Name: Anwendung der hyperspektralen Reflexionsbildgebung zur Untersuchung der Paletten und Techniken von Malern (Video) | JoVE Journal
Uploaded: 2021-06-18T13:00:00.000+00:00
Duration: 7 min 5 s
Description: Erfahren Sie die Analyse von Gemälden mit hyperspektraler Reflexionsbildgebung und Spectral Angle Mapper-Algorithmen. Diese Methode ermöglicht die Kartierung von Pinselstrichen und Pigmentverteilung für die Kunstkonservierung.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Diese Forschung wurde von der Region Lombardia im Rahmen des Projekts MOBARTECH finanziert: una piattaforma mobile tecnologica, interattiva e partecipata per lo studio, la conservazione e la valorizzazione di beni storico-artistici - Call Accordi per la Ricerca e l'Innovazione.
Die Autoren danken den Mitarbeitern des Museo del Novecento für die Unterstützung während der experimentellen In-situ-Sitzungen und der Associazione Pellizza da Volpedo für den Zugang zum Studio Museo.

<ol><li>Picollo, M., et al. Fiber Optics Reflectance Spectroscopy: a non-destructive technique for the analysis of works of art. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aPicollo%2C+M+%22Optical+Sensors+and+Microsystems%22">Optical Sensors and Microsystems</a>. , Springer. 259-265 (2002).</li>
<li>Bacci, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Non-destructive+spectroscopic+investigations+on+paintings+using+optical+fibers%5BTitle%5D)+AND+%22MRS+Online+Proceedings+Library+Archive%22%5BJournal%5D)">Non-destructive spectroscopic investigations on paintings using optical fibers.</a> MRS Online Proceedings Library Archive. 267, (1992).</li>
<li>Liang, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Advances+in+multispectral+and+hyperspectral+imaging+for+archaeology+and+art+conservation%5BTitle%5D)+AND+%22Applied+Physics+A%22%5BJournal%5D)">Advances in multispectral and hyperspectral imaging for archaeology and art conservation.</a> Applied Physics A. 106, 309-323 (2012).</li>
<li>Bullock, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Reflectance+spectrophotometry+for+measurement+of+colour+change%5BTitle%5D)+AND+%22National+Gallery+Technical+Bulletin%22%5BJournal%5D)">Reflectance spectrophotometry for measurement of colour change.</a> National Gallery Technical Bulletin. 2, 49-55 (1978).</li>
<li>Saunders, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Colour+change+measurement+by+digital+image+processing%5BTitle%5D)+AND+%22National+Gallery+Technical+Bulletin%22%5BJournal%5D)">Colour change measurement by digital image processing.</a> National Gallery Technical Bulletin. , 66-77 (1988).</li>
<li>Appolonia, L., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Combined+use+of+FORS%2C+XRF+and+Raman+spectroscopy+in+the+study+of+mural+paintings+in+the+Aosta+Valley+%28Italy%29%5BTitle%5D)+AND+%22Analytical+and+Bioanalytical+Chemistry%22%5BJournal%5D)">Combined use of FORS, XRF and Raman spectroscopy in the study of mural paintings in the Aosta Valley (Italy).</a> Analytical and Bioanalytical Chemistry. 395, 2005-2013 (2009).</li>
<li>Pouyet, E. K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+insights+into+Pablo+Picasso%27s+La+Mis%C3%A9reuse+accroupie+using+X-ray+fluorescence+imaging+and+reflectance+spectroscopies+combined+with+micro-analyses+of+samples%5BTitle%5D)+AND+%22SN+Applied+Sciences%22%5BJournal%5D)">New insights into Pablo Picasso's La Miséreuse accroupie using X-ray fluorescence imaging and reflectance spectroscopies combined with micro-analyses of samples.</a> SN Applied Sciences. 2, 1-6 (2020).</li>
<li>Garofano, I., Perez-Rodriguez, J. L., Robador, M. D., Duran, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+innovative+combination+of+non-invasive+UV-Visible-FORS%2C+XRD+and+XRF+techniques+to+study+Roman+wall+paintings+from+Seville%2C+Spain%5BTitle%5D)+AND+%22Journal+of+Cultural+Heritage%22%5BJournal%5D)">An innovative combination of non-invasive UV-Visible-FORS, XRD and XRF techniques to study Roman wall paintings from Seville, Spain.</a> Journal of Cultural Heritage. 22, 1028-1039 (2016).</li>
<li>Dupuis, G., Elias, M., Simonot, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pigment+identification+by+fiber-optics+diffuse+reflectance+spectroscopy%5BTitle%5D)+AND+%22Applied+Spectroscopy%22%5BJournal%5D)">Pigment identification by fiber-optics diffuse reflectance spectroscopy.</a> Applied Spectroscopy. 56, 1329-1336 (2002).</li>
<li>Bacci, M., Picollo, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Non-destructive+spectroscopic+detection+of+cobalt+%28II%29+in+paintings+and+glass%5BTitle%5D)+AND+%22Studies+in+Conservation%22%5BJournal%5D)">Non-destructive spectroscopic detection of cobalt (II) in paintings and glass.</a> Studies in Conservation. 41, 136-144 (1996).</li>
<li>Cosentino, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((FORS+spectral+database+of+historical+pigments+in+different+binders%5BTitle%5D)+AND+%22E-Conservation+Journal%22%5BJournal%5D)">FORS spectral database of historical pigments in different binders.</a> E-Conservation Journal. , 54-65 (2014).</li>
<li>Leona, M., Winter, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fiber+optics+reflectance+spectroscopy%3A+a+unique+tool+for+the+investigation+of+Japanese+paintings%5BTitle%5D)+AND+%22Studies+in+Conservation%22%5BJournal%5D)">Fiber optics reflectance spectroscopy: a unique tool for the investigation of Japanese paintings.</a> Studies in Conservation. 46, 153-162 (2001).</li>
<li>Cheilakou, E., Troullinos, M., Koui, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identification+of+pigments+on+Byzantine+wall+paintings+from+Crete+%2814th+century+AD%29+using+non-invasive+Fiber+Optics+Diffuse+Reflectance+Spectroscopy+%28FORS%29%5BTitle%5D)+AND+%22Journal+of+Archaeological+Science%22%5BJournal%5D)">Identification of pigments on Byzantine wall paintings from Crete (14th century AD) using non-invasive Fiber Optics Diffuse Reflectance Spectroscopy (FORS).</a> Journal of Archaeological Science. 41, 541-555 (2014).</li>
<li>Kubik, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hyperspectral+imaging%3A+a+new+technique+for+the+non-invasive+study+of+artworks%5BTitle%5D)+AND+%22Physical+Techniques+in+the+Study+of+Art%2C+Archaeology+and+Cultural%22%5BJournal%5D)">Hyperspectral imaging: a new technique for the non-invasive study of artworks.</a> Physical Techniques in the Study of Art, Archaeology and Cultural. 2, 199-259 (2007).</li>
