Name: Hyperspectrale reflectie beeldvorming toepassen om de paletten en de technieken van schilders te onderzoeken (Video) | JoVE Journal
Uploaded: 2021-06-18T13:00:00.000+00:00
Duration: 7 min 5 s
Description: Ontdek hyperspectrale reflectiebeeldvorming met Spectral Angle Mapper-algoritmen en spectrummanipulatie voor kunstconservering. Deze methode analyseert grote datasets om penseelstreken en pigmentverdeling in schilderijen in kaart te brengen.

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

Dit onderzoek werd gefinancierd door Regione Lombardia in het kader van het Project MOBARTECH: 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.
De auteurs zijn het personeel van Museo del Novecento dankbaar voor de ondersteuning tijdens de in situ experimentele sessies en de Associazione Pellizza da Volpedo voor de toegang tot 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>

De auteurs hebben niets te onthullen.

Hyperspectrale reflectie imaging datasets zijn grote reservoirs van informatie; daarom is de ontwikkeling van robuuste en mogelijk geautomatiseerde protocollen om de gegevens te analyseren een belangrijke wending om hun potentieel te benutten15,17. Het voorgestelde algoritme beantwoordt aan deze behoefte op het gebied van cultureel erfgoed met bijzondere aandacht voor de karakterisering van de pigmenten van schilderijen. Op basis van SAM20,21</s...

