東市樂都區以南21公里曲灘鎮曲灘寺大黑天殿北壁室內。據記載，該寺始建于明洪武二十五年(公元1392年)，距今已有600多年歷史。如圖 1所示，壁畫中有四位大黑天神;這些本尊是佛教重要的護法神，具有深遠的歷史意義和文化價值。壁畫繪于離地面約1米高的墻上。壁畫整體狀況較好，大部分畫作完整。這幅壁畫使用的原色主要是紅色和藍黑色。可以發現，整幅壁畫顏色很深，部分圖案因部分掉漆和煙灰而退化，難以辨認。我們用高光譜成像儀對壁畫進行了掃描，并對其圖像進行了多種算法，為這些壁畫的保護和修復提供了有用的專題圖。

圖1

中國青海省某寺大黑天殿北壁壁畫

?

數據采集與預處理

使用高光譜成像系統拍攝了壁畫的高光譜數據。成像系統的圖像空間分辨率為1392×1000像素，視場(FOV)為30度，采樣間隔為0.6 nm，光譜分辨率為2.8 nm。該圖像收集在可見光和近紅外區域的 1040 個波段中，從 377.45 到 1033.10 nm。高光譜相機放置在壁畫前方約1m處，主光軸垂直于壁畫。通過關閉門窗以防止自然光，并使用兩盞鹵素燈作為光源，共收集了 18 張高光譜圖像。這18張圖片被拼接成一張完整的圖片，包括壁畫中的大黑天四尊，寬2.11米，高0.97米。鑲嵌過程是通過圖像可視化環境軟件的地圖菜單下的注冊模塊和鑲嵌模塊實現的。它是一種快速、方便、準確的從圖像中提取信息的軟件解決方案。以普通數碼相機拍攝的圖像為基準，利用圖像模塊對18幅高光譜圖像進行幾何校正。然后，使用工具將它們拼接成完整的高光譜圖像。受右側墻壁的影響，高光譜圖像并沒有完全覆蓋最右側壁畫上的神像。為了與高分辨率數字圖像對比本文方法的效果。

顏料分析

壁畫表面絢麗的色彩，往往是由不同種類、不同比例的顏料，經藝術家精心調配、調和而成。顏料的使用方式具有明顯的時代和地域特征。另一方面，線條是壁畫的基本元素，對壁畫圖案的輪廓、明暗變化和空間構成起著重要作用。對壁畫顏料和線條的考察，可以為研究壁畫的起源、工藝、畫風和時代演變提供輔助支持。對壁畫的保護、研究和修復具有重要意義。

大多數用于壁畫的持久顏料都是由礦物成分組成的。由于不同顏料的成分不同，每種顏料都有其獨特的光譜特征。高光譜技術可以同時提供目標的圖像和光譜信息，光譜分辨率高，可以為圖像中的每個像素提供近似連續的光譜曲線。這些優勢可以支持壁畫顏料種類的科學判定、顏料空間分布和含量的定量反演、壁畫線條的提取等。

色素端元提取

壁畫的高光譜圖像的端元是通過算法提取的，該算法通過找到包含高光譜向量的最小體積單純形來分解像素。引入強度由正則化操作控制的鉸鏈函數作為軟約束，并通過一系列增廣拉格朗日算法優化結果。它對噪聲和異常具有魯棒性，可以處理大規模的高光譜圖像。我們根據壁畫呈現的視覺色彩選擇了四個端元，分別是紅底、黃衣、藍身、黑線。圖2顯示了提取的紅色、黃色、藍色和黑色端元光譜曲線。

圖2

提取的四種端元光譜曲線

?