<li>Fischer, C., Kakoulli, I. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multispectral+and+hyperspectral+imaging+technologies+in+conservation%3A+current+research+and+potential+applications%5BTitle%5D)+AND+%22Studies+in+Conservation%22%5BJournal%5D)">Multispectral and hyperspectral imaging technologies in conservation: current research and potential applications.</a> Studies in Conservation. 51, 3-16 (2006).</li>
<li>Daniel, F., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hyperspectral+imaging+applied+to+the+analysis+of+Goya+paintings+in+the+Museu+of+Zaragoza+%28Spain%29%5BTitle%5D)+AND+%22Microchemical+Journal%22%5BJournal%5D)">Hyperspectral imaging applied to the analysis of Goya paintings in the Museu of Zaragoza (Spain).</a> Microchemical Journal. 126, 113-120 (2016).</li>
<li>Baronti, S., Casini, A., Lotti, F., Porcinai, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Principal+component+analysis+of+visible+and+near-infrared+multispectral+images+of+works+of+art%5BTitle%5D)+AND+%22Chemometrics+and+Intelligent+Laboratory+Systems%22%5BJournal%5D)">Principal component analysis of visible and near-infrared multispectral images of works of art.</a> Chemometrics and Intelligent Laboratory Systems. 39, 103-114 (1997).</li>
<li>Mansfield, J. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Near+infrared+spectroscopic+reflectance+imaging%3A+supervised+vs.+unsupervised+analysis+using+an+art+conservation+application%5BTitle%5D)+AND+%22Vibrational+Spectroscopy%22%5BJournal%5D)">Near infrared spectroscopic reflectance imaging: supervised vs. unsupervised analysis using an art conservation application.</a> Vibrational Spectroscopy. 19, 33-45 (1999).</li>
<li>Clodius, W. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multispectral+and+Hyperspectral+Image+Processing%2C+Part+1%3A+Initial+Processing%5BTitle%5D)+AND+%22Encyclopedia+of+Optical+Engineering%3A+Las-Pho%22%5BJournal%5D)">Multispectral and Hyperspectral Image Processing, Part 1: Initial Processing.</a> Encyclopedia of Optical Engineering: Las-Pho. 2, 1390(2003).</li>
<li>Kruse, F. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+spectral+image+processing+system+%28SIPS%29-interactive+visualization+and+analysis+of+imaging+spectrometer+data%5BTitle%5D)+AND+%22AIP+Conference+Proceedings%22%5BJournal%5D)">The spectral image processing system (SIPS)-interactive visualization and analysis of imaging spectrometer data.</a> AIP Conference Proceedings. , (1993).</li>
<li>Yang, C., Everitt, J. H., Bradford, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Yield+estimation+from+hyperspectral+imagery+using+spectral+angle+mapper+%28SAM%29%5BTitle%5D)+AND+%22Transactions+of+the+ASABE%22%5BJournal%5D)">Yield estimation from hyperspectral imagery using spectral angle mapper (SAM).</a> Transactions of the ASABE. 51, 729-737 (2008).</li>
<li>Delaney, J. K. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((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%5BTitle%5D)+AND+%22Heritage+Science%22%5BJournal%5D)">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.</a> Heritage Science. 6, 1-12 (2018).</li>
<li>Richards, J. A. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aRichards%2C+JA+%22Remote+sensing+digital+image+analysis%22">Remote sensing digital image analysis</a>. 3, Springer. (1999).</li>
<li>Mobaraki, N., Amigo, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((HYPER-Tools.+A+graphical+user-friendly+interface+for+hyperspectral+image+analysis%5BTitle%5D)+AND+%22Chemometrics+and+Intelligent+Laboratory+Systems%22%5BJournal%5D)">HYPER-Tools. A graphical user-friendly interface for hyperspectral image analysis.</a> Chemometrics and Intelligent Laboratory Systems. 172, 174-187 (2018).</li>
<li>Zhu, C. Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimization+of+a+hyperspectral+imaging+system+for+rapid+detection+of+microplastics+down+to+100+%C2%B5m%5BTitle%5D)+AND+%22MethodsX%22%5BJournal%5D)">Optimization of a hyperspectral imaging system for rapid detection of microplastics down to 100 µm.</a> MethodsX. 8, 101175(2021).</li>
<li>Behmann, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Specim+IQ%3A+evaluation+of+a+new%2C+miniaturized+handheld+hyperspectral+camera+and+its+application+for+plant+phenotyping+and+disease+detection%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">Specim IQ: evaluation of a new, miniaturized handheld hyperspectral camera and its application for plant phenotyping and disease detection.</a> Sensors. 18, 441(2018).</li>
<li>Mather, J. Spectral and XYZ Color Functions. MATLAB Central File Exchange. , Available from: 
 <a target="_blank" href="https://www.mathworks.com/matlabcentral/fileexchange/7021-spectral-and-xyz-color-functions">https://www.mathworks.com/matlabcentral/fileexchange/7021-spectral-and-xyz-color-functions</a> (2021).</li>
<li>Chen, C. -Y., Klette, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Image+stitching-Comparisons+and+new+techniques%5BTitle%5D)+AND+%22International+Conference+on+Computer+Analysis+of+Images+and+Patterns%22%5BJournal%5D)">Image stitching-Comparisons and new techniques.</a> International Conference on Computer Analysis of Images and Patterns. , (1999).</li>
<li>Tuszynski, J. read_envihdr. MATLAB Central File Exchange. , Available from: 
 <a target="_blank" href="https://www.mathworks.com/matlabcentral/fileexchange/38500-read_envihdr">https://www.mathworks.com/matlabcentral/fileexchange/38500-read_envihdr</a> (2021).</li>
<li>Jolliffe, I. T., Cadima, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Principal+component+analysis%3A+a+review+and+recent+developments%5BTitle%5D)+AND+%22Philosophical+Transactions+of+the+Royal+Society+A%3A+Mathematical%2C+Physical+and+Engineering+Sciences%22%5BJournal%5D)">Principal component analysis: a review and recent developments.</a> Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences. 374, 20150202(2016).</li>
<li>Schneider, C. A., Rasband, W. S., Eliceiri, K. W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((NIH+Image+to+ImageJ%3A+25+years+of+image+analysis%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">NIH Image to ImageJ: 25 years of image analysis.</a> Nature Methods. 9, 671-675 (2012).</li>
<li>Rinnan, Å, Van Den Berg, F., Engelsen, S. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Review+of+the+most+common+pre-processing+techniques+for+near-infrared+spectra%5BTitle%5D)+AND+%22Trends+in+Analytical+Chemistry%22%5BJournal%5D)">Review of the most common pre-processing techniques for near-infrared spectra.</a> Trends in Analytical Chemistry. 28, 1201-1222 (2009).</li>
</ol>

