पैलेट्स और पेंटर्स की तकनीकों की जांच करने के लिए हाइपरस्पेक्ट्रल परावर्तकता इमेजिंग लागू करना
Summary
हाइपरस्पेक्ट्रल रिफ्लेक्टेंस इमेजिंग हाइपरक्यूब्स में बड़ी मात्रा में डेटा में उल्लेखनीय जानकारी शामिल है। इसलिए, डेटासेट का प्रबंधन और अध्ययन करने के लिए स्वचालित प्रोटोकॉल के लिए अनुरोध व्यापक रूप से उचित है। वर्णक्रमीय कोण मैपर, डेटा हेरफेर, और एक उपयोगकर्ता-समायोज्य विश्लेषण विधि का संयोजन प्रयोगात्मक परिणामों की खोज के लिए एक कुंजी-मोड़ का गठन करता है।
Abstract
परावर्तकता स्पेक्ट्रोस्कोपी (आरएस) और फाइबर ऑप्टिक्स परावर्तकता स्पेक्ट्रोस्कोपी (FORS) चित्रों पर विशेष ध्यान देने के साथ कला के कार्यों की जांच के लिए अच्छी तरह से स्थापित तकनीकें हैं। अधिकांश आधुनिक संग्रहालयों ने अपने शोध समूहों के निपटान में रखा पोर्टेबल उपकरण, जो आरएस और एफओआरएस की आंतरिक गैर-आक्रामकता के साथ मिलकर, कलाकृतियों की सतह से परावर्तकता स्पेक्ट्रा के इन सीटू संग्रह को संभव बनाता है। तुलना, रंजक और पेंटिंग सामग्री में विशेषज्ञों द्वारा प्रदर्शन किया, संदर्भ स्पेक्ट्रा के डेटाबेस के साथ प्रयोगात्मक डेटा पैलेट और कलाकारों द्वारा उपयोग की जाने वाली तकनीकों के लक्षण वर्णन को चलाता है। हालांकि, इस दृष्टिकोण के लिए विशिष्ट कौशल की आवश्यकता होती है और यह समय लेने वाला है, खासकर अगर जांच किए जाने वाले स्पेक्ट्रा की संख्या बड़ी हो जाती है जैसा कि हाइपरस्पेक्ट्रल रिफ्लेक्टेंस इमेजिंग (एचआरआई) डेटासेट के मामले में है। एचआरआई प्रयोगात्मक सेटअप बहु-आयामी कैमरे हैं जो वर्णक्रमीय जानकारी को जोड़ते हैं, जो परावर्तकता स्पेक्ट्रा द्वारा दी गई है, चित्रित सतह पर स्पेक्ट्रा के स्थानिक स्थानीयकरण के साथ। परिणामी डेटासेट 3 डी-क्यूब्स (जिसे हाइपरक्यूब्स या डेटा-क्यूब्स कहा जाता है) हैं जहां पहले दो आयाम पेंटिंग पर स्पेक्ट्रम का पता लगाते हैं और तीसरा स्पेक्ट्रम ही है (यानी, डिटेक्टर की ऑपरेटिव रेंज में तरंग दैर्ध्य बनाम चित्रित सतह के उस बिंदु की परावर्तकता)। डिटेक्टर की क्षमता एक साथ बड़ी संख्या में स्पेक्ट्रा (आमतौर पर प्रत्येक हाइपरक्यूब के लिए 10,000 से अधिक) एकत्र करने की क्षमता एचआरआई डेटासेट को जानकारी के बड़े जलाशय बनाती है और डेटा का विश्लेषण करने के लिए मजबूत और संभवतः, स्वचालित प्रोटोकॉल के विकास की आवश्यकता को सही ठहराती है। डेटा अधिग्रहण के लिए डिज़ाइन की गई प्रक्रिया के विवरण के बाद, हम एक विश्लेषण विधि प्रस्तुत करते हैं जो व्यवस्थित रूप से हाइपरक्यूब्स की क्षमता का शोषण करती है। वर्णक्रमीय कोण मैपर (एसएएम) के आधार पर और एकत्र स्पेक्ट्रा के हेरफेर पर, एल्गोरिथ्म हजारों स्पेक्ट्रा को संभालता है और विश्लेषण करता है जबकि एक ही समय में यह उपयोगकर्ता को जांच के तहत नमूनों की विशेषताओं का अनावरण करने का समर्थन करता है। दृष्टिकोण की शक्ति को क्वार्टो स्टैटो पर लागू करके सचित्र किया गया है, जो ग्यूसेप पेलिज़ा दा वोल्पेडो द्वारा प्रतिष्ठित कृति है, जो मिलान (इटली) में म्यूज़ियो डेल नोवेसेंटो में आयोजित की गई है।