Reflectance Spectroscopy (RS) en Fiber Optics Reflectance Spectroscopy (FORS) zijn gebaseerd op de detectie van het licht dat wordt gereflecteerd door oppervlakken die eenmaal zijn verlicht door een lichtbron, meestal een wolfraam-halogeenlamp. De output van het acquisitiesysteem wordt gevormd door spectra waarbij de reflectie wordt bewaakt als functie van de golflengte in een bereik dat afhankelijk is van de kenmerken van de gebruikte experimentele opstelling1,2,3. Geïntroduceerd in de afgelopen vier decennia4,5, worden RS en FORS meestal gebruikt in combinatie met röntgenfluorescentie en andere spectroscopieën om de materialen en de technieken te beschrijven die door kunstenaars worden gebruikt om hun meesterwerken te realiseren6,7,8,9. De studie van de reflectiespectra wordt meestal uitgevoerd door de gegevens van het monster te vergelijken met een groep referentiespectra die door de gebruiker is geselecteerd in persoonlijke of openbare databases. Zodra de referentiespectra die voldoen aan de realisatieperiode van het monster en aan de modus operandi van de kunstenaar zijn geïdentificeerd, herkent de gebruiker de belangrijkste kenmerken van de reflectiespectra (d.w.z. overgangs-, absorptie- en reflectiebanden1,2,10,11) en vervolgens, met behulp van andere technieken6,7,8 ze onderscheiden de pigmenten die in de schilderijen zijn gebruikt. Ten slotte bespreken ze de kleine verschillen die er bestaan tussen de referenties en de experimentele spectra7,9.
In de meeste gevallen zijn de experimentele datasets samengesteld uit enkele spectra, verzameld uit gebieden die door kunstexperts zijn gekozen en waarvan wordt aangenomen dat ze belangrijk zijn voor de karakterisering van het schilderij6,12,13. Ondanks de vaardigheden en de ervaring van de gebruiker, kunnen enkele spectra de kenmerken van het hele geverfde oppervlak niet volledig uitputten. Bovendien zal het resultaat van de analyse altijd sterk afhankelijk zijn van de expertise van de uitvoerder. In dit scenario kan Hyperspectral Reflectance Imaging (HRI3,14,15) een nuttige bron zijn. In plaats van een paar geïsoleerde spectra, geven de experimentele opstellingen de reflectie-eigenschappen van uitgebreide delen of zelfs van het hele artefact dat wordt onderzocht terug16. De twee belangrijkste voordelen met betrekking tot de verwerving van de geïsoleerde spectra zijn duidelijk. Aan de ene kant maakt de beschikbaarheid van de ruimtelijke verdeling van de reflectie-eigenschappen het mogelijk om gebieden te identificeren die interessante kenmerken verbergen, ook al lijken ze misschien niet eigenaardig17. Aan de andere kant garanderen de hyperkubussen een aantal spectra die hoog genoeg zijn om de statistische analyse van de gegevens mogelijk te maken. Deze feiten ondersteunen het begrip van de verdeling van pigmenten binnen het geschilderde oppervlak18,19.
Met HRI zou de vergelijking van de experimentele gegevens met de referenties moeilijk te hanteren kunnen zijn15. Een typische detector retourneert hyperkubussen van ten minste 256 x 256 spectra. Dit zou vereisen dat de gebruiker meer dan 65.000 reflectiespectra evalueert tegen elke referentie, een taak die bijna onmogelijk handmatig kan worden uitgevoerd in een redelijke tijd. Daarom is de vraag naar robuuste en mogelijk geautomatiseerde protocollen voor het beheren en analyseren van HRI-datasets meer dan gerechtvaardigd15,17. De voorgestelde methode beantwoordt aan deze behoefte door de hele analytische procedure met minimale betrokkenheid en maximale flexibiliteit af te handelen.
Een algoritme dat bestaat uit een set zelfgemaakte codes (Table of Materials) leest, beheert en organiseert de bestanden die door de experimentele installatie worden geretourneerd. Het maakt het mogelijk om de fijne selectie van de delen van de gezichtsvelden (FOV's, één gezichtsveld is het gebied van het schilderij bewaakt door een enkele hyperkubus) te bestuderen en voert de analyse uit van de gegevens op basis van de Spectral Angle Mapper (SAM) -methode20,21 en op de manipulatie van de oorspronkelijke spectra. SAM retourneert valse kleuren grijsschaalafbeeldingen die gelijkeniskaarten worden genoemd. De waarden van de pixels van deze afbeeldingen komen overeen met de spectrale hoeken die de hoeken zijn tussen de spectra die zijn opgeslagen in de hyperkubussen en de zogenaamde End Members (EM's, een groep referentiespectra die de kenmerken van het oppervlak moeten beschrijven die door de hyperkubussen worden bewaakt)22. In het geval van RS toegepast op schilderijen, zijn de EM's de reflectiespectra van pigmenten die moeten overeenkomen met het palet van de Meester. Ze worden gekozen op basis van de beschikbare informatie over de kunstenaar, de realisatieperiode van het schilderij en de expertise van de gebruiker. Daarom is de output van de SAM een set kaarten die de ruimtelijke verdelingen van deze pigmenten over het schilderoppervlak beschrijft en die de gebruiker ondersteunt om de materialen af te leiden die door de kunstenaar en hun organisatie in het artefact worden gebruikt. Het algoritme biedt de mogelijkheid om onafhankelijk van hun oorsprong allerlei referenties in te zetten. De referenties kunnen specifieke spectra zijn die binnen de hyperkubussen zijn geselecteerd, afkomstig zijn uit databases, worden verkregen door een ander instrument op een ander oppervlak (zoals monsters van pigmenten of het palet van de kunstenaar, bijvoorbeeld), of worden verkregen met behulp van elke vorm van reflectiespectroscopie, inclusief FORS.
SAM heeft de voorkeur gekregen onder de beschikbare classificatiemethoden omdat is aangetoond dat het effectief is voor het karakteriseren van pigmenten (zie het boek van Richard23 voor een overzicht van de belangrijkste beschikbare classificatiemethoden). In plaats daarvan is het idee om een zelfgemaakt protocol te ontwikkelen in plaats van een van de vele tools die vrij beschikbaar zijn op het net24,25, afhankelijk van een praktische overweging. Ondanks de effectiviteit en wetenschappelijke onderbouwing van de bestaande GUI's en software, voldoet één tool nauwelijks aan alle behoeften van de gebruiker. Er kan een I/O-probleem (Input/Output) optreden omdat een hulpprogramma het bestand met de onbewerkte gegevens niet beheert. Er kan een probleem zijn met betrekking tot de analyse van de gegevens omdat een andere tool niet de gewenste aanpak biedt. Er kan een beperking zijn in de verwerking van de gegevens omdat de gelijktijdige analyse van meerdere datasets niet wordt ondersteund. In ieder geval bestaat er geen perfect hulpmiddel. Elke methode moet worden aangepast aan de gegevens of omgekeerd. Daarom heeft de ontwikkeling van een zelfgemaakt protocol de voorkeur gekregen.
De gepresenteerde benadering biedt noch een complete reeks analytische methoden (zie ter vergelijking de tool voorgesteld door Mobaraki en Amigo24) noch een eenvoudig te beheren gebruikersinterface (zie ter vergelijking de software van Zhu en collega's25), maar richt zich in ruil daarvoor op een nog steeds onderschat aspect van hyperspectrale data-analyse: de mogelijkheid om de gedetecteerde spectra te manipuleren. De kracht van de aanpak wordt geïllustreerd door het toe te passen op het schilderij Quarto Stato van Giuseppe Pellizza da Volpedo (figuur 1), een iconische olieverf op doek in het Museo del Novecento in Milaan, Italië. Merk op dat, aangezien de aanpak het uitvoeren van zelfgemaakte codes vereist, de ontwikkelaar willekeurig de namen van de codes en zowel de invoer- als uitvoervariabelen heeft gekozen die worden gebruikt in de beschrijving van het protocol. De namen van de variabelen kunnen door de gebruiker worden gewijzigd, maar ze moeten als volgt worden opgegeven: de invoer- en uitvariabelen moeten respectievelijk tussen haakjes worden geschreven en uiteindelijk worden gescheiden door komma's en tussen vierkante haken en uiteindelijk worden gescheiden door een witruimte. Integendeel, de namen van de codes kunnen niet worden gewijzigd.