Die Autoren haben nichts preiszugeben.

Hyperspektrale Reflexionsbildgebungsdatensätze sind große Informationsreservoirs; Daher ist die Entwicklung robuster und möglicherweise automatisierter Protokolle zur Analyse der Daten eine Schlüsselrolle, um ihr Potenzial auszuschöpfen15,17. Der vorgeschlagene Algorithmus beantwortet diesen Bedarf im Bereich des kulturellen Erbes mit besonderem Augenmerk auf die Charakterisierung der Pigmente von Gemälden. Basierend auf SAM20,21</sup...

Reflexionsspektroskopie (RS) und Faseroptik-Reflexionsspektroskopie (FORS) basieren auf der Detektion des Lichts, das von Oberflächen reflektiert wird, die einmal von einer Lichtquelle, typischerweise einer Wolfram-Halogenlampe, beleuchtet werden. Die Ausgabe des Erfassungssystems besteht aus Spektren, bei denen der Reflexionsgrad als Funktion der Wellenlänge in einem Bereich überwacht wird, der von den Eigenschaften des verwendeten Versuchsaufbaus abhängt1,2,3. Eingeführt in den letzten vier Jahrzehnten4,5, werden RS und FORS typischerweise in Kombination mit Röntgenfluoreszenz und anderen Spektroskopien verwendet, um die Materialien und Techniken zu beschreiben, die von Künstlern zur Realisierung ihrer Meisterwerke verwendet werden6,7,8,9. Die Untersuchung der Reflexionsspektren erfolgt in der Regel durch Vergleich der Daten aus der Stichprobe mit einer Gruppe von Referenzspektren, die vom Benutzer in persönlichen oder öffentlichen Datenbanken ausgewählt wurden. Sobald die Referenzspektren identifiziert wurden, die der Realisierungsperiode der Probe und dem Modus Operandi des Künstlers entsprechen, erkennt der Benutzer die Hauptmerkmale der Reflexionsspektren (d.h. Übergangs-, Absorptions- und Reflexionsbänder1,2,10,11) und dann mit Hilfe anderer Techniken6,7,8 sie unterscheiden die Pigmente, die in den Gemälden verwendet wurden. Schließlich diskutieren sie die geringfügigen Unterschiede, die es zwischen den Referenzen und den experimentellen Spektren7,9 gibt.
In den meisten Fällen bestehen die experimentellen Datensätze aus wenigen Spektren, die aus von Kunstexperten ausgewählten Bereichen gesammelt wurden und von denen angenommen wird, dass sie für die Charakterisierung des Gemäldes von Bedeutung sind6,12,13. Trotz der Fähigkeiten und der Erfahrung des Benutzers können einige Spektren die Eigenschaften der gesamten lackierten Oberfläche nicht vollständig ausschöpfen. Darüber hinaus wird das Ergebnis der Analyse immer stark von der Expertise des Darstellers abhängen. In diesem Szenario könnte Hyperspectral Reflectance Imaging (HRI3,14,15) eine nützliche Ressource sein. Anstelle einiger isolierter Spektren geben die Versuchsaufbauten die Reflexionseigenschaften ausgedehnter Teile oder sogar des gesamten untersuchten Artefakts zurück16. Die beiden Hauptvorteile in Bezug auf die Erfassung der isolierten Spektren liegen auf der Hand. Auf der einen Seite ermöglicht die Verfügbarkeit der räumlichen Verteilung der Reflexionseigenschaften die Identifizierung von Bereichen, die interessante Merkmale verbergen, auch wenn sie nicht eigenartig erscheinen mögen17. Auf der anderen Seite garantieren die Hyperwürfel eine Anzahl von Spektren, die hoch genug sind, um die statistische Analyse der Daten zu ermöglichen. Diese Tatsachen unterstützen das Verständnis der Verteilung von Pigmenten innerhalb der lackierten Oberfläche18,19.
Mit HRI könnte der Vergleich der experimentellen Daten mit den Referenzen schwierig zu handhaben sein15. Ein typischer Detektor liefert Hyperwürfel von mindestens 256 x 256 Spektren. Dies würde erfordern, dass der Benutzer mehr als 65.000 Reflexionsspektren gegen jede Referenz auswertet, eine Aufgabe, die in angemessener Zeit fast unmöglich manuell ausgeführt werden kann. Daher ist die Forderung nach robusten und möglicherweise automatisierten Protokollen zur Verwaltung und Analyse von HRI-Datensätzen mehr als gerechtfertigt15,17. Die vorgeschlagene Methode erfüllt diesen Bedarf, indem sie das gesamte Analyseverfahren mit minimalem Aufwand und maximaler Flexibilität behandelt.
