Name: Zastosowanie obrazowania hiperspektralnego odbicia do badania palet i technik malarzy (Wideo) | JoVE Journal
Uploaded: 2021-06-18T13:00:00.000+00:00
Duration: 7 min 5 s
Description: Poznaj analizę obrazowania hiperspektralnego odbicia w konserwacji dzieł sztuki. Protokół wykorzystuje algorytmy SAM i manipulację spektrum do szczegółowego mapowania pociągnięć pędzla i dystrybucji pigmentów na obrazach.

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

Badania zostały sfinansowane przez Regione Lombardia w ramach Projektu 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.
Autorzy są wdzięczni pracownikom Museo del Novecento za wsparcie podczas sesji eksperymentalnych in situ oraz Associazione Pellizza da Volpedo za dostęp do 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>

Autorzy nie mają nic do ujawnienia.

Zestawy danych obrazowania odbicia hiperspektralnego są dużymi rezerwuarami informacji; W związku z tym opracowanie solidnych i być może zautomatyzowanych protokołów do analizy danych jest kluczowym krokiem w kierunku wykorzystania ich potencjału15,17. Proponowany algorytm odpowiada na tę potrzebę w zakresie dziedzictwa kulturowego, ze szczególnym uwzględnieniem charakterystyki pigmentów obrazów. Algorytm oparty na SAM 20,21<sup...