<table><tbody><tr><td>ImageJ/Fiji</td><td>Specim (Oulo, Finland)</td><td>N/A</td><td>Draagbare reflectie hyperspectrale camera gebruikt om de hypercubes te verwerven</td></tr><tr><td>MATLAB 2019b</td><td>StellarNet Inc (Tampa, Florida, USA)</td><td>N/A</td><td>Draagbare reflectiespectrometer gebruikt om onafhankelijke reflectiespectra te verkrijgen</td></tr><tr><td>Specim IQ Hyperspectral Camera</td><td>National Institutes of Health (Bethesda, Maryland, USA)</td><td>N/A</td><td>Open source Java beeldverwerkingsprogramma</td></tr><tr><td>StellarNet BLUE-wave Miniature Spectrometer</td><td>MathWorks (Natick, Massachusetts, USA)</td><td>N/A</td><td>Programmeertaal en numerieke computing omgeving</td></tr></tbody></table>

hyperspectrale reflectie beeldvorming toepassen om de paletten en de technieken van schilders te onderzoeken

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

Reflectance Spectroscopy (RS) en Fiber Optics Reflectance Spectroscopy (FORS) zijn gevestigde technieken voor het onderzoeken van kunstwerken met bijzondere aandacht voor schilderijen. De meeste moderne musea stellen draagbare apparatuur ter beschikking van hun onderzoeksgroepen die, samen met de intrinsieke non-invasiviteit van RS en FORS, de in situ collectie van reflectiespectra van het oppervlak van artefacten mogelijk maakt. De vergelijking, uitgevoerd door experts in pigmenten en schildermaterialen, van de experimentele gegevens met databases van referentiespectra drijft de karakterisering van de paletten en van de technieken die door de kunstenaars worden gebruikt. Deze aanpak vereist echter specifieke vaardigheden en het is tijdrovend, vooral als het aantal te onderzoeken spectra groot wordt, zoals het geval is bij Hyperspectral Reflectance Imaging (HRI) datasets. De HRI-experimentele opstellingen zijn multidimensionale camera's die de spectrale informatie, gegeven door de reflectiespectra, associëren met de ruimtelijke lokalisatie van de spectra over het geverfde oppervlak. De resulterende datasets zijn 3D-kubussen (hyperkubussen of datakubussen genoemd) waarbij de eerste twee dimensies het spectrum over het schilderij lokaliseren en de derde het spectrum zelf is (d.w.z. de reflectie van dat punt van het geverfde oppervlak versus de golflengte in het operatieve bereik van de detector). Het vermogen van de detector om tegelijkertijd een groot aantal spectra te verzamelen (meestal veel meer dan 10.000 voor elke hyperkubus) maakt de HRI-datasets grote reservoirs van informatie en rechtvaardigt de noodzaak van de ontwikkeling van robuuste en mogelijk geautomatiseerde protocollen om de gegevens te analyseren. Na de beschrijving van de procedure die is ontworpen voor de gegevensverzameling, presenteren we een analysemethode die systematisch het potentieel van de hyperkubussen benut. Gebaseerd op Spectral Angle Mapper (SAM) en op de manipulatie van de verzamelde spectra, verwerkt en analyseert het algoritme duizenden spectra terwijl het tegelijkertijd de gebruiker ondersteunt om de kenmerken van de onderzochte monsters te onthullen. De kracht van de aanpak wordt geïllustreerd door het toe te passen op Quarto Stato, het iconische meesterwerk van Giuseppe Pellizza da Volpedo, gehouden in het Museo del Novecento in Milaan (Italië).