Introduction
परावर्तकता स्पेक्ट्रोस्कोपी (आरएस) और फाइबर ऑप्टिक्स परावर्तन स्पेक्ट्रोस्कोपी (FORS) एक बार प्रकाश स्रोत द्वारा प्रकाशित सतहों द्वारा परावर्तित प्रकाश का पता लगाने पर आधारित हैं, आमतौर पर एक टंगस्टन-हैलोजन लैंप। अधिग्रहण प्रणाली का आउटपुट स्पेक्ट्रा द्वारा गठित किया जाता है जहां परावर्तकता को एक सीमा में तरंग दैर्ध्य के एक समारोह के रूप में मॉनिटर किया जाता है जो नियोजित प्रयोगात्मक सेटअप 1,2,3 की विशेषताओं पर निर्भर करता है। पिछले चार दशकों के दौरान पेश किया गया 4,5, आरएस और एफओआरएस आमतौर पर एक्स-रे प्रतिदीप्ति और अन्य स्पेक्ट्रोस्कोपी के साथ संयोजन में उपयोग किया जाता है ताकि कलाकारों द्वारा अपनी उत्कृष्ट कृतियों को महसूस करने के लिए उपयोग की जाने वाली सामग्रियों और तकनीकों का वर्णन किया जा सके। परावर्तकता स्पेक्ट्रा का अध्ययन आमतौर पर व्यक्तिगत या सार्वजनिक डेटाबेस में उपयोगकर्ता द्वारा चुने गए संदर्भ स्पेक्ट्रा के एक समूह के साथ नमूने से डेटा की तुलना करके किया जाता है। एक बार संदर्भ स्पेक्ट्रा जो नमूने की प्राप्ति अवधि का अनुपालन करता है और कलाकार के मोडस ऑपरेंडी की पहचान की गई है, तो उपयोगकर्ता परावर्तकता स्पेक्ट्रा (यानी, संक्रमण, अवशोषण, और प्रतिबिंब बैंड 1,2,10,11) की मुख्य विशेषताओं को पहचानता है और फिर, अन्य तकनीकों की मदद से 6,7,8 वे उन पिगमेंट्स को अलग करते हैं जिनका उपयोग चित्रों में किया गया है। अंत में वे मामूली अंतर पर चर्चा करते हैं कि संदर्भों और प्रयोगात्मक स्पेक्ट्रा 7,9 के बीच मौजूद हैं।
ज्यादातर मामलों में, प्रयोगात्मक डेटासेट कुछ स्पेक्ट्रा से बने होते हैं, जो कला विशेषज्ञों द्वारा चुने गए क्षेत्रों से एकत्र किए जाते हैं और पेंटिंग 6,12,13 के लक्षण वर्णन के लिए महत्वपूर्ण माना जाता है। कौशल और उपयोगकर्ता के अनुभव के बावजूद, कुछ स्पेक्ट्रा पूरी तरह से पूरी तरह से चित्रित सतह की विशेषताओं को समाप्त नहीं कर सकते हैं। इसके अलावा, विश्लेषण का परिणाम हमेशा कलाकार की विशेषज्ञता पर दृढ़ता से निर्भर होगा। इस परिदृश्य में, हाइपरस्पेक्ट्रल परावर्तकता इमेजिंग (HRI3,14,15) एक उपयोगी संसाधन हो सकता है। कुछ अलग स्पेक्ट्रा के बजाय, प्रयोगात्मक सेटअप विस्तारित भागों या यहां तक कि जांच 16 के तहत पूरी कलाकृति के परावर्तकता गुणों को वापस करते हैं। पृथक स्पेक्ट्रा के अधिग्रहण के संबंध में दो मुख्य फायदे स्पष्ट हैं। एक तरफ, परावर्तकता गुणों के स्थानिक वितरण की उपलब्धता उन क्षेत्रों की पहचान की अनुमति देती है जो दिलचस्प विशेषताओं को छिपाते हैं, भले ही वे अजीब नहीं लग सकते हैं17। दूसरी ओर, हाइपरक्यूब्स डेटा के सांख्यिकीय विश्लेषण को सक्षम करने के लिए पर्याप्त उच्च स्पेक्ट्रा की एक संख्या की गारंटी देते हैं। ये तथ्य चित्रित सतह 18,19 के भीतर पिगमेंट के वितरण की समझ का समर्थन करते हैं।