Spektroskopia odbicia (RS) i spektroskopia odbicia światłowodów (FORS) opierają się na wykrywaniu światła odbitego od powierzchni niegdyś oświetlonych przez źródło światła, zazwyczaj lampę wolframowo-halogenową. Wyjściem systemu akwizycji są widma, w których współczynnik odbicia jest monitorowany w funkcji długości fali w zakresie zależnym od charakterystyki zastosowanego układu doświadczalnego1,2,3. Wprowadzone w ciągu ostatnich czterech dekad4,5, RS i FORS są zwykle używane w połączeniu z fluorescencją rentgenowską i innymi spektroskopiami do opisania materiałów i technik używanych przez artystów do realizacji ich arcydzieł6,7,8,9. Badanie widm odbicia odbywa się zwykle poprzez porównanie danych z próbki z grupą widm referencyjnych wybranych przez użytkownika w osobistych lub publicznych bazach danych. Po zidentyfikowaniu widm referencyjnych, które są zgodne z okresem realizacji próbki i modus operandi artysty, użytkownik rozpoznaje główne cechy widm odbicia (tj. pasma przejścia, absorpcji i odbicia1,2,10,11), a następnie, za pomocą innych technik6,7,8 rozróżniają pigmenty, które zostały użyte w obrazach. Na koniec omówiono niewielkie różnice, jakie istnieją między odniesieniami a widmami eksperymentalnymi7,9.
W większości przypadków eksperymentalne zestawy danych składają się z kilku widm, zebranych z obszarów wybranych przez ekspertów sztuki i zakładanych jako istotne dla charakterystyki obrazu6, 12,13. Pomimo umiejętności i doświadczenia użytkownika, kilka widm nie jest w stanie w pełni wyczerpać charakterystyki całej malowanej powierzchni. Co więcej, wynik analizy zawsze będzie silnie zależał od wiedzy specjalistycznej wykonawcy. W tym scenariuszu obrazowanie odbicia hiperspektralnego (HRI3,14,15) może być użytecznym zasobem. Zamiast kilku izolowanych widm, układy eksperymentalne zwracają właściwości odbicia rozszerzonych fragmentów lub nawet całego badanego artefaktu16. Dwie główne zalety w odniesieniu do pozyskiwania izolowanych widm są oczywiste. Z jednej strony dostępność przestrzennego rozkładu właściwości odbicia pozwala na identyfikację obszarów, które skrywają interesujące cechy, nawet jeśli mogą nie wydawać się osobliwe17. Z drugiej strony, hiperkostki gwarantują liczbę widm na tyle wysoką, aby umożliwić statystyczną analizę danych. Fakty te potwierdzają zrozumienie rozkładu pigmentów w pomalowanej powierzchni18,19.
W przypadku HRI, porównanie danych eksperymentalnych z odniesieniami może być trudne do opanowania15. Typowy detektor zwraca hipersześciany o widmach co najmniej 256 x 256. Wymagałoby to od użytkownika oceny ponad 65 000 widm odbicia w odniesieniu do każdego odniesienia, co jest zadaniem prawie niemożliwym do wykonania ręcznie w rozsądnym czasie. W związku z tym zapotrzebowanie na solidne i być może zautomatyzowane protokoły do zarządzania i analizowania zbiorów danych HRI jest więcej niż uzasadnione15,17. Proponowana metoda odpowiada na tę potrzebę, obsługując całą procedurę analityczną przy minimalnym zaangażowaniu i maksymalnej elastyczności.
