החלת הדמיית רפלקטיביות היפרספקטרלית כדי לחקור את לוחות הצבעים ואת הטכניקות של ציירים

Summary

היפרספקטרלי רפלקטיבי הדמיית hypercubes כוללים מידע יוצא דופן לתוך כמות גדולה של נתונים. לכן, הבקשה לפרוטוקולים אוטומטיים לניהול ולמידה של ערכות הנתונים מוצדקת באופן נרחב. השילוב של ממפה זווית ספקטרלי, מניפולציה בנתונים ושיטת ניתוח מתכווננת למשתמש מהווה סיבוב מפתח לחקר תוצאות הניסוי.

Abstract

ספקטרוסקופיית רפלקטיביות (RS) וספקטרוסקופיית רפלקטיביות מחזירי סיבים אופטיים (FORS) הן טכניקות מבוססות היטב לחקירת יצירות אמנות עם תשומת לב מיוחדת לציורים. רוב המוזיאונים המודרניים עומדים לרשות קבוצות המחקר שלהם ציוד נייד, שיחד עם אי פולשניות מהותית של RS ו- FORS, מאפשרת את האוסף במקום של ספקטרום רפלקטיביות מפני השטח של חפצים. ההשוואה, שבוצעה על ידי מומחים בפיגמנטים ובחומרי ציור, של הנתונים הניסיוניים עם מסדי נתונים של ספקטרום התייחסות מניעה את אפיון לוחות הצבעים ואת הטכניקות המשמשות את האמנים. עם זאת, גישה זו דורשת מיומנויות ספציפיות וזה זמן רב במיוחד אם מספר הספקטרום להיחקר הופך גדול כמו במקרה של Hyperspectral רפלקטורליות הדמיית רפלקטיבית (HRI) ערכות נתונים. ההגדרות הניסיוניות של HRI הן מצלמות רב-ממדיות המקשרות את המידע הספקטרלי, שניתן על ידי ספקטרום ההשתקפות, עם לוקליזציה מרחבית של הספקטרום על פני השטח המצוירים. ערכות הנתונים המתקבלות הן קוביות תלת-ממד (הנקראות היפרקובים או קוביות נתונים) שבהן שני הממדים הראשונים מאתרים את הספקטרום מעל הציור והשלישי הוא הספקטרום עצמו (כלומר, ההשתקפות של אותה נקודה של המשטח הצבוע לעומת אורך הגל בטווח האופרטיבי של הגלאי). היכולת של הגלאי לאסוף בו זמנית מספר רב של ספקטרום (בדרך כלל הרבה יותר מ -10,000 עבור כל hypercube) עושה את הנתונים HRI ערכות מאגרי מידע גדולים ומצדיק את הצורך בפיתוח של פרוטוקולים חזקים, ואולי, אוטומטיים כדי לנתח את הנתונים. לאחר תיאור ההליך המיועד לרכישת הנתונים, אנו מציגים שיטת ניתוח המנצלת באופן שיטתי את הפוטנציאל של hypercubes. בהתבסס על ממפה זווית ספקטרלי (SAM) ועל המניפולציה של הספקטרום שנאסף, האלגוריתם מטפל ומנתח אלפי ספקטרום ובו בזמן הוא תומך המשתמש לחשוף את התכונות של הדגימות הנחקרות. כוחה של הגישה מומחש על ידי החלתה על קווארטו סטאטו, יצירת המופת האייקונית של ג’וזפה פליצה דה וולפדו, שנערכה במוזיאון דל נובסנטו במילאנו (איטליה).

Introduction

ספקטרוסקופיית רפלקטיביות (RS) וספקטרוסקופיית רפלקטיביות סיבים אופטיים (FORS) מבוססות על גילוי האור המוחזרים על ידי משטחים שאוירו בעבר על ידי מקור אור, בדרך כלל מנורת טונגסטן-הלוגן. התפוקה של מערכת הרכישה נוצרת על ידי ספקטרום שבו רפלקטיביות מנוטרת כפונקציה של אורך הגל בטווח התלוי במאפייני ההתקנה הניסיונית המועסקת1,2,3. הוצגו במהלך ארבעת העשורים ^{האחרונים4,5}, RS ו FORS משמשים בדרך כלל בשילוב עם פלואורסצנטיות רנטגן וספקטרוקופיות אחרות כדי לתאר את החומרים והטכניקות המשמשות אמנים למימוש יצירות המופת שלהם6,7,8,9. המחקר של ספקטרום רפלקטיביות מבוצע בדרך כלל על ידי השוואת הנתונים מהמדגם עם קבוצה של ספקטרום ייחוס שנבחר על ידי המשתמש במסדי נתונים אישיים או ציבוריים. לאחר שזוהתה ספקטרום הייחוס העומד בתקופת המימוש של המדגם ועם דפוס הפעולה של האמן, המשתמש מזהה את התכונות העיקריות של ספקטרום ההשתקפות (כלומר, מעבר, ספיגה, ולהקות השתקפות1,2,10,11) ולאחר מכן, בעזרת טכניקות ^{אחרות6,7,8} הם מבחינים בין הפיגמנטים ששימשו בציורים. לבסוף הם דנים בהבדלים הקלים הקיימים בין ההתייחסויות לבין הספקטרום ^{הניסיוני7,9}.