Ein Algorithmus, der aus einem Satz von selbst erstellten Codes (Table of Materials) besteht, liest, verwaltet und organisiert die dateien, die vom experimentellen Setup zurückgegeben werden. Es ermöglicht die Feinauswahl der Teile der Sichtfelder (FOVs, ein Sichtfeld ist der Bereich des Gemäldes, der von einem einzigen Hyperwürfel überwacht wird) zu untersuchen und führt die Analyse der Daten basierend auf der Spectral Angle Mapper (SAM) Methode20,21 und auf der Manipulation der ursprünglichen Spektren durch. SAM gibt Falschfarben-Graustufenbilder zurück, die als Ähnlichkeitskarten bezeichnet werden. Die Werte der Pixel dieser Karten entsprechen den spektralen Winkeln, die die Winkel zwischen den in den Hyperwürfeln gespeicherten Spektren und den sogenannten End members (EMs, einer Gruppe von Referenzspektren, die die Merkmale der von den Hyperwürfeln überwachten Oberfläche beschreiben sollen)22 sind. Im Falle von RS, die auf Gemälde angewendet werden, sind die EMs die Reflexionsspektren von Pigmenten, die der Palette des Masters entsprechen sollten. Sie werden auf der Grundlage der verfügbaren Informationen über den Künstler, den Realisierungszeitraum des Gemäldes und das Fachwissen des Benutzers ausgewählt. Daher ist die Ausgabe des SAM ein Satz von Karten, der die räumlichen Verteilungen dieser Pigmente über die Malfläche beschreibt und den Benutzer dabei unterstützt, auf die vom Künstler verwendeten Materialien und deren Organisation im Artefakt zu schließen. Der Algorithmus bietet die Möglichkeit, alle Arten von Referenzen unabhängig von ihrer Herkunft zu verwenden. Die Referenzen können spezifische Spektren sein, die innerhalb der Hyperwürfel ausgewählt wurden, aus Datenbanken stammen, von einem anderen Instrument auf einer anderen Oberfläche erfasst werden (z. B. Pigmentproben oder die Palette des Künstlers) oder mit jeder Art von Reflexionsspektroskopie, einschließlich FORS, erhalten werden.
SAM wurde unter den verfügbaren Klassifikationsmethoden bevorzugt, da es sich als wirksam bei der Charakterisierung von Pigmenten erwiesen hat (siehe das Buch von Richard23, um einen Überblick über die wichtigsten verfügbaren Klassifikationsmethoden zu erhalten). Stattdessen beruht die Idee, ein selbst erstelltes Protokoll zu entwickeln, anstatt eines der vielen im Netz frei verfügbaren Tools zu übernehmen24,25, auf einer praktischen Überlegung. Trotz der Effektivität und wissenschaftlichen Fundierung der bestehenden GUIs und Software befriedigt ein einziges Tool kaum alle Bedürfnisse des Anwenders. Möglicherweise liegt ein E/A-Problem (Input/Output) vor, da ein Tool die Datei mit den Rohdaten nicht verwaltet. Es könnte ein Problem bei der Analyse der Daten geben, da ein anderes Tool nicht den gewünschten Ansatz bietet. Es kann eine Einschränkung bei der Verarbeitung der Daten geben, da die gleichzeitige Analyse mehrerer Datensätze nicht unterstützt wird. Ein perfektes Werkzeug gibt es jedenfalls nicht. Jede Methode muss an die Daten angepasst werden oder umgekehrt. Daher wurde die Entwicklung eines hausgemachten Protokolls bevorzugt.
Der vorgestellte Ansatz bietet weder einen vollständigen Satz analytischer Methoden (siehe zum Vergleich das von Mobaraki und Amigo24 vorgeschlagene Tool) noch eine einfach zu verwaltende Benutzeroberfläche (siehe zum Vergleich die von Zhu und Mitarbeitern verwendete Software25), sondern konzentriert sich im Gegenzug auf einen immer noch unterschätzten Aspekt der hyperspektralen Datenanalyse: die Möglichkeit, die erkannten Spektren zu manipulieren. Die Kraft des Ansatzes wird veranschaulicht, indem man ihn auf das Gemälde Quarto Stato von Giuseppe Pellizza da Volpedo (Abbildung 1) anwendet, ein ikonisches Öl auf Leinwand, das im Museo del Novecento in Mailand, Italien, aufbewahrt wird. Beachten Sie, dass der Entwickler, da der Ansatz das Ausführen von selbst erstellten Codes erfordert, willkürlich die Namen der Codes und sowohl die Eingabe- als auch die Ausgabevariablen ausgewählt hat, die in der Beschreibung des Protokolls verwendet werden. Die Namen der Variablen können vom Benutzer geändert werden, müssen jedoch wie folgt angegeben werden: Die Eingabe- und Ausgangsvariablen müssen jeweils in Klammern geschrieben und schließlich durch Komma und eckige Klammern getrennt und schließlich durch ein Leerzeichen getrennt werden. Im Gegenteil, die Namen der Codes können nicht geändert werden.