Algorytm składający się z zestawu kodów domowej roboty (Tabela Materiałów) odczytuje, zarządza i porządkuje pliki zwrócone przez instalację eksperymentalną. Pozwala na precyzyjny wybór części pól widzenia (FOV, jedno pole widzenia to obszar obrazu monitorowany przez pojedynczy hipersześcian) do zbadania i przeprowadza analizę danych w oparciu o metodę mapowania kątów spektralnych (SAM)20,21 oraz na manipulacji oryginalnymi widmami. Funkcja SAM zwraca obrazy w skali szarości o fałszywych kolorach, zwane mapami podobieństwa. Wartości pikseli tych map odpowiadają kątom widmowym, które są kątami między widmami przechowywanymi w hipersześcianach a tzw. Elementami Końcowymi (EMs, grupa widm referencyjnych, które powinny opisywać cechy powierzchni monitorowanej przez hiperkostki)22. W przypadku RS zastosowanego do obrazów, EM są widmami odbicia pigmentów, które powinny pasować do palety Mistrza. Są one wybierane na podstawie dostępnych informacji o artyście, okresu realizacji obrazu oraz wiedzy użytkownika. W związku z tym wynikiem SAM jest zestaw map, które opisują przestrzenne rozmieszczenie tych pigmentów na powierzchni malarskiej i które pomagają użytkownikowi wywnioskować materiały użyte przez artystę i jego organizację w artefakcie. Algorytm daje możliwość wykorzystania wszelkiego rodzaju odniesień niezależnie od ich pochodzenia. Referencje mogą być specyficznymi widmami wybranymi w hipersześcianach, pochodzić z baz danych, być uzyskane za pomocą innego instrumentu na innej powierzchni (np. próbki pigmentów lub paleta artysty) lub być uzyskane przy użyciu dowolnego rodzaju spektroskopii odbicia, w tym FORS.
SAM był preferowany spośród dostępnych metod klasyfikacji, ponieważ wykazano, że jest skuteczny w charakteryzowaniu pigmentów (zobacz książkę Richarda23, aby uzyskać przegląd głównych dostępnych metod klasyfikacji). Zamiast tego, pomysł opracowania domowego protokołu, zamiast przyjmowania jednego z wielu narzędzi dostępnych swobodnie w sieci24, 25 opiera się na względach praktycznych. Pomimo skuteczności i naukowych podstaw istniejących graficznych interfejsów użytkownika i oprogramowania, pojedyncze narzędzie ledwo zaspokaja wszystkie potrzeby użytkownika. Może wystąpić problem z wejściami/wyjściami (I/O), ponieważ narzędzie nie zarządza plikiem zawierającym nieprzetworzone dane. Może wystąpić problem z analizą danych, ponieważ inne narzędzie nie zapewnia pożądanego podejścia. Może istnieć ograniczenie w obsłudze danych, ponieważ jednoczesna analiza wielu zestawów danych nie jest obsługiwana. W każdym razie nie ma idealnego narzędzia. Każda metoda musi być dostosowana do danych lub odwrotnie. Dlatego preferowane jest opracowanie domowego protokołu.
Przedstawione podejście nie oferuje ani kompletnego zestawu metod analitycznych (zobacz, dla porównania, narzędzie proponowane przez Mobarakiego i Amigo24), ani łatwego w zarządzaniu interfejsu użytkownika (zobacz, dla porównania, oprogramowanie używane przez Zhu i współpracowników25), ale w zamian skupia się na wciąż niedocenianym aspekcie analizy danych hiperspektralnych: możliwości manipulowania wykrytymi widmami. Siła tego podejścia jest zilustrowana przez zastosowanie go do obrazu Quarto Stato Giuseppe Pellizza da Volpedo (Ilustracja 1), ikonicznego obrazu olejnego na płótnie znajdującego się w Museo del Novecento w Mediolanie we Włoszech. Należy pamiętać, że ponieważ podejście to wymaga uruchamiania domowych kodów, programista arbitralnie wybrał nazwy kodów oraz zmienne wejściowe i wyjściowe użyte w opisie protokołu. Nazwy zmiennych mogą być zmieniane przez użytkownika, ale muszą być podane w następujący sposób: zmienne wejściowe i wyjściowe muszą być zapisane odpowiednio w nawiasach kwadratowych i ostatecznie oddzielone przecinkiem i w nawiasach kwadratowych, a ostatecznie oddzielone białym znakiem. Wręcz przeciwnie, nazwy kodów nie mogą być zmieniane.

