彩绘文物的线稿能够清楚地反映彩绘内容、图案结构以及作者绘画方法与风格,使得对彩绘文物的保护不仅停留在文物本体的保护,更能对彩绘文物进行生动地传承。近年来,高光谱技术以其无损且“空谱合一”的特性,用于彩绘文物线稿提取,取得了一定的研究成果,但是现有方法人工干预较多,阈值较难确定;并且由于彩绘文物噪声比较大,线稿提取的完整性与准确性有待进一步提高。本文从非负矩阵欠近似以及深度学习图像去噪两方面进行了深入研究,提出了一种新的彩绘文物线稿提取方法。主要研究内容如下:（1）提出基于L_{1 2}范数的稀疏非负矩阵欠近似算法。非负矩阵欠近似能够将像元的光谱曲线表示成端元光谱曲线线性组合的形式,有助于将不同特征分离。而稀疏约束能够使不同颜料端元进一步分离,本文采用L_{1 2}范数作为稀疏约束改进非负矩阵欠近似算法,得到更好的特征分离效果,获得线稿信息丰富的成分,并将其作为最优成分。（2）提出一种新的基于最优成分的线稿提取方法。目前的线稿提取算法仅通过光谱信息对线稿进行提取,本文充分利用提取的最优成分图像的空间信息对线稿进行提取。实验结果表明,该方法较现有方法线稿提取效果更好,同时该方法能够自动提取图像的线稿信息,不需要人工干预,对线稿的材料成分也没有限制。（3）提出基于深度残差网络的彩绘文物线稿图像去噪算法。本文对DnCNN（Feed-forward Denoising Convolution Neural Networks）图像去噪网络进行了改进,通过引入残差网络,使之能够训练更深的网络,以更好地学习噪声特点;再针对彩绘文物去噪训练样本不足的问题,采用迁移学习预训练保证网络去噪效果。实验结果表明,提出算法能够有效地去除线稿图像中的噪声干扰,有助于提取更干净的线稿。