एचआरआई के साथ, संदर्भों के साथ प्रयोगात्मक डेटा की तुलना 15 को संभालना मुश्किल हो सकता है। एक विशिष्ट डिटेक्टर कम से कम 256 x 256 स्पेक्ट्रा के हाइपरक्यूब्स देता है। इसके लिए उपयोगकर्ता को प्रत्येक संदर्भ के खिलाफ 65,000 से अधिक परावर्तकता स्पेक्ट्रा का मूल्यांकन करने की आवश्यकता होगी, एक उचित समय में मैन्युअल रूप से किए जाने के लिए लगभग असंभव कार्य। इसलिए, एचआरआई डेटासेट का प्रबंधन और विश्लेषण करने के लिए मजबूत और संभवतः, स्वचालित प्रोटोकॉल के लिए अनुरोध उचित 15,17 से अधिक है। प्रस्तावित विधि न्यूनतम भागीदारी और अधिकतम लचीलेपन के साथ पूरी विश्लेषणात्मक प्रक्रिया को संभालकर इस आवश्यकता का उत्तर देती है।
एक एल्गोरिथ्म जिसमें होम-मेड कोड (सामग्री की तालिका) का एक सेट शामिल है, प्रयोगात्मक सेटअप द्वारा लौटाई गई फ़ाइलों को पढ़ता है, प्रबंधित करता है और व्यवस्थित करता है। यह फील्ड्स ऑफ व्यू (एफओवी, एक क्षेत्र के दृश्य के हिस्सों के ठीक चयन की अनुमति देता है, एक एकल हाइपरक्यूब द्वारा निगरानी की गई पेंटिंग का क्षेत्र है) का अध्ययन किया जाना चाहिए और स्पेक्ट्रल एंगल मैपर (एसएएम) विधि 20,21 और मूल स्पेक्ट्रा के हेरफेर के आधार पर डेटा का विश्लेषण करता है। SAM गलत रंग ग्रे-स्केल छवियों को देता है जिसे समानता मानचित्र कहा जाता है। इन मानचित्रों के पिक्सेल के मान वर्णक्रमीय कोणों के अनुरूप होते हैं जो हाइपरक्यूब्स में संग्रहीत स्पेक्ट्रा और तथाकथित अंत सदस्यों (ईएम, संदर्भ स्पेक्ट्रा का एक समूह जो हाइपरक्यूब्स द्वारा निगरानी की गई सतह की विशेषताओं का वर्णन करना चाहिए) के बीच के कोण हैं) 22। चित्रों पर लागू आरएस के मामले में, ईएम पिगमेंट के परावर्तकता स्पेक्ट्रा हैं जिन्हें मास्टर के पैलेट से मेल खाना चाहिए। उन्हें कलाकार के बारे में उपलब्ध जानकारी, पेंटिंग की प्राप्ति अवधि और उपयोगकर्ता की विशेषज्ञता के आधार पर चुना जाता है। इसलिए, एसएएम का आउटपुट मानचित्रों का एक सेट है जो पेंटिंग की सतह पर इन पिगमेंट के स्थानिक वितरण का वर्णन करता है और जो उपयोगकर्ता को कलाकृति में कलाकार और उनके संगठन द्वारा उपयोग की जाने वाली सामग्रियों का अनुमान लगाने का समर्थन करता है। एल्गोरिथ्म अपने मूल से स्वतंत्र रूप से सभी प्रकार के संदर्भों को नियोजित करने की संभावना प्रदान करता है। संदर्भ हाइपरक्यूब्स के भीतर चयनित विशिष्ट स्पेक्ट्रा हो सकते हैं, डेटाबेस से आते हैं, एक अलग सतह पर एक अलग उपकरण द्वारा अधिग्रहित किए जा सकते हैं (जैसे कि पिगमेंट के नमूने या कलाकार के पैलेट, उदाहरण के लिए), या किसी भी प्रकार के परावर्तकता स्पेक्ट्रोस्कोपी को नियोजित करते हुए प्राप्त किया जा सकता है, FORS शामिल है।