<table><tbody><tr><td>ImageJ/Fiji</td><td>Specim (Oulo, Finlad)</td><td>N/A</td><td>Tragbare Reflexions-Hyperspektralkamera zur Erfassung der Hyperwürfel</td></tr><tr><td>MATLAB 2019b</td><td>StellarNet Inc (Tampa, Florida, USA)</td><td>N/A</td><td>Tragbares Reflexionsspektrometer zur Erfassung unabhängiger Reflexionsspektren</td></tr><tr><td>Specim IQ Hyperspektralkamera</td><td>National Institutes of Health (Bethesda, Maryland, USA)</td><td>N/A</td><td>&nbsp; Open-Source-Java-Bildverarbeitungsprogramm</td></tr><tr><td>StellarNet BLUE-wave Miniatur-Spektrometer</td><td>&nbsp; MathWorks (Natick, Massachusset, USA)</td><td>N/A</td><td>Programmsprache und numerische Rechenumgebung</td></tr></tbody></table>

anwendung der hyperspektralen reflexionsbildgebung zur untersuchung der paletten und techniken von malern

Applying Hyperspectral Reflectance Imaging to Investigate the Palettes and the Techniques of Painters

Reflexionsspektroskopie (RS) und Faseroptik-Reflexionsspektroskopie (FORS) sind etablierte Techniken zur Untersuchung von Kunstwerken mit besonderem Augenmerk auf Gemälde. Die meisten modernen Museen stellen ihren Forschungsgruppen tragbare Geräte zur Verfügung, die zusammen mit der intrinsischen Nicht-Invasivität von RS und FORS die In-situ-Sammlung von Reflexionsspektren von der Oberfläche von Artefakten ermöglichen. Der von Experten für Pigmente und Malmaterialien durchgeführte Vergleich der experimentellen Daten mit Datenbanken von Referenzspektren treibt die Charakterisierung der Paletten und der von den Künstlern verwendeten Techniken voran. Dieser Ansatz erfordert jedoch spezifische Fähigkeiten und ist zeitaufwendig, insbesondere wenn die Anzahl der zu untersuchenden Spektren groß wird, wie dies bei HRI-Datensätzen (Hyperspectral Reflectance Imaging) der Fall ist. Die HRI-Versuchsaufbauten sind mehrdimensionale Kameras, die die spektrale Information, die durch die Reflexionsspektren gegeben wird, mit der räumlichen Lokalisierung der Spektren über der gemalten Oberfläche assoziieren. Die resultierenden Datensätze sind 3D-Würfel (Hyperwürfel oder Datenwürfel genannt), bei denen die ersten beiden Dimensionen das Spektrum über dem Gemälde lokalisieren und die dritte das Spektrum selbst ist (dh die Reflexion dieses Punktes der gemalten Oberfläche gegenüber der Wellenlänge im operativen Bereich des Detektors). Die Fähigkeit des Detektors, gleichzeitig eine große Anzahl von Spektren (typischerweise viel mehr als 10.000 für jeden Hyperwürfel) zu sammeln, macht die HRI-Datensätze zu großen Informationsreservoirs und rechtfertigt die Notwendigkeit der Entwicklung robuster und möglicherweise automatisierter Protokolle zur Analyse der Daten. Nach der Beschreibung des für die Datenerfassung konzipierten Verfahrens stellen wir eine Analysemethode vor, die das Potenzial der Hyperwürfel systematisch ausschöpft. Basierend auf dem Spectral Angle Mapper (SAM) und der Manipulation der gesammelten Spektren verarbeitet und analysiert der Algorithmus Tausende von Spektren und unterstützt gleichzeitig den Benutzer bei der Enthüllung der Merkmale der untersuchten Proben. Die Kraft des Ansatzes wird durch die Anwendung auf Quarto Stato veranschaulicht, das ikonische Meisterwerk von Giuseppe Pellizza da Volpedo, das im Museo del Novecento in Mailand (Italien) aufbewahrt wird.