ברוב המקרים, ערכות הנתונים הניסיוניות מורכבות מכמה ספקטרום, שנאסף מאזורים שנבחרו על ידי מומחי אמנות והניחו שהוא משמעותי לאפיון הציור6,12,13. למרות הכישורים והניסיון של המשתמש, כמה ספקטרום לא יכול למצות באופן מלא את המאפיינים של כל המשטח הצבוע. יתר על כן, התוצאה של הניתוח תמיד תהיה תלויה מאוד במומחיות של המבצע. בתרחיש זה, הדמיית רפלקטיביות היפרספקטרלית (HRI3,14,15) יכולה להיות משאב שימושי. במקום כמה ספקטרום מבודד, ההתקנות הניסיוניות מחזירות את תכונות ההשתקפות של חלקים מורחבים או אפילו של החפץ כולו תחת ^חקירה16. שני היתרונות העיקריים ביחס לרכישת הספקטרום המבודד ניכרים. מצד אחד, הזמינות של ההתפלגות המרחבית של תכונות רפלקטיביות מאפשרת זיהוי של אזורים המסתירים תכונות מעניינות, למרות שהם אולי לא נראים ^{מוזרים17}. מצד שני, hypercubes להבטיח מספר ספקטרום גבוה מספיק כדי לאפשר את הניתוח הסטטיסטי של הנתונים. עובדות אלה תומכות בהבנת התפלגות הפיגמנטים בתוך המשטח ^{המצויר18,19}.

עם HRI, ההשוואה של הנתונים הניסיוניים עם הפניות יכול להיות קשה להתמודד עם ¹⁵. גלאי טיפוסי מחזיר היפרקובים של ספקטרום של לפחות 256 x 256. זה יחייב את המשתמש להעריך יותר מ 65,000 ספקטרום רפלקטיביות נגד כל התייחסות, משימה כמעט בלתי אפשרית להתבצע באופן ידני בזמן סביר. לכן, הבקשה לפרוטוקולים חזקים ואולי אוטומטיים לניהול וניתוח של ערכות נתונים של HRI היא יותר מ- ^15,17 מוצדקת. השיטה המוצעת עונה על צורך זה על ידי טיפול בהליך האנליטי כולו במינימום מעורבות ובגמישות המרבית.

אלגוריתם הכולל קבוצה של קודים תוצרת בית (טבלת חומרים) קורא, מנהל ומארגן את הקבצים המוחזרים על-ידי ההתקנה הניסיונית. הוא מאפשר לחקור את הבחירה המשובחת של חלקי שדות הראייה (FOVs, שדה ראייה אחד הוא שטח הציור המנוטר על ידי היפרקוב יחיד) ולבצע את ניתוח הנתונים בהתבסס על שיטת ממפה זווית ספקטרלי (SAM) ^20,21 ועל המניפולציה של הספקטרום המקורי. SAM מחזירה תמונות מזויפות בצבע אפור הנקראות מפות דמיון. הערכים של הפיקסלים של מפות אלה תואמים לזוויות הספקטרליות שהן הזוויות בין הספקטרום המאוחסן בהיפרקובים לבין מה שמכונה חברי קצה (EMs, קבוצה של ספקטרום התייחסות שאמור לתאר את התכונות של פני השטח המנוטרים על ידי hypercubes)²². במקרה של RS החל על ציורים, EMs הם ספקטרום רפלקטיביות של פיגמנטים שאמורים להתאים את לוח הצבעים של המאסטר. הם נבחרים על סמך המידע הזמין על האמן, תקופת מימוש הציור ומומחיות המשתמש. לכן, הפלט של SAM הוא קבוצה של מפות המתארות את ההפצות המרחביות של פיגמנטים אלה על משטח הציור וזה תומך המשתמש להסיק את החומרים המשמשים את האמן ואת הארגון שלהם בחפץ. האלגוריתם מציע את האפשרות להשתמש בכל מיני הפניות באופן עצמאי ממקורם. ההתייחסויות יכולות להיות ספקטרום ספציפי שנבחר בתוך hypercubes, לבוא ממסדי נתונים, להירכש על ידי מכשיר אחר על משטח אחר (כגון דגימות של פיגמנטים או לוח הצבעים של האמן, למשל), או לקבל באמצעות כל סוג של ספקטרוסקופיית רפלקטיביות, כולל FORS.