एसएएम को उपलब्ध वर्गीकरण विधियों के बीच प्राथमिकता दी गई है क्योंकि इसे वर्णकों की विशेषता के लिए प्रभावी होने के लिए प्रदर्शित किया गया है (मुख्य उपलब्ध वर्गीकरण विधियों का अवलोकन करने के लिए रिचर्ड 23 द्वारा पुस्तक का संदर्भ लें)। इसके बजाय, नेट 24,25 पर स्वतंत्र रूप से उपलब्ध कई उपकरणों में से एक को अपनाने के बजाय एक घर-निर्मित प्रोटोकॉल विकसित करने का विचार एक व्यावहारिक विचार पर निर्भर करता है। मौजूदा जीयूआई और सॉफ़्टवेयर की प्रभावशीलता और वैज्ञानिक नींव के बावजूद, एक एकल उपकरण शायद ही उपयोगकर्ता की सभी जरूरतों को पूरा करता है। कोई इनपुट/आउटपुट (I/O) समस्या हो सकती है क्योंकि कोई उपकरण कच्चे डेटा वाली फ़ाइल को प्रबंधित नहीं करता है. डेटा के विश्लेषण के बारे में एक समस्या हो सकती है क्योंकि एक अन्य उपकरण वांछित दृष्टिकोण प्रदान नहीं करता है। डेटा की हैंडलिंग में एक सीमा हो सकती है क्योंकि एकाधिक डेटासेट का एक साथ विश्लेषण समर्थित नहीं है। किसी भी मामले में, एक सही उपकरण मौजूद नहीं है। प्रत्येक विधि को डेटा में समायोजित किया जाना चाहिए या इसके विपरीत। इसलिए, एक घर-निर्मित प्रोटोकॉल के विकास को प्राथमिकता दी गई है।
प्रस्तुत दृष्टिकोण न तो विश्लेषणात्मक तरीकों का एक पूरा सेट प्रदान करता है (देखें, तुलना के लिए, मोबाराकी और अमिगो24 द्वारा प्रस्तावित उपकरण) और न ही एक आसान-से-प्रबंधित उपयोगकर्ता-इंटरफ़ेस (तुलना के लिए, देखें, झू और सहकर्मियों द्वारा नियोजित सॉफ़्टवेयर25), लेकिन, बदले में, यह हाइपरस्पेक्ट्रल डेटा विश्लेषण के अभी भी अंडररेटेड पहलू पर केंद्रित है: पता लगाए गए स्पेक्ट्रा में हेरफेर करने का अवसर। दृष्टिकोण की शक्ति को इसे चित्र Quarto Stato पर लागू करके सचित्र किया गया है Giuseppe Pellizza da Volpedo (चित्रा 1), मिलान, इटली में Museo del Novecento में आयोजित कैनवास पर एक प्रतिष्ठित तेल। ध्यान दें कि, चूंकि दृष्टिकोण को घर-निर्मित कोड चलाने की आवश्यकता होती है, इसलिए डेवलपर ने मनमाने ढंग से कोड के नाम और प्रोटोकॉल के विवरण में उपयोग किए जाने वाले इनपुट और आउटपुट चर दोनों को चुना। चर के नाम उपयोगकर्ता द्वारा बदले जा सकते हैं लेकिन उन्हें निम्नानुसार प्रदान किया जाना चाहिए: इनपुट और आउट चर को क्रमशः कोष्ठक के भीतर लिखा जाना चाहिए और अंततः अल्पविराम द्वारा और वर्ग कोष्ठक के भीतर अलग किया जाना चाहिए और अंततः एक सफेद स्थान द्वारा अलग किया जाना चाहिए। इसके विपरीत कोड के नामों को बदला नहीं जा सकता है।
Protocol
Representative Results
Discussion
हाइपरस्पेक्ट्रल परावर्तकता इमेजिंग डेटासेट जानकारी के बड़े जलाशय हैं; इसलिए, डेटा का विश्लेषण करने के लिए मजबूत और संभवतः, स्वचालित प्रोटोकॉल का विकास उनकी क्षमता का फायदा उठाने के लिए एक महत्वपूर्ण…