Das vorgeschlagene Protokoll bietet eine Reihe interessanter Funktionen für die Verwaltung und Analyse von HRI-Daten. Die E/A (Schritt 3.1) der Rohdaten ist immer das erste Problem, das vor der Anwendung einer Analysemethode gelöst werden muss, und es kann zu einem kritischen Problem werden, wenn es um große Datenmengen geht. Im vorliegenden Fall besteht die einzige Aufgabe in Bezug auf die Rohdaten darin, die experimentellen Ergebnisse in einem dedizierten Ordner zu speichern und durch Durchsuchen der Festplatte beim Au...

Hyperspectral Reflectance Imaging Hyperwürfel enthalten bemerkenswerte Informationen in einer großen Datenmenge. Daher ist die Forderung nach automatisierten Protokollen zur Verwaltung und Untersuchung der Datensätze weitgehend gerechtfertigt. Die Kombination aus Spectral Angle Mapper, Datenmanipulation und einer vom Benutzer einstellbaren Analysemethode stellt einen Schlüssel für die Erforschung der experimentellen Ergebnisse dar.

Anwendung der hyperspektralen Reflexionsbildgebung zur Untersuchung der Paletten und Techniken von Malern

Reflectance Spectroscopy (RS) and Fiber Optics Reflectance Spectroscopy (FORS) are well-established techniques for the investigation of works of art with ...