提取的端元光譜數據與我們團隊構建的純色素光譜庫相匹配。采用SAM、SFF和二進制編碼綜合匹配算法來判斷顏料的種類。通過比較數據和端元光譜之間的角度，比較光譜吸收特征的位置，并使用邏輯函數比較每個編碼數據點和端元光譜來進行材料識別。應用的純顏料譜庫在白墻上作畫，收錄了紅、綠、藍、黃、黑、白等30多種常見的古代壁畫顏料，可作為文物顏料的基準數據保護和恢復。基于端元的最終匹配，初步的鑒定假設可能是衣服的黃色可能是雌黃。基于端元的最終匹配和背景的紅色端元可能是朱砂或紅赭石，僅從光譜很難識別這種色素。藍色端元的光譜與已知的藍色顏料有很大的不同，僅從光譜上很難識別藍色顏料的類型。利用X射線衍射和同位素X射線熒光研究了某寺壁畫的顏料。利用光學顯微鏡、斷面分析、掃描電子顯微鏡與能量色散光譜法和X射線衍射分析了某寺壁畫的顏料。他們的結果表明，藍色顏料是青金石和藍銅礦。此外，他們還指出紅色素為朱砂和鉛，黃色素為雌黃，這與光譜技術鑒定的結果部分一致。

豐度倒置

通過FCLS算法反演每種色素的豐度，利用最小誤差原理求解提取端元的豐度。對于端元豐度圖中的每個像素，像素的數字編號(DN)一般為0-1，表示豐度，也表示該端元的含量。最后，將 18 幅高光譜圖像進行拼接，計算出紅色、黃色和藍色端元的豐度圖，如圖3所示。這張圖直觀地展示了壁畫上每種顏料的空間含量分布。其取值范圍為0~1，代表相應色素的含量。數值越大，含量越高。

圖3

色素豐度圖：紅色端元豐度圖;b黃色端元豐度圖;c藍色端元豐度圖

?

同樣的方法被用來提取黑線端元并計算它們的豐度圖。將18幅圖像的線段提取結果進行了拼接，如圖 5所示。線條提取圖像中，背景線條清晰，真彩色圖像中看不到的佛像輪廓線和肚臍清晰可見。

圖4

黑線端元豐度圖

?

因此，可以結合端元提取、光譜匹配和豐度反演算法來分析古代壁畫中使用的顏料。它們可用于識別顏料的種類并計算其在壁畫中的含量分布，可為文物的文獻記載、研究和修復提供定量和科學的參考。

信息增強

隱藏信息是指人眼難以識別的信息，如修復痕跡、篡改信息等。對古代壁畫進行信息增強和隱藏信息挖掘，可以提高藝術表現效果，為古代壁畫研究提供新的啟示。高光譜圖像具有豐富的波段，可以突出物體在不同波長下的細微差異。它們包括可見光到近紅外波段，可以幫助我們識別顏料或表面材料掩蓋下的信息，挖掘人眼難以察覺的信息。這些獨特的優勢使得高光譜成像技術成為壁畫信息增強和隱藏信息挖掘的合適方法。

通過連續體去除和線性拉伸進行圖像增強

首先，連續譜去除用于增強預處理壁畫高光譜圖像的光譜特征。連續譜去除是通過突出光譜曲線的吸收和反射特征并將其歸一化為一致的光譜背景來增強光譜特征的有效方法。然后選取波長分別為640.31 nm、549.79 nm和460.20 nm的三個波段作為紅、綠、藍通道合成假彩色圖像，通過直方圖進行線性拉伸實現信息增強。其中，直方圖線性拉伸是一種通過按比例放大原始圖像的亮度范圍，使變換后的圖像直方圖兩端飽和，從而提高圖像質量的一種方法。最后將18幅增強圖像進行拼接得到信息增強圖。 如圖6所示，增強后的壁畫圖像背景中的線條顏色為白色，人物與背景的分離度更高，真彩色圖像中極度油煙區域的線條也清晰可見。壁畫圖像的對比度更高，細節更清晰。此外，在增強壁畫圖像的背景中，中間濃、底部淡的白色霧狀物質也能在一定程度上反映出壁畫被油煙污染的程度和程度。

圖5

連續譜去除和線性拉伸方法的信息增強圖像

?