Het voorgestelde protocol biedt een reeks interessante functies voor het beheer en de analyse van HRI-gegevens. De I/O (stap 3.1) van de ruwe gegevens is altijd het eerste probleem dat moet worden opgelost voordat een analysemethode wordt toegepast en het kan een kritiek probleem worden bij het omgaan met grote hoeveelheden gegevens. In het onderhavige geval is de enige taak met betrekking tot de onbewerkte gegevens het opslaan van de experimentele resultaten in een speciale map en deze te selecteren door op de harde sch...

Hyperspectral Reflectance Imaging hyperkubussen nemen opmerkelijke informatie op in een grote hoeveelheid gegevens. Daarom is de vraag naar geautomatiseerde protocollen om de datasets te beheren en te bestuderen breed gerechtvaardigd. De combinatie van Spectral Angle Mapper, datamanipulatie en een door de gebruiker instelbare analysemethode vormt een belangrijke wending voor het verkennen van de experimentele resultaten.

Hyperspectrale reflectie beeldvorming toepassen om de paletten en de technieken van schilders te onderzoeken

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

Dit protocol biedt nieuwe mogelijkheden met betrekking tot de analyse van schilderijen van gezichten. Het ondersteunt de gebruikers stap voor stap tijdens het hele data-analyseproces. Dit protocol heeft twee belangrijke voordelen.De gebruikers kunnen de analyse aanpassen aan hun voorkeuren en voor het eerst is spectrummanipulatie geïntroduceerd om de hyperspectrale gegevens te analyseren. Hyperspectrale reflectie beeldvorming wordt met succes gebruikt om huidziekte of tumordiagnose te bestuderen. Zelfs als een protocol is geboren op het gebied van contra-erfgoed, kan het ook worden toegepast op klinische gezondheidsgegevenssets.Voer met de steun van kunstexperts een voorlopige inspectie van het geschilderde oppervlak uit om de belangrijkste kenmerken van het schilderij te identificeren. Noteer de picturale technieken die door de kunstenaar worden gebruikt, de verschillende penseelstreken op het doek en schat de kenmerken van de penseelstreken kwalitatief in met bijzondere aandacht voor hun grootte. Maak ad hoc samples waarbij de penseelstreken kenmerken vertonen die vergelijkbaar zijn met die welke door de kunstenaar zijn toegepast door de picturale techniek na te bootsen die door de kunstenaar wordt gebruikt.Verkrijg de hyperspectrale gegevens en controleer of de ruimtelijke resolutie van de hyperkubussen de verschillende penseelstreken op de RGB-afbeeldingen van het geverfde oppervlak kan onderscheiden. Voer PointSel uit, de geïsoleerde meetpuntselectiecode om handmatig enkele referentiespectra op de oppervlakken van de testmonsters te selecteren. Typ de opdrachtregel inclusief de puntkomma in het terminalvenster en druk op enter om de code uit te voeren.Selecteer de meetpunten door op het interactieve venster te klikken dat één voor één de tweedimensionale RGB-afbeeldingen van de gezichtsvelden toont. Voer SAM_Standard, de standaard SAM-kaartevaluatiecode om de SAM-kaarten te extraheren met behulp van de hele spectra. Typ de opdrachtregel, inclusief puntkomma in het terminalvenster, en druk op enter om de code uit te voeren.SAM-kaarten worden opgeslagen als PNG-afbeeldingen in de huidige werkmap. Controleer of de verkregen gelijkeniskaarten de details weergeven van de penseelstreken die zijn gebruikt om de testmonsters te realiseren. Zo niet, start het proces dan opnieuw door de afstand tussen het oppervlak van het testmonster en de acquisitieapparatuur aan te passen.Volgens de evaluatie verkregen door de testmonsters wordt de afstand tussen het oppervlak van het onderzochte schilderij en de acquisitieapparatuur vastgesteld. Voer IO van de hyperspectrale gegevens uit door de hyperkubussen te organiseren, uit te lezen en te beheren. Voer de HS FileLister-code uit om de lijst met de bestanden met de hyperkubussen en de gerelateerde informatie op te slaan in twee variabelen die ter beschikking staan van het algoritme.Voer de HS_Crop PNG-code uit om het gedeelte van elke FOV te selecteren dat moet worden gebruikt bij de analyse van de gegevens. Voer vervolgens de PointSel-code uit en klik in het weergegeven interactieve venster om de referentiespectra te identificeren als geïsoleerde meetpunten over het oppervlak van de bewaakte gebieden. Typ de opdrachtregel inclusief de puntkomma in het terminalvenster en druk op enter om ReticularSel, de Reticulaire selectiecode, uit te voeren.Dit selecteert automatisch de