Dieses Protokoll bietet neue Möglichkeiten bei der Analyse von Gesichtsmalereien. Es unterstützt die Anwender Schritt für Schritt entlang des gesamten Datenanalyseprozesses. Dieses Protokoll hat zwei Hauptvorteile.Die Benutzer können die Analyse nach ihren Wünschen anpassen, und zum ersten Mal wurde die Spektrummanipulation eingeführt, um die hyperspektralen Daten zu analysieren. Hyperspektrale Reflexionsbildgebung wird erfolgreich eingesetzt, um Hautkrankheiten oder Tumordiagnosen zu untersuchen. Selbst wenn ein Protokoll im Bereich des Gegenerbes geboren wurde, kann es auch auf klinische Gesundheitsdatensätze angewendet werden.Führen Sie mit Unterstützung von Kunstexperten eine Vorläufige Inspektion der bemalten Oberfläche durch, um die Hauptmerkmale des Gemäldes zu identifizieren. Notieren Sie sich die vom Künstler verwendeten Bildtechniken, die verschiedenen Pinselstriche auf der Leinwand und schätzen Sie die Eigenschaften der Pinselstriche qualitativ mit besonderem Augenmerk auf ihre Größe. Erstellen Sie Ad-hoc-Samples, bei denen die Pinselstriche ähnliche Eigenschaften aufweisen wie die des Künstlers, indem Sie die vom Künstler verwendete Bildtechnik nachahmen.Erfassen Sie die Hyperspektraldaten und prüfen Sie, ob die räumliche Auflösung der Hyperwürfel die verschiedenen Pinselstriche auf den RGB-Bildern der gemalten Oberfläche unterscheiden kann. Führen Sie PointSel aus, den isolierten Messpunktauswahlcode, um einige Referenzspektren auf den Oberflächen der Testproben manuell auszuwählen. Geben Sie die Befehlszeile einschließlich des Semikolons in das Terminalfenster ein und drücken Sie die Eingabetaste, um den Code auszuführen.Wählen Sie die Messpunkte aus, indem Sie auf das interaktive Fenster klicken, das nacheinander die zweidimensionalen RGB-Bilder der Sichtfelder anzeigt. Führen Sie SAM_Standard aus, den Standard-SAM-Maps-Evaluierungscode, um die SAM-Maps unter Verwendung der gesamten Spektren zu extrahieren. Geben Sie die Befehlszeile einschließlich Semikolon in das Terminalfenster ein und drücken Sie dann die Eingabetaste, um den Code auszuführen.SAM-Karten werden als PNG-Bilder im aktuellen Arbeitsordner gespeichert. Prüfen Sie, ob die erhaltenen Ähnlichkeitskarten die Details der Pinselstriche anzeigen, die zur Realisierung der Testproben verwendet wurden. Ist dies nicht der Fall, starten Sie den Vorgang neu, indem Sie den Abstand zwischen der Testprobenoberfläche und der Erfassungsausrüstung neu einstellen.Gemäß der von den Testproben erhaltenen Bewertung wird der Abstand zwischen der Oberfläche des zu untersuchenden Gemäldes und der Erfassungsausrüstung festgelegt. Führen Sie IO der Hyperspektraldaten durch, indem Sie die Hyperwürfel organisieren, lesen und verwalten. Führen Sie den HS FileLister-Code aus, um die Liste der Dateien, die die Hyperwürfel und die zugehörigen Informationen enthalten, in zwei Variablen zu speichern, die dem Algorithmus zur Verfügung stehen.Führen Sie den HS_Crop PNG-Code aus, um den Teil jedes Sichtfelds auszuwählen, der bei der Analyse der Daten verwendet werden soll. Führen Sie als Nächstes den PointSel-Code aus und klicken Sie in das angezeigte interaktive Fenster, um die Referenzspektren als isolierte Messpunkte über der Oberfläche der überwachten Bereiche zu identifizieren. Geben Sie die Befehlszeile einschließlich des Semikolons in das Terminalfenster ein und drücken Sie die Eingabetaste, um ReticularSel, den Reticular-Auswahlcode, auszuführen.Dieser wählt automatisch die Referenzspektren als regelmäßiges Retikulum von Messpunkten aus, die der Oberfläche der überwachten Bereiche überlagert sind. Diese Auswahlmethode macht die Analyse sehr zeitaufwendig, da die Anzahl der Referenzen groß ist. Geben Sie die Befehlszeile einschließlich des Semikolons in das Terminalfenster ein und drücken Sie die Eingabetaste, um SaveImPoint auszuführen.Dadurch wird eine Position am ausgewählten Messpunkt gespeichert, die den Bildern der Sichtfelder überlagert ist. Führen Sie Spectra_Importer aus, den Code des Importers für externe Referenzen, um eine Variable zu erstellen, die Referenzen aus Datensätzen und Datenbanken enthält, die unabhängig von den hypercubes sind, die auf quarto stato erfasst wurden. Beachten Sie, dass die Spektren eine andere Größe haben als die mit der Hyperspektralkamera erhaltenen.Führen Sie den vollständigen SAM-Code aus, um die Ähnlichkeitszuordnungen auszuwerten. Füttern Sie den Code mit der gewünschten Vorverarbeitungsoption, indem Sie im Dialogfeld Null oder Eins eingeben. Null, um nur die Spektrennormalisierung zu erfordern, oder eins, um zu verlangen, dass nach der Normalisierung die Spektren einmal abgeleitet werden.Geben Sie diese Zahlenfolge, die den gewünschten Spalten der Referenzmatrix entspricht, in das Dialogfeld ein, indem Sie die Zahlen durch ein Leerzeichen getrennt eingeben. Drücken Sie die Eingabetaste, um fortzufahren. Legen Sie die Methode auf Null fest, damit die Daten nicht bearbeitet werden.Eine, um eine manuelle Auswahl der Wellenlängenbereiche der zu berücksichtigenden Spektren vor Beginn der Analyse zu verlangen, oder zwei, um den Algorithmus zu zwingen, die Daten basierend auf einem bestimmten Kriterium und vor der Auswertung der SAM-Karten zu ordnen. Um die Endelemente für die SAM-Analyse auszuwählen, ruft der Algorithmus entweder die Referenzspektren zwischen den Hyperwürfeln ab, indem er einige isolierte Messpunkte manuell auswählt, oder tastet automatisch die Lackieroberfläche ab, wodurch eine bestimmte Auswahl von Messpunkten innerhalb eines oder mehrerer FOVs bereitgestellt wird. Der Algorithmus kann die Hyperwürfel auch mit externen Spektren vergleichen, wie sie von einem tragbaren FORS-Miniaturspektrometer erhalten werden.Wenn die vorverarbeiteten Referenzen in einem interaktiven Fenster erscheinen, können ein oder mehrere zu analysierende Wellenlängenintervalle manuell ausgewählt werden. Bei der automatischen Selektion berechnet der Algorithmus eine maximale Varianz innerhalb der gewünschten Referenzen und ordnet Spektren nach diesem Kriterium. Wenn die maximale Varianz der n-ten Wellenlänge entspricht, wird der Inhalt der n-ten Komponente jedes vorverarbeiteten Spektrums an die erste Position eines neu angeordneten Hypervektors verschoben und so weiter.Nach der automatischen Manipulation wendet der Algorithmus einen schwebenden Schwellenwert auf die Varianzwerte an und wertet die SAM-Karten beim steigenden Schwellenwert aus, was zu insgesamt zwei n plus einem Kartensatz führt, wobei n eine Anzahl von Werten ist, die vom Schwellenwert angenommen werden. Die erhaltenen Ähnlichkeitskarten liefern neue Einblicke in die Details des kartierten Gebiets. Sie können helfen, die Proben und die Referenzen zu vergleichen.Die Möglichkeit, die Analyse anzupassen und jedes Spektrum als Referenz zu nutzen, erweitert den Horizont des Benutzers, bittet aber gleichzeitig den Benutzer um eine sorgfältige Bewertung seiner Entscheidungen Dieser Ansatz ermöglicht die Verwendung der Spektrummanipulation als Analysewerkzeug, daher können Computer Vision und statistische Studien dazu beitragen, das Wissen über die Möglichkeit dieser Angelegenheit zu vertiefen.

applying-hyperspectral-reflectance-imaging-to-investigate-palettes

Research

Forschung

JoVE Journal

Chemistry

Chemie

Wir stellen eine zerstörungsfreie Methode zum Abtasten räumliche Variation in der Richtung des Lichts von strukturell komplexen Materialien verteilt. Indem das Material intakt bewahren wir grober Maßstab Streuverhalten, während gleichzeitig die Erfassung feinskaligen direktionale Beiträge mit hochauflösender Bildgebung. Die Ergebnisse sind in der Software visualisiert in biologisch relevanten Positionen und Personenwaagen.