利用譜差提取隱藏信息

另外可以發現，在普通數碼相機拍攝的真彩色圖像中，最后一個人物的身體、頸部、面部、眼球和眼角都是藍黑色的，如圖6a所示。在增強后的壁畫圖像中，身體邊緣、頸部、眼球和眼睛邊緣的顏色是白色的，與圖7中人物的全身和面部顏色明顯不同。 b.在預處理后的高光譜壁畫圖像中，提取感興趣區域，計算平均光譜曲線。如圖6所示c、人體和面部光譜曲線的吸收特征和趨勢相似，僅在700~1000 nm之間的反射率不同。衣邊、頸部、眼球和眼緣4條曲線的光譜特征相似，與身體和面部的光譜曲線有明顯區別。因此，身體邊緣使用的顏料可能與身體和頸部使用的顏料不同。

圖6

從高光譜圖像中提取的隱藏信息：普通數碼相機拍攝的正佛像;b隱藏信息提取后右佛的結果圖像;c圖像中典型物體的平均光譜曲線

?

為了考察顏料使用上的差異，又選取了壁畫中的另外三尊佛像進行比較。圖7顯示了四個選定的 Buddha 區域。

圖7

信息增強前后四佛局部圖像：普通數碼相機拍攝的第一尊佛局部圖像;b普通數碼相機拍攝的二佛局部圖像;c普通數碼相機拍攝的三世佛局部圖像;d普通數碼相機拍攝的四世佛局部圖像;圖像增強后的第一尊佛的局部圖像;f圖像增強后的二佛局部圖像;g圖像增強后的第三尊佛的局部圖像;h圖像增強后的四世佛局部圖像

?

從圖8可以看出 ，在本尊佛像中，可以看到四尊佛身為藍黑色，二、三、四尊佛的臉色為藍黑色，色帶一世、二世、三世佛都是棕色的。然而，圖8中增強后的壁畫圖像中的面部、身體和色帶的顏色存在一些差異 。因此，為了比較不同佛像的面部、身體和色帶區域是否存在不同的色素，我們在預處理后的高光譜壁畫圖像中選擇感興趣區域，計算平均光譜曲線，如圖8所示。

圖8

高光譜圖像中四佛典型物體的光譜曲線：a為二、三、四佛的面部光譜;b四佛身相圖;c一、三、四佛的色帶圖

?

從圖8a可以看出 ，對于不同佛的面部區域，第三和第四佛的反射率曲線相似，而第二曲線與其他兩個略有不同。反射率差異接近3%。但700 nm附近的吸收谷位置和曲線趨勢比較相似。反射率的差異可能是由光的不同亮度或其他噪聲引起的。

對于圖8b所示的不同佛的身體區域 ，四佛的光譜曲線高度相似。最大的差異出現在第二條曲線和其他曲線之間，大約為 1%。

值得注意的是，對于不同佛的色帶區域，如圖7e -g所示，在增強圖像中，第一、二、三佛的色帶顏色相對不同。圖7c中，三佛的光譜曲線也不同。反射率的最大差異超過 4%。因此，這部分的顏料可能會有所不同。

因此，高光譜光譜特征增強和圖像增強等方法可以提高壁畫圖像質量，豐富信息量，增強古代壁畫的解讀和識別效果。它可以挖掘難以辨認的信息并揭示改變的區域。從而可以用來增加古代壁畫的可讀性和藝術表現效果，為古代壁畫的研究提供新的啟示。

虛擬修復

由于年代久遠，受潮濕、高溫等自然環境和寺廟燒香、拜佛等人類活動的影響，壁畫都有不同程度的退化。借助圖像復原方法，可以在不干擾壁畫現狀的情況下，虛擬地復原壁畫的破損。它是對壁畫文件和實際修復的寶貴補充。虛擬修復可以為實際修復提供有用的信息，提高古代壁畫保護修復的效率。高光譜成像技術以其寬廣的光譜覆蓋范圍和比可見光更強的穿透能力，為虛擬修復提供了新的可能。

