中华上下五千年的文明源远流长,古人留下了丰富的文化遗产,供后人欣赏以及品鉴学习。在中国古代众多的艺术形式中,壁画作为我国文化遗产重要组成部分,拥有极高的历史价值、科学价值与文化价值。壁画不仅仅是供人们观赏,同时还蕴含着丰富的文化信息,后人从壁画中可以了解当代的文化习俗、宗教信仰等等信息。随着时间的流逝,壁画也会受到不同程度的侵蚀,也会受到病害的侵害,这些病害会导致壁画变得不完整,相应的就会失去研究价值。在科技愈来愈发达的今天,针对于古文物的保护不只是止步于影像的留存,古文物数字化渐渐成为古文物的主要保护方式,数字化不仅可以更好地留存古文物的信息,也可以更大范围地将本国的文化瑰宝向全世界展示。将壁画数字化之后也可以在数字化的壁画上完成对病害的检测及边缘提取,更有利于后续专业人员对壁画的修复及保护。传统的文物病害提取方式主要以人工量测、正射影像绘制等方法为主,对于大规模壁画病害的快速统计而言效率较低,并且还有以下几点问题:（1）无法快速获得正射影像;（2）不能实现自动快速识别壁画病害区域（3）分割算法的鲁棒性不理想,提取的边缘不完整;（4）目前没有壁画病害的样本库。因此大规模自动快速检测与提取病害边缘是必要的任务,也是目前研究的重点。现有的正射影像生成都是以平面为主,通过微分纠正或是多项式纠正生成正射影像。类柱面对象的正射影像生成可以将三维点云投影到拟合的柱面基准面上通过与近景影像配准,生成真正射影像。也可以通过分段圆柱等角正切投影的算法生成柱面正射影像。传统壁画病害检测有目测法和敲击法,自动检测的方法有红外热波成像识别、光学相干层析成像技术和超声层析成像技术,这些技术都有消耗大量人力,无法达到自动快速识别病害的缺点。病害边缘的提取我们主要采用图像分割算法,包括K-means算法,K-means++算法,Turbopixels分割算法。这些算法的约束条件不够,鲁棒性不强,不能在保证精度的情况下实现自动快速提取。在针对上述问题,本文提出了高精度自动的方法检测并提取病害边缘信息的方法。主要的研究内容为:（1）平面及柱面的壁画正射影像的快速获取;（2）壁画病害区域的自动化快速检测;（3）病害边缘高精度提取;（4）壁画病害信息样本库的建立。在平面及柱面正射影像快速获取方面,针对于不同的基准面,本文选用了两种不同的方式生成正射影像。对于绘制在平面的壁画:与传统的生成正射影像的方式不同,本文使用OSG的渲染方式完成从三维到二维的转换,该方法省去了获取像片的外方位元素以及省去了生成DSM和DEM的时间,直接使用三维模型就可获得正射影像。对于绘制在类柱面的壁画,相比较平面的正射影像获得,需要多一步柱面展开的操作,将柱面展为平面,再对其进行渲染处理,最终获得类柱面上的壁画正射影像。在高精度快速检测壁画病害方面,以壁画正射影像为基础,建立病害数据集,应用图像深度学习改进的CBAM-YOLOv4算法对数据集进行训练,并用ASPP结构替换掉SPP结构,增加网络感受野,通过对比实验找到最适用于YOLOv4网络检测的数据集制作方式,经过实验对比,改进后的YOLOv4比原YOLOv4具有更高的检测精度,能够完成对壁画正射影像自动快速识别。通过实验证明,本文研究方法对病害识别精度达到了83.21%,验证了改进算法的有效性。在壁画病害边缘高精度提取方面,本文使用了改进的SLIC算法,使得SLIC算法在划分超像素的时候可以针对于不同的病害自适应地调整紧凑度m和聚类中心个数,具体实现是先给定一个聚类中心的初始值,然后用Canny算子提取的边缘作为约束条件,计算召回率,在不断的迭代过程中找到达到召回率标准的参数值,将聚类中心的值固定,再对紧凑度进行迭代,直到达到标准,最终获得最优最合适的参数值。在获得病害部分的超像素块时候,使用K-Means算法进行约束将病害区域的超像素块聚类,获得病害的完整边缘。本文在壁画的正射影像的基准上,完成了对壁画脱落病害的检测与边缘提取,其中涉及到了圆柱面正射影像的生成,对YOLOv4网络的改进,以及对SLIC超像素分割算法的改进。最终实现了壁画病害的快速高精度检测,并且获得了贴合度较高的病害边缘,在此基础上可以为文物科技保护提供有利的数据支撑。