Disclosures
The authors have nothing to disclose.
Acknowledgements
इस शोध को प्रोजेक्ट MOBARTECH के ढांचे में रीजन लोम्बार्डिया द्वारा वित्त पोषित किया गया था: una piattaforma मोबाइल tecnologica, interattiva e partecipata प्रति लो स्टूडियो, la conservazione e la valorizzazione di beni storico-artistici – कॉल Accordi प्रति ला Ricerca e l’Innovazione।
लेखकों में सीटू प्रयोगात्मक सत्र के दौरान समर्थन के लिए Museo del Novecento में कर्मचारियों के लिए आभारी हैं और स्टूडियो Museo के लिए उपयोग के लिए Associazione Pellizza दा Volpedo के लिए.
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 |
References
- Picollo, M., et al. Fiber Optics Reflectance Spectroscopy: a non-destructive technique for the analysis of works of art. Optical Sensors and Microsystems. , 259-265 (2002).
- Bacci, M., et al. Non-destructive spectroscopic investigations on paintings using optical fibers. MRS Online Proceedings Library Archive. 267, (1992).
- Liang, H. Advances in multispectral and hyperspectral imaging for archaeology and art conservation. Applied Physics A. 106, 309-323 (2012).
- Bullock, L. Reflectance spectrophotometry for measurement of colour change. National Gallery Technical Bulletin. 2, 49-55 (1978).
- Saunders, D. Colour change measurement by digital image processing. National Gallery Technical Bulletin. , 66-77 (1988).
- Appolonia, L., et al. Combined use of FORS, XRF and Raman spectroscopy in the study of mural paintings in the Aosta Valley (Italy). Analytical and Bioanalytical Chemistry. 395, 2005-2013 (2009).
- Pouyet, E. K., et al. New insights into Pablo Picasso’s La Miséreuse accroupie using X-ray fluorescence imaging and reflectance spectroscopies combined with micro-analyses of samples. SN Applied Sciences. 2, 1-6 (2020).
- Garofano, I., Perez-Rodriguez, J. L., Robador, M. D., Duran, A. An innovative combination of non-invasive UV-Visible-FORS, XRD and XRF techniques to study Roman wall paintings from Seville, Spain. Journal of Cultural Heritage. 22, 1028-1039 (2016).
- Dupuis, G., Elias, M., Simonot, L. Pigment identification by fiber-optics diffuse reflectance spectroscopy. Applied Spectroscopy. 56, 1329-1336 (2002).
- Bacci, M., Picollo, M. Non-destructive spectroscopic detection of cobalt (II) in paintings and glass. Studies in Conservation. 41, 136-144 (1996).
- Cosentino, A. FORS spectral database of historical pigments in different binders. E-Conservation Journal. , 54-65 (2014).