<table><tbody><tr><td>ImageJ/Fiji</td><td>Specim (Oulo, Finlad)</td><td>N/A</td><td>Przenośna kamera hiperspektralna refleksyjna używana do pozyskiwania hipersześcianów</td></tr><tr><td>MATLAB 2019b</td><td>StellarNet Inc (Tampa, Floryda, USA)</td><td>Nie dotyczy</td><td>Przenośny spektrometr odbicia używany do pozyskiwania niezależnych widm odbicia</td></tr><tr><td>Kamera hiperspektralna Specim IQ</td><td>National Institutes of Health (Bethesda, Maryland, USA)</td><td>N/A</td><td>&nbsp; Program do przetwarzania obrazów Java o otwartym kodzie źródłowym</td></tr><tr><td>StellarNet BLUE-wave Miniature Spectrometer</td><td>&nbsp; MathWorks (Natick, Massachusset, USA)</td><td>N/A</td><td>Język programowania i numeryczne środowisko obliczeniowe</td></tr></tbody></table>

zastosowanie obrazowania hiperspektralnego odbicia do badania palet i technik malarzy

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

Spektroskopia odbicia (RS) i spektroskopia odbicia światłowodów (FORS) są dobrze znanymi technikami badania dzieł sztuki ze szczególnym uwzględnieniem obrazów. Większość współczesnych muzeów oddaje do dyspozycji swoich grup badawczych przenośny sprzęt, który w połączeniu z samoistną nieinwazyjnością RS i FORS umożliwia zbieranie in situ widm odbicia od powierzchni artefaktów. Porównanie, dokonane przez ekspertów w dziedzinie pigmentów i materiałów malarskich, danych eksperymentalnych z bazami danych widm referencyjnych wpływa na charakterystykę palet i technik stosowanych przez artystów. Podejście to wymaga jednak szczególnych umiejętności i jest czasochłonne, zwłaszcza jeśli liczba widm do zbadania staje się duża, jak ma to miejsce w przypadku zestawów danych obrazowania hiperspektralnego odbicia (HRI). Eksperymentalne konfiguracje HRI to wielowymiarowe kamery, które kojarzą informacje spektralne dostarczane przez widma odbicia z przestrzenną lokalizacją widm na pomalowanej powierzchni. Wynikowe zestawy danych to sześciany 3D (zwane hipersześcianami lub kostkami danych), w których pierwsze dwa wymiary lokalizują widmo nad obrazem, a trzeci to samo widmo (tj. współczynnik odbicia tego punktu pomalowanej powierzchni w stosunku do długości fali w zakresie operacyjnym detektora). Zdolność detektora do jednoczesnego zbierania dużej liczby widm (zwykle znacznie więcej niż 10 000 dla każdego hipersześcianu) sprawia, że zbiory danych HRI są dużymi rezerwuarami informacji i uzasadniają potrzebę opracowania solidnych i być może zautomatyzowanych protokołów do analizy danych. Po opisie procedury przeznaczonej do pozyskiwania danych, przedstawiamy metodę analizy, która w systematyczny sposób wykorzystuje potencjał hipersześcianów. Opierając się na Spectral Angle Mapper (SAM) i manipulacji zebranymi widmami, algorytm obsługuje i analizuje tysiące widm, jednocześnie wspierając użytkownika w odkrywaniu cech badanych próbek. Siłę tego podejścia ilustruje zastosowanie go do Quarto Stato, kultowego arcydzieła Giuseppe Pellizzy da Volpedo, znajdującego się w Museo del Novecento w Mediolanie (Włochy).

Proponowany protokół oferuje zestaw interesujących funkcji do zarządzania i analizy danych HRI. Wejście/wyjście (krok 3.1) surowych danych jest zawsze pierwszym problemem, który należy rozwiązać przed zastosowaniem jakiejkolwiek metody analizy, i może stać się kwestią krytyczną przy pracy z dużymi ilościami danych. W niniejszym przypadku jedynym zadaniem dotyczącym surowych danych jest zapisanie wyników eksperymentalnych w dedykowanym folderze i wybranie go poprzez przeglądanie dysku twardego podczas uruchamiania kodu od...