referentiespectra als een reticulum van meetpunten bovenop het oppervlak van de bewaakte gebieden. Deze selectiemethode maakt de analyse zeer tijdrovend omdat het aantal referenties groot is. Typ de opdrachtregel inclusief de puntkomma in het terminalvenster en druk op enter om SaveImPoint uit te voeren.Hiermee wordt een locatie opgeslagen op het geselecteerde meetpunt bovenop de foto's van de gezichtsvelden. Voer Spectra_Importer uit, de externe referentiesimporteurcode om een variabele te maken die verwijzingen bevat uit datasets en databases die onafhankelijk zijn van de hyperkubussen die op quarto stato zijn verkregen. Merk op dat de spectra een andere grootte hebben dan die verkregen met de hyperspectrale camera.Voer de sam complete code uit om de gelijkeniskaarten te evalueren. Voer de code in met de gewenste voorbewerkingsoptie die nul of één invoert in het dialoogvenster. Nul om de spectranormalisatie alleen te vereisen of één om te eisen dat na de normalisatie de spectra één keer worden afgeleid.voer deze reeks getallen die overeenkomen met de gewenste kolommen van de referentiematrix in het dialoogvenster in door de getallen te typen die worden gescheiden door een witruimte. Druk op Enter om door te gaan. Stel de methode in op nul zodat de gegevens niet worden gemanipuleerd.Een om handmatige selectie van de golflengtebereiken van de spectra te vereisen die moeten worden overwogen voordat de analyse wordt gestart of twee om het algoritme te verplichten de gegevens te ordenen op basis van een specifiek criterium en vóór de evaluatie van de SAM-kaarten. Om de eindelementen voor de SAM-analyse te selecteren, haalt het algoritme de referentiespectra tussen de hyperkubussen op door handmatig enkele geïsoleerde meetpunten te selecteren of bemonstert het verfoppervlak automatisch, waardoor een bepaalde selectie van meetpunten binnen een of meer FOV's wordt geboden. Het algoritme kan de hyperkubussen ook vergelijken met externe spectra zoals die verkregen door een draagbare FORS miniatuurspectrometer.Wanneer de voorbewerkte verwijzingen in een interactief venster verschijnen, kunnen een of meer te analyseren golflengte-intervallen handmatig worden geselecteerd. Bij automatische selectie berekent het algoritme een maximale variantie binnen de gewenste referenties en ordent spectra volgens dit criterium. Als de maximale variantie overeenkomt met de n-de golflengte, wordt de inhoud van de n-de component van elk voorbewerkt spectrum verplaatst naar de eerste positie van een herschikte hypervector enzovoort.Na de automatische manipulatie past het algoritme een zwevende drempel toe op de variantiewaarden en evalueert de SAM-kaarten op de toenemende drempel, wat resulteert in een totaal van twee n plus één sets kaarten waarbij n een aantal waarden is die door de drempel worden verondersteld. De verkregen gelijkeniskaarten geven nieuwe inzichten in de details van het in kaart gebrachte gebied. Ze kunnen helpen om de steekproeven en de referenties te vergelijken.De mogelijkheid om de analyse aan te passen en elk spectrum als referentie te exploiteren, verbreedt de gebruikershorizon maar vraagt tegelijkertijd de gebruiker om een zorgvuldige evaluatie van zijn keuzes Deze aanpak maakt het gebruik van spectrummanipulatie als analysetool mogelijk, daarom kunnen computervisie en statistische studies helpen de kennis over de mogelijkheid van deze materie te verdiepen.

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

Research

JoVE Journal

Chemistry

Scheikunde

We presenteren een niet-destructieve methode voor het bemonsteren van ruimtelijke variatie in de richting van het licht verstrooid over structureel complexe materialen. Door het houden van het materiaal intact, we bewaren bruto-schaal verstrooiing gedrag, terwijl tegelijkertijd het vastleggen van gedetailleerde directionele bijdragen met een hoge resolutie imaging. Resultaten worden gevisualiseerd in de software op biologisch-relevante posities en schalen.

Meten Ruimtelijk-en Directionally-variërend lichtverstrooiing van biologisch materiaal

Verbeterde donkerveldmicroscopie en hyperspectraal beeldvorming met spectraal mapping maken screening, lokalisatie en identificatie van nanoschalige materialen in histologische monsters mogelijk met verbeterde snelheid en nauwkeurigheid ten opzichte van traditionele methoden. Het doel van dit artikel is om methoden te bieden voor donkerveld beeldvorming en hyperspectraal mapping van metaaloxide nanodeeltjes in histologische monsters.