SAM הועדף בין שיטות הסיווג הזמינות מכיוון שהוא הוכח כיעיל לאפיון פיגמנטים (עיין בספר של ^Richard23 כדי לקבל סקירה של שיטות הסיווג הזמינות העיקריות). במקום זאת, הרעיון לפתח פרוטוקול תוצרת בית במקום לאמץ את אחד הכלים הרבים הזמינים בחופשיות ברשת ^24,25 מסתמך על שיקול מעשי. למרות האפקטיביות והיסוד המדעי של ה- GUIs והתוכנה הקיימים, כלי אחד בקושי עונה על כל הצרכים של המשתמש. ייתכן שקיימת בעיית קלט/פלט (קלט/פלט) מאחר שכלי אינו מנהל את הקובץ המכיל את הנתונים הגולמיים. ייתכנו בעיה לגבי ניתוח הנתונים מכיוון שכלי אחר אינו מספק את הגישה הרצויה. ייתכן שקיימת מגבלה בטיפול בנתונים מכיוון שאין תמיכה בניתוח סימולטני של ערכות נתונים מרובות. בכל מקרה, כלי מושלם אינו קיים. יש להתאים כל שיטה לנתונים או להיפך. לכן, פיתוח פרוטוקול תוצרת בית היה מועדף.

הגישה המוצגת אינה מציעה קבוצה שלמה של שיטות אנליטיות (ראה, לשם השוואה, הכלי המוצע על ידי Mobaraki ו- ^Amigo24) ולא ממשק משתמש קל לניהול (ראה, לשם השוואה, את התוכנה המועסקת על ידי Zhu ו- עמיתים ^{לעבודה25}), אבל, בתמורה, הוא מתמקד בהיבט עדיין מוערך של ניתוח נתונים היפרספקטרלי: ההזדמנות לתפעל את הספקטרום שזוהה. כוחה של הגישה מומחש על ידי החלתה על הציור קווארטו סטאטו מאת ג’וזפה פיליצה דה וולפדו (איור 1), שמן איקוני על בד המוחזק במוזיאון דל נובסנטו במילאנו, איטליה. שים לב כי מאחר שהגישה דורשת הפעלת קודים תוצרת בית, היזם בחר באופן שרירותי את שמות הקודים ואת משתני הקלט והפלט המשמשים בתיאור הפרוטוקול. שמות המשתנים יכולים להשתנות על ידי המשתמש אך יש לספק אותם כדלקמן: משתני הקלט והיצוי חייבים להיכתב בהתאמה בתוך סוגריים מרובעים ובסופו של דבר מופרדים באמצעות פסיק ובתוך סוגריים מרובעים ובסופו של דבר מופרדים על ידי רווח לבן. להיפך לא ניתן לשנות את שמות הקודים.

Protocol

1. הגדר את הרזולוציה המרחבית של hypercubes בצע בדיקה ראשונית של המשטח הצבוע (איור 1) הנתמך על ידי מומחי אמנות כדי לזהות את המאפיינים העיקריים של הציור. להכיר את הטכניקות הציוריות בהן השתמש האמן ליצירת הציור. זהה את משיכות המברשת השונות של צבע על בד הציור. להער…

Representative Results

הפרוטוקול המוצע מציע סדרה של תכונות מעניינות לניהול וניתוח נתוני HRI. קלט/פלט (שלב 3.1) של הנתונים הגולמיים הוא תמיד הבעיה הראשונה שיש לפתור לפני החלת שיטת ניתוח כלשהי והיא יכולה להפוך לבעיה קריטית בעת התמודדות עם כמויות גדולות של נתונים. במקרה הנוכחי, המשימה היחידה לגבי הנתונים הגולמיים היא …

Discussion

ערכות נתונים של הדמיית רפלקטיביות היפרספקטרליות הן מאגרי מידע גדולים; לכן, פיתוח פרוטוקולים חזקים, ואולי אוטומטיים לנתח את הנתונים הוא תפנית מפתח לנצל את הפוטנציאל ^{שלהם15,17}. האלגוריתם המוצע עונה על צורך זה בתחום המורשת התרבותית בתשומת לב מיוחדת לאפיון הפיג?…

Materials

ImageJ/Fiji	Specim (Oulo, Finlad)	N/A	Portable reflectance hyperspectral camera used to acquire the hypercubes
MATLAB 2019b	StellarNet Inc (Tampa, Florida, USA)	N/A	Portable reflectance spectrometer used to acquire independent reflectance spectra
Specim IQ Hyperspectral Camera	National Institutes of Health (Bethesda, Maryland, USA)	N/A	Open source Java image processing program
StellarNet BLUE-wave Miniature Spectrometer	MathWorks (Natick, Massachusset, USA)	N/A	Program Language and numerical computing environment