Hiperspektralne obrazowanie odbicia Hiperkostki zawierają niezwykłe informacje w dużej ilości danych. W związku z tym wniosek o zautomatyzowane protokoły do zarządzania zbiorami danych i ich badania jest szeroko uzasadniony. Połączenie Spectral Angle Mapper, manipulacji danymi i metody analizy dostosowywanej przez użytkownika stanowi kluczowy zwrot w badaniu wyników eksperymentalnych.

Zastosowanie obrazowania hiperspektralnego odbicia do badania palet i technik malarzy

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

Protokół ten stwarza nowe możliwości związane z analizą malowideł twarzy. Wspiera użytkowników krok po kroku w całym procesie analizy danych. Protokół ten ma dwie główne zalety.Użytkownicy mogą dostosować analizę do swoich preferencji, a po raz pierwszy wprowadzono manipulację widmem w celu analizy danych hiperspektralnych. Obrazowanie hiperspektralne z odbiciem jest z powodzeniem stosowane do badania chorób skóry lub diagnozowania nowotworów. Nawet jeśli protokół narodził się w dziedzinie dziedzictwa przeciwstawnego, można go również zastosować do klinicznego zestawu danych zdrowotnych.Przy wsparciu ekspertów od sztuki przeprowadź wstępną inspekcję pomalowanej powierzchni, aby zidentyfikować główne cechy obrazu. Zwróć uwagę na techniki malarskie stosowane przez artystę, różne pociągnięcia pędzlem farby na płótnie i oszacuj jakościowo cechy pociągnięć pędzlem, zwracając szczególną uwagę na ich wielkość. Twórz próbki ad hoc, w których pociągnięcia pędzlem wykazują cechy podobne do tych zastosowanych przez artystę, naśladując technikę malarską zastosowaną przez artystę.Pozyskaj dane hiperspektralne i sprawdź, czy rozdzielczość przestrzenna hipersześcianów może rozróżnić różne pociągnięcia pędzla na obrazach RGB pomalowanej powierzchni. Uruchom PointSel, kod wyboru izolowanego punktu pomiarowego, aby ręcznie wybrać widma referencyjne na powierzchniach badanych próbek. Wpisz wiersz polecenia wraz ze średnikiem w oknie terminala i naciśnij Enter, aby uruchomić kod.Wybierz punkty pomiaru, klikając interaktywne okno, które jeden po drugim pokazuje dwuwymiarowe obrazy RGB pól widzenia. Uruchom SAM_Standard, standardowy kod oceny map SAM, aby wyodrębnić mapy SAM przy użyciu całego widma. Wpisz wiersz polecenia, w tym średnik w oknie terminala, a następnie naciśnij Enter, aby uruchomić kod.Mapy SAM są zapisywane jako obrazy PNG w bieżącym folderze roboczym. Sprawdź, czy uzyskane mapy podobieństwa wyświetlają szczegóły pociągnięć pędzlem użytych do realizacji próbek testowych. Jeśli nie, uruchom ponownie proces, ponownie dostosowując odległość między powierzchnią próbki testowej a sprzętem do akwizycji.Zgodnie z oceną uzyskaną przez próbki testowe należy ustalić odległość między powierzchnią badanego obrazu a sprzętem do akwizycji. Wykonuj IO danych hiperspektralnych, organizując, odczytując i zarządzając hiperkostkami. Uruchom kod HS FileLister, aby zapisać listę plików zawierających hiperkostki i powiązane informacje w dwóch zmiennych do dyspozycji algorytmu.Uruchom HS_Crop kod PNG, aby wybrać część każdego pola widzenia, która ma być używana w analizie danych. Następnie uruchom kod PointSel i kliknij w wyświetlonym interaktywnym oknie, aby zidentyfikować widma referencyjne jako izolowane punkty pomiarowe nad powierzchnią monitorowanych obszarów. Wpisz wiersz polecenia wraz ze średnikiem w oknie terminala i naciśnij Enter, aby uruchomić ReticularSel, kod wyboru Reticular .Powoduje to automatyczne wybieranie widm referencyjnych jako regularnej siatki punktów pomiarowych nałożonych na powierzchnię monitorowanych obszarów. Ta metoda selekcji sprawia, że analiza jest bardzo czasochłonna, ponieważ liczba referencji jest duża. Wpisz wiersz polecenia wraz ze średnikiem w oknie terminala i naciśnij Enter, aby uruchomić SaveImPoint.Spowoduje to zapisanie lokalizacji w wybranym punkcie pomiarowym nałożonej na obrazy pól widzenia. Uruchom Spectra_Importer, kod importera odniesień zewnętrznych, aby utworzyć zmienną zawierającą odwołania z zestawów danych i baz danych niezależnych od hipersześcianów uzyskanych na quarto stato. Należy zauważyć, że widma mają inną wielkość w stosunku do tych uzyskanych za pomocą kamery hiperspektralnej.Uruchom kompletny kod SAM, aby ocenić mapy podobieństwa. Podaj kod z żądaną opcją wstępnego przetwarzania, wprowadzając zero lub jeden w oknie dialogowym. Zero, aby wymagać tylko normalizacji widm lub jeden, aby wymagać, aby po normalizacji widma były wyprowadzane jeden raz.Wprowadź tę sekwencję liczb odpowiadającą żądanym kolumnom macierzy odwołań w oknie dialogowym, wpisując liczby oddzielone białym znakiem. Naciśnij Enter, aby kontynuować. Ustaw metodę na zero, aby nie można było manipulować danymi.Jedna z nich wymaga ręcznego wyboru zakresów długości fal widm, które mają być brane pod uwagę przed rozpoczęciem analizy, a druga, aby wymagała od algorytmu uporządkowania danych w oparciu o określone kryterium i przed oceną map SAM. Aby wybrać elementy końcowe do analizy SAM, algorytm albo pobiera widma referencyjne wśród hipersześcianów, ręcznie wybierając niektóre izolowane punkty pomiarowe, albo automatycznie próbkuje powierzchnię malowania, zapewniając określony wybór punktów pomiarowych w obrębie jednego lub więcej pól widzenia. Algorytm może również porównywać hipersześciany z widmami zewnętrznymi, takimi jak te uzyskiwane przez przenośny miniaturowy spektrometr FORS.Gdy wstępnie przetworzone odniesienia pojawią się w oknie interaktywnym, można ręcznie wybrać jeden lub więcej przedziałów długości fal do analizy. W przypadku wyboru automatycznego algorytm oblicza maksymalną wariancję w obrębie żądanych odniesień i porządkuje widma zgodnie z tym kryterium. Jeśli maksymalna wariancja odpowiada n-tej długości fali, zawartość n-tej składowej każdego wstępnie przetworzonego widma zostanie przeniesiona na pierwszą pozycję przegrupowanego hiperwektora i tak dalej.Po automatycznej manipulacji algorytm stosuje próg zmiennoprzecinkowy do wartości wariancji i ocenia mapy SAM przy rosnącym progu, co daje w sumie dwa zestawy map n plus jeden, gdzie n jest liczbą wartości przyjętych przez próg. Uzyskane mapy podobieństwa dostarczają nowych informacji na temat szczegółów mapowanego obszaru. Mogą one pomóc w porównaniu próbek i referencji.Możliwość dostosowania analizy i wykorzystania dowolnego widma jako punktu odniesienia, poszerza horyzonty użytkownika, ale jednocześnie prosi użytkownika o staranną ocenę swoich wyborów Takie podejście pozwala na wykorzystanie manipulacji widmem jako narzędzia analizy, dlatego widzenie komputerowe i badania statystyczne mogą pomóc w pogłębieniu wiedzy na temat możliwości wystąpienia tej kwestii.