Mess-und Richtungs räumlich variierenden Lichtstreuung aus biologischem Material

Verbesserte Dunkelfeldmikroskopie und hyperspektrale Bildgebung mit spektraler Kartierung ermöglichen das Screening, die Lokalisierung und die Identifizierung von nanoskaligen Materialien in histologischen Proben mit verbesserter Geschwindigkeit und Genauigkeit gegenüber herkömmlichen Methoden. Das Ziel dieser Arbeit ist es, Methoden für die Dunkelfeld-Bildgebung und hyperspektrale Kartierung von Metalloxid-Nanopartikeln in histologischen Proben bereitzustellen.

Identifizierung von Metalloxid-Nanopartikeln in histologischen Proben durch verbesserte Dunkelfeldmikroskopie und hyperspektrale Kartierung

Dieser Artikel beschreibt ein neues Verfahren zur Simulation und Anpassung im visuellen System zu studieren.

Visualisierung Visuelle Adaptation

Die gleichzeitige Auswertung von zerebralen Hämodynamik und den Lichtstreuungseigenschaften der in vivo Rattenhirngeweben wird ein herkömmliches multispektraler diffuses Reflexions - Bildgebungssystem unter Verwendung demonstriert.

Die gleichzeitige Auswertung der zerebralen Hämodynamik und Lichtstreuungseigenschaften der<em&gt; In Vivo</em&gt; Rattenhirn Mit Multispektral Diffuse Reflectance Imaging

Ein experimentelles Protokoll ist für die Beurteilung der Boden gewachsen Pflanze Wurzelsysteme mit RGB und hyperspektralen Bildgebung vorgestellt. Kombination von RGB Bild Zeit Serie mit chemometrischen Informationen aus hyperspektrale scannt optimiert Einblicke in Werk Wurzel Dynamik.

RGB und spektrale Wurzel Bildgebung für die Pflanze Phänotypisierung und physiologischen Forschung: Versuchsaufbau und Imaging-Protokolle

Dieses Protokoll beschreibt, wie die Verwendung von diffusen Polarisation Spektroskopie den klinische Nutzen der Rekapillarisierungszeit Test verbessern kann. Wir empfehlen eine genauere Analyse des Studiengangs Rekapillarisierungszeit bei gesunden Probanden mit diffusen Reflexion Spektroskopie Videos und neuen informatischen Endpunkte.

Diffuse Reflexion Spektroskopie: Immer des Rekapillarisierungszeit Tests unter der Fuchtel

Spektrale Bildgebung hat sich zu einer zuverlässigen Lösung für die Identifizierung und Trennung mehrerer Fluoreszenzsignale in einer einzigen Probe und kann Signale von Interesse leicht von Hintergrund- oder Autofluoreszenz unterscheiden. Die hyperspektrale Bildgebung beim Erregungsscannen verbessert diese Technik, indem die erforderliche Bildaufnahmezeit verringert und gleichzeitig das Signal-Rausch-Verhältnis erhöht wird.

Excitation-Scanning Hyperspektrale Bildgebungsmikroskopie zur effizienten Unterscheidung von Fluoreszenzsignalen

Das Ziel des Protokolls ist es, Forscher bei der Durchführung von Experimenten zu unterstützen, die Veränderungen in der selbst gemeldeten emotionalen Reaktion und Herzfrequenzvariabilität nach dem Kunstmachen mit verschiedenen Materialien messen sollen. Das Protokoll kann einfach für den Einsatz in einer Vielzahl von Verhaltensbedingungen und Aktivitäten angepasst werden.

Untersuchung von Veränderungen in HRV und Emotion nach dem Kunstschaffen mit drei verschiedenen Kunstmaterialien

Hier stellen wir ein Protokoll vor, um lumineszierende hyperspektrale Bildgebungsdaten zu erhalten und optische Anisotropie-Features von Lanthanid-basierten Einzelkristallen mit einem Hyperspektral Imaging System zu analysieren.

Hyperspektrale Bildgebung als Werkzeug zur Untersuchung der optischen Anisotropie in Lanthanid-basierten molekularen Einzelkristallen

Wir haben ein bildbasiertes Phänotypisierungsprotokoll entwickelt, um die morphologischen und physiologischen Reaktionen auf einfache und kombinierte Hitze-, Trockenheits- und Staunässebehandlungen zu bestimmen. Dieser Ansatz ermöglichte die Identifizierung von frühen, späten und Wiederherstellungsreaktionen auf der Ebene der gesamten Anlage, insbesondere in oberirdischen Teilen, und unterstrich die Notwendigkeit des Einsatzes mehrerer bildgebender Sensoren.

Bildbasierte Hochdurchsatz-Phänotypisierung zur Bestimmung morphologischer und physiologischer Reaktionen auf Einzel- und Kombinationsbelastungen bei Kartoffeln

Erfahren Sie die Analyse von Gemälden mit hyperspektraler Reflexionsbildgebung und Spectral Angle Mapper-Algorithmen. Diese Methode ermöglicht die Kartierung von Pinselstrichen und Pigmentverteilung für die Kunstkonservierung.

Anwendung der hyperspektralen Reflexionsbildgebung zur Untersuchung der Paletten und Techniken von Malern

Weitere Videos entdecken