受煙塵影響的壁畫圖像合成

如圖 10a所示，壁畫被油煙污染嚴重，部分圖案被遮蓋。整個畫面都被熏黑了，背景中的一些線條甚至難以辨認。在預處理后的壁畫高光譜圖像中，由于紅色背景區域的感興趣區域受煙塵影響較小，提取了煙塵損害相對嚴重區域的煙塵紅底和煙塵黑線，計算平均光譜曲線。如圖 10b，紅底和煙灰紅底兩條曲線的趨勢和光譜特征位置相似。交叉發生在波長800nm附近;也就是說，煙灰對紅色背景的影響可能在該波段附近較小。550 nm后，煙灰紅底和煙灰黑線兩條光譜曲線的差異隨著波長的增加而增大;也就是說，背景和線條的可分離性增加了。

圖9

不同煙灰水平下圖案的光譜分析：壁畫圖像;b感興趣區域及其平均光譜曲線

?

圖10顯示了壁畫小區域的 真彩色圖像(圖10a )和波長為 405.79 nm(圖10b)、605.40 nm(圖 10c)和 805.53 nm(圖 10)的圖像。 10d ). 紅底黑線在波長為805.53nm的波段更加清晰，字符右側白漆缺失邊緣的黑痕在該波段消失。

圖10

不同波長的高光譜圖像：真彩色圖像;b波段為 405.79 nm;c波段為605.40 nm;805.53 nm 的d波段

?

因此，選擇波長分別為805.53 nm、549.79 nm和460.20 nm的三個波段作為紅、綠、藍通道，將偽彩色圖像與預處理后的高光譜圖像進行合成。在真彩色圖像的基礎上，對合成的假彩色圖像進行分塊直方圖匹配，得到圖案更清晰、色彩逼真的油煙壁畫圖像。

初步除煙

與一般退化不同，煙灰往往會覆蓋大面積的壁畫圖案，煙灰覆蓋圖像的空間分布與有霧圖像相似。

在計算機視覺和計算機圖形學中，通常使用大氣散射模型來描述霧圖像的形成過程和原理。煙熏和霧的顆粒雖然不同，但都會導致部分光被顆粒散射，入射光接觸到顆粒時，光的強度會減弱。

其中是保持圖像透視深度的常數參數。通過結合假彩色圖像、大氣散射模型和暗通道先驗，對合成的煙灰覆蓋壁畫圖像進行初步煙灰去除。首先通過偽彩色圖像計算出暗通道圖像，根據暗通道圖像得到大氣光值和透射率。其次，根據大氣散射模型從合成的煙灰覆蓋壁畫圖像中獲得無煙灰圖像。最后調整亮度，實現對油煙的初步去除。然后將這些圖像轉換到HSV空間，其中V分量乘以設定的亮度因子形成一個新的V分量，用于進行逆HSV變換以獲得調整亮度的圖像。如圖 11，與原圖相比，初步去煙塵后的壁畫圖像煙塵影響降低，細節突出，紅底黑線更清晰。

圖 11

合成煙灰覆蓋的壁畫圖像

掉漆補漆

壁畫背景存在多處因掉漆造成的破損，導致底部白墻外露。為了進一步改善壁畫的視覺效果，采用圖像修復算法修復掉漆部分。圖像修復算法，可以同步利用圖像中的紋理和結構信息，更好地實現目標區域的填充. 首先，對待修復區域的像素進行掩蔽，計算被掩蔽區域邊緣的塊的優先級，找出優先級最高的圖像塊。然后這個補丁被替換為在相似性標準下在整個圖像中搜索的最佳目標補丁。最后，更新剩余的屏蔽區域和相應的置信度優先級和數據優先級。下一個具有最高優先級的圖像塊將以相同的方式填充。重復此過程，直到修復所有像素塊。在使用算法對圖像進行修復之前，我們需要知道要修復的區域。因此，我們提出了一種使用支持向量機 (SVM) 定位油漆損失區域的方法。第一的，壁畫中的人物區域與背景區域區分開來，因為掉漆區域主要位于背景區域。另一個原因是壁畫中的人物非常細膩，色彩豐富，這可能會影響提取區域的準確性和修復的效果。其次，選擇圖像中每種顏色的感興趣區域、遮罩區域和油漆損失區域作為訓練數據，如圖13b 所示。分類方法用于將蒙版背景區域分為幾個類別，包括油漆損失區域，如圖 12c所示。第三，為了使提取區域完全覆蓋劣化區域，形態學濾波中的膨脹操作進行了三次，以擴大原來提取的區域。最終提取的油漆損失區域如圖 12d所示。