Identificatie van Metal Oxide Nanodeeltjes in histologische monsters door Enhanced Darkfield Microscopie en hyperspectrale Mapping

Dit artikel beschrijft een nieuwe methode voor het simuleren en het bestuderen van de aanpassing in het visuele systeem.

Visualiseren Visual Adaptation

De gelijktijdige evaluatie van cerebrale hemodynamica en de lichtverstrooiende eigenschappen van in vivo rattenhersenweefsel wordt aangetoond met conventionele multispectrale diffuse reflectie-afbeeldingssysteem.

Gelijktijdige Evaluatie van Cerebrale hemodynamiek en Light Scattering Eigenschappen van de<em&gt; In Vivo</em&gt; Rat Brain behulp Multispectral Diffuse reflectie Imaging

Een experimenteel protocol wordt gepresenteerd voor de beoordeling van de grond gekweekte plant wortelstelsel met RGB- en Hyperspectrale beeldvorming. Combinatie van RGB-afbeelding tijd serie met chemometric informatie van hyperspectrale scant optimaliseert inzichten in plant wortel dynamiek.

RGB- en spectrale Root Imaging voor Plant fenotypering en fysiologisch onderzoek: experimentele opzet en Imaging protocollen

Dit protocol wordt beschreven hoe het gebruik van diffuse polarisatie spectroscopie de klinische bruikbaarheid van de capillary refill test kunt verbeteren. Wij stellen voor een meer gedetailleerde analyse van het verloop van de capillary refill bij gezonde vrijwilligers met behulp van diffuse reflectie spectroscopie video's en nieuwe informatic eindpunten.

Diffuse reflectie spectroscopie: Krijgen de Capillary Refill Test onder iemands duim

Spectrale beeldvorming is uitgegroeid tot een betrouwbare oplossing voor de identificatie en scheiding van meerdere fluorescentie signalen in een enkel monster en kan gemakkelijk signalen van belang onderscheiden van achtergrond of auto fluorescentie. Excitatie-Scanning Hyperspectrale beeldvorming verbetert deze techniek door de benodigde beeldverzamelings tijd te verlagen en tegelijkertijd de signaal-ruis verhouding te verhogen.

Excitatie-Scanning hyperspectrale beeld microscopie om fluorescentie signalen efficiënt te discrimineren

Het doel van het protocol is om onderzoekers te begeleiden bij het uitvoeren van experimenten die zijn bedoeld om veranderingen in zelf gerapporteerde emotionele respons en hartslagwisselingen te meten na het maken van kunst met verschillende materialen. Het protocol kan gemakkelijk worden aangepast voor gebruik in een verscheidenheid van gedrags omstandigheden en activiteiten.

Het onderzoeken van veranderingen in HRV en emotie na Artmaking met drie verschillende kunst materialen

Hier presenteren we een protocol om luminescente hyperspectrale beeldvormingsgegevens te verkrijgen en optische anisotropiekenmerken van op lantithaan gebaseerde enkelvoudige kristallen te analyseren met behulp van een Hyperspectral Imaging System.

Hyperspectrale beeldvorming als een instrument om optische anisotropie te bestuderen in op Lanthanide gebaseerde moleculaire enkele kristallen

We ontwierpen een op afbeeldingen gebaseerd fenotyperingsprotocol om de morfologische en fysiologische reacties op enkelvoudige en gecombineerde hitte-, droogte- en wateroverlastbehandelingen te bepalen. Deze aanpak maakte het mogelijk om vroege, late en herstelreacties te identificeren op het niveau van de hele fabriek, met name bovengrondse delen, en benadrukte de noodzaak van het gebruik van meerdere beeldsensoren.

Fenotypering op basis van afbeeldingen met hoge doorvoer voor het bepalen van morfologische en fysiologische reacties op enkelvoudige en gecombineerde spanningen in aardappel

Ontdek hyperspectrale reflectiebeeldvorming met Spectral Angle Mapper-algoritmen en spectrummanipulatie voor kunstconservering. Deze methode analyseert grote datasets om penseelstreken en pigmentverdeling in schilderijen in kaart te brengen.

Hyperspectrale reflectie beeldvorming toepassen om de paletten en de technieken van schilders te onderzoeken

Meer video's verkennen