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

Research

JoVE Journal

Chemistry

Chemia

Prezentujemy nieniszczącą metodę próbkowania zmienności przestrzennej w kierunku światła rozproszonego z materiałów strukturalnie złożonych. Utrzymując materiał w stanie nienaruszonym, zachowujemy rozpraszanie w skali grubej, jednocześnie rejestrując precyzyjne wkłady kierunkowe za pomocą obrazowania o wysokiej rozdzielczości. Wyniki są wizualizowane w oprogramowaniu w biologicznie istotnych pozycjach i skalach.

Pomiar przestrzennego i kierunkowego rozpraszania światła od materiału biologicznego

Ulepszona mikroskopia ciemnego pola i obrazowanie hiperspektralne z mapowaniem spektralnym umożliwiają badania, lokalizację i identyfikację materiałów w skali nano w próbkach histologicznych z większą szybkością i dokładnością w porównaniu z tradycyjnymi metodami. Celem niniejszej pracy jest przedstawienie metod obrazowania w ciemnym polu i mapowania hiperspektralnego nanocząstek tlenków metali w próbkach histologicznych.

Identyfikacja nanocząstek tlenków metali w próbkach histologicznych za pomocą ulepszonej mikroskopii ciemnego pola i mapowania hiperspektralnego

Ten artykuł opisuje nowatorską metodę symulacji i badania adaptacji w systemie wzrokowym.

Wizualizacja adaptacji wizualnej

Jednoczesna ocena hemodynamiki mózgu mózgu i właściwości rozpraszania światła w tkance mózgowej szczura in vivo jest demonstrowana przy użyciu konwencjonalnego wielospektralnego systemu obrazowania odbicia rozproszonego.

Jednoczesna ocena właściwości hemodynamiki mózgu i rozpraszania światła w mózgu szczura in vivo za pomocą wielospektralnego obrazowania odbicia rozproszonego

Przedstawiono eksperymentalny protokół oceny systemów korzeniowych roślin uprawianych w glebie za pomocą RGB i obrazowania hiperspektralnego. Połączenie szeregów czasowych obrazu RGB z informacjami chemometrycznymi ze skanów hiperspektralnych optymalizuje wgląd w dynamikę korzeni roślin.

RGB i spektralne obrazowanie korzeni do fenotypowania roślin i badań fizjologicznych: konfiguracja eksperymentalna i protokoły obrazowania

Ten protokół opisuje, w jaki sposób użycie spektroskopii polaryzacji dyfuzyjnej może poprawić kliniczną użyteczność testu uzupełniania naczyń włosowatych. Sugerujemy bardziej szczegółową analizę przebiegu uzupełniania naczyń włosowatych u zdrowych ochotników z wykorzystaniem filmów ze spektroskopii odbicia dyfuzyjnego oraz nowych informatycznych punktów końcowych.

Spektroskopia odbicia rozproszonego: test uzupełniania naczyń włosowatych pod kciukiem

Obrazowanie spektralne stało się niezawodnym rozwiązaniem do identyfikacji i separacji wielu sygnałów fluorescencyjnych w jednej próbce i może łatwo odróżnić interesujące sygnały od tła lub autofluorescencji. Obrazowanie hiperspektralne ze skanowaniem wzbudzenia ulepsza tę technikę, skracając niezbędny czas akwizycji obrazu przy jednoczesnym zwiększeniu stosunku sygnału do szumu.

Mikroskopia obrazowania hiperspektralnego ze skanowaniem wzbudzenia w celu skutecznego rozróżniania sygnałów fluorescencyjnych

Celem protokołu jest prowadzenie badaczy w przeprowadzaniu eksperymentów, które mają na celu zmierzenie zmian w zgłaszanych przez samych siebie reakcjach emocjonalnych i zmienności tętna po tworzeniu sztuki z różnych materiałów. Protokół można łatwo dostosować do stosowania w różnych warunkach behawioralnych i czynnościach.

Badanie zmian w HRV i emocjach po tworzeniu sztuki za pomocą trzech różnych materiałów artystycznych

Tutaj prezentujemy protokół do uzyskiwania luminescencyjnych danych obrazowania hiperspektralnego oraz do analizy cech anizotropii optycznej monokryształów na bazie lantanowców za pomocą Systemu Obrazowania Hiperspektralnego.

Obrazowanie hiperspektralne jako narzędzie do badania anizotropii optycznej w monokryształach molekularnych na bazie lantanowców

Zaprojektowaliśmy protokół fenotypowania oparty na obrazach, aby określić morfologiczne i fizjologiczne reakcje na pojedyncze i skojarzone zabiegi upałów, suszy i podlewania. Podejście to umożliwiło identyfikację wczesnych, późnych i regeneracyjnych reakcji na poziomie całego zakładu, w szczególności części nadziemnych, a także podkreśliło konieczność stosowania wielu czujników obrazowania.

Wysokoprzepustowe fenotypowanie oparte na obrazie w celu określenia morfologicznych i fizjologicznych odpowiedzi na pojedyncze i połączone stresy u ziemniaka

Poznaj analizę obrazowania hiperspektralnego odbicia w konserwacji dzieł sztuki. Protokół wykorzystuje algorytmy SAM i manipulację spektrum do szczegółowego mapowania pociągnięć pędzla i dystrybucji pigmentów na obrazach.

Zastosowanie obrazowania hiperspektralnego odbicia do badania palet i technik malarzy

Przeglądaj więcej filmów