圖 12

提取掉漆區域：區分佛像和背景區域的mask ;b每種顏色、蒙版區域和掉漆區域的訓練數據;c SVM分類圖;d提取的油漆損失區域

?

最后，在初步去除煙灰后，使用 Criminisi 算法修復圖像中的油漆損失區域。如圖 13所示，從視覺效果來看，修復掉漆后，壁畫中的大部分白墻都出現了，使得整個畫面更加連貫。

圖 13

掉漆補漆

?

其中是圖像的DN，是環境光的分量，為壁畫的反射率圖像，為修復后的結果圖像。為進一步修復受煙塵影響的壁畫圖像，根據方法，設置兩個不同權重和參數的雙邊濾波器，解決掉漆修復后圖像的光照和反射，實現壁畫圖像的虛擬修復. 其中，雙邊濾波器是一種非線性濾波器，可以同時考慮空間信息和灰度相似度，可以更好地達到保邊和去噪的目的。最后對18張復原圖像進行拼接，得到虛擬復原圖。從視覺上看，如圖 14所示，修復后的圖像基本消除了油煙對壁畫內容的影響，修復了背景的掉漆。清晰連貫;因此，該方法在很大程度上恢復了壁畫的原貌。

圖 14

虛擬復原圖

?

因此，利用高光譜成像的優勢以及相關的去霧方法和圖像修復算法，可以恢復被煙塵模糊的壁畫圖像，修復背景中的掉漆損壞。這種方法更適用于煙灰較輕、掉漆面積較小的壁畫。對嚴重煙灰(基本看不見)或大面積掉漆的壁畫的修復工作將進一步研究。盡管如此，這種方式還是有助于提升古代壁畫的藝術表現力，提高線上展覽的流通能力，讓更多的觀眾看到。也可為壁畫修復提供有價值的指導。

結論

在這項研究中，獲取并分析了一幅古代壁畫的高光譜成像數據。研究成果可歸納如下：(1)基于高光譜成像數據和純色素光譜庫，通過端元提取、光譜匹配和豐度反演算法，可以定量分析古代壁畫色素的種類和含量。壁畫中的線條也可以提取;(2) 高光譜技術有助于識別顏料或表面材料所覆蓋的信息。采用連續譜去除、直方圖線性拉伸等增強方法，可以增強壁畫圖像，突出壁畫中隱藏的信息;(3)高光譜圖像在壁畫圖像的復原中具有獨特的優勢。結合去霧方法和圖像修復算法可以實現壁畫的虛擬修復。本研究將拓展高光譜成像技術在古代壁畫保護與研究中的應用。可以增強對古代壁畫的數字化記錄能力，提高古代壁畫的藝術表現力和流通展示能力。還需要指出的是，一些涉及的方法，如色素分析、信息提取和虛擬復原等，還需要進一步研究以取得更高的性能。可以增強對古代壁畫的數字化記錄能力，提高古代壁畫的藝術表現力和流通展示能力。還需要指出的是，一些涉及的方法，如色素分析、信息提取和虛擬復原等，還需要進一步研究以取得更高的性能。可以增強對古代壁畫的數字化記錄能力，提高古代壁畫的藝術表現力和流通展示能力。還需要指出的是，一些涉及的方法，如色素分析、信息提取和虛擬復原等，還需要進一步研究以取得更高的性能。