- Leona, M., Winter, J. Fiber optics reflectance spectroscopy: a unique tool for the investigation of Japanese paintings. Studies in Conservation. 46, 153-162 (2001).
- Cheilakou, E., Troullinos, M., Koui, M. Identification of pigments on Byzantine wall paintings from Crete (14th century AD) using non-invasive Fiber Optics Diffuse Reflectance Spectroscopy (FORS). Journal of Archaeological Science. 41, 541-555 (2014).
- Kubik, M. Hyperspectral imaging: a new technique for the non-invasive study of artworks. Physical Techniques in the Study of Art, Archaeology and Cultural. 2, 199-259 (2007).
- Fischer, C., Kakoulli, I. Multispectral and hyperspectral imaging technologies in conservation: current research and potential applications. Studies in Conservation. 51, 3-16 (2006).
- Daniel, F., et al. Hyperspectral imaging applied to the analysis of Goya paintings in the Museu of Zaragoza (Spain). Microchemical Journal. 126, 113-120 (2016).
- Baronti, S., Casini, A., Lotti, F., Porcinai, S. Principal component analysis of visible and near-infrared multispectral images of works of art. Chemometrics and Intelligent Laboratory Systems. 39, 103-114 (1997).
- Mansfield, J. R., et al. Near infrared spectroscopic reflectance imaging: supervised vs. unsupervised analysis using an art conservation application. Vibrational Spectroscopy. 19, 33-45 (1999).
- Clodius, W. B. Multispectral and Hyperspectral Image Processing, Part 1: Initial Processing. Encyclopedia of Optical Engineering: Las-Pho. 2, 1390 (2003).
- Kruse, F. A., et al. The spectral image processing system (SIPS)-interactive visualization and analysis of imaging spectrometer data. AIP Conference Proceedings. , (1993).
- Yang, C., Everitt, J. H., Bradford, J. M. Yield estimation from hyperspectral imagery using spectral angle mapper (SAM). Transactions of the ASABE. 51, 729-737 (2008).
- Delaney, J. K. D., et al. Integrated X-ray fluorescence and diffuse visible-to-near-infrared reflectance scanner for standoff elemental and molecular spectroscopic imaging of paints and works on paper. Heritage Science. 6, 1-12 (2018).
- Richards, J. A. . Remote sensing digital image analysis. 3, (1999).
- Mobaraki, N., Amigo, J. M. HYPER-Tools. A graphical user-friendly interface for hyperspectral image analysis. Chemometrics and Intelligent Laboratory Systems. 172, 174-187 (2018).
- Zhu, C. Y., et al. Optimization of a hyperspectral imaging system for rapid detection of microplastics down to 100 µm. MethodsX. 8, 101175 (2021).
- Behmann, J., et al. Specim IQ: evaluation of a new, miniaturized handheld hyperspectral camera and its application for plant phenotyping and disease detection. Sensors. 18, 441 (2018).
- Spectral and XYZ Color Functions. MATLAB Central File Exchange Available from: https://www.mathworks.com/matlabcentral/fileexchange/7021-spectral-and-xyz-color-functions (2021)
- Chen, C. -. Y., Klette, R. Image stitching-Comparisons and new techniques. International Conference on Computer Analysis of Images and Patterns. , (1999).
- read_envihdr. MATLAB Central File Exchange Available from: https://www.mathworks.com/matlabcentral/fileexchange/38500-read_envihdr (2021)
- Jolliffe, I. T., Cadima, J. Principal component analysis: a review and recent developments. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences. 374, 20150202 (2016).
- Schneider, C. A., Rasband, W. S., Eliceiri, K. W. NIH Image to ImageJ: 25 years of image analysis. Nature Methods. 9, 671-675 (2012).
- Rinnan, &. #. 1. 9. 7. ;., Van Den Berg, F., Engelsen, S. B. Review of the most common pre-processing techniques for near-infrared spectra. Trends in Analytical Chemistry. 28, 1201-1222 (2009).
