Name: Aplicando imagens de reflectância hiperespectral para investigar as paletas e as técnicas dos pintores (Vídeo) | JoVE Journal
Uploaded: 2021-06-18T13:00:00.000+00:00
Duration: 7 min 5 s
Description: Explore a análise de imagens hiperespectrais em pinturas usando algoritmos SAM e manipulação de espectros. Este protocolo computacional mapeia pinceladas e distribuição de pigmentos de forma eficiente.

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

Esta pesquisa foi financiada pela Regione Lombardia no âmbito do Projeto 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.
Os autores agradecem à equipe do Museo del Novecento pelo apoio durante as sessões experimentais in situ e à Associação Pellizza da Volpedo pelo acesso ao 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>

Os autores não têm nada a revelar.

Conjuntos de dados de imagem de reflectância hiperespectral são grandes reservatórios de informação; portanto, o desenvolvimento de protocolos robustos e, possivelmente, automatizados para analisar os dados é uma virada fundamental para explorar seu potencial15,17. O algoritmo proposto responde a essa necessidade no campo do patrimônio cultural com especial atenção à caracterização dos pigmentos das pinturas. Com base no SAM20,21</sup...

Espectroscopia reflectância (RS) e Espectroscopia de Reflexão de Fibra Óptica (FORS) baseiam-se na detecção da luz refletida por superfícies uma vez iluminadas por uma fonte de luz, tipicamente uma lâmpada de tungstênio-halógeno. A saída do sistema de aquisição é constituída por espectros onde a reflexão é monitorada em função do comprimento de onda em uma faixa que depende das características da configuração experimental empregada1,2,3. Introduzidos durante as últimas quatro décadas4,5, RS e FORS são tipicamente usados em combinação com fluorescência de raios-X e outras espectroscopias para descrever os materiais e as técnicas usadas pelos artistas para realizar suas obras-primas6,7,8,9. O estudo do espectro de reflexão é geralmente realizado comparando os dados da amostra com um grupo de espectros de referência selecionados pelo usuário em bancos de dados pessoais ou públicos. Uma vez identificado o espectro de referência que cumpre o período de realização da amostra e com o modus operandi do artista, o usuário reconhece as principais características do espectro de reflexão (ou seja, bandas de transição, absorção e reflexão1,2,10,11) e, em seguida, com a ajuda de outras técnicas6,7,8 eles distinguem os pigmentos que têm sido usados nas pinturas. Por fim, discutem as pequenas diferenças que existem entre as referências e o espectro experimental7,9.
Na maioria dos casos, os conjuntos de dados experimentais são compostos por alguns espectros, coletados a partir de áreas escolhidas por especialistas em arte e considerados significativos para a caracterização da pintura6,12,13. Apesar das habilidades e da experiência do usuário, alguns espectros não conseguem esgotar totalmente as características de toda a superfície pintada. Além disso, o resultado da análise sempre dependerá fortemente da expertise do artista. Nesse cenário, a Imagem de Reflectância Hiperespectral (HRI3,14,15) pode ser um recurso útil. Em vez de alguns espectros isolados, as configurações experimentais retornam as propriedades de reflexão de porções estendidas ou mesmo de todo o artefato sob investigação16. As duas principais vantagens em relação à aquisição dos espectros isolados são evidentes. Por um lado, a disponibilidade da distribuição espacial das propriedades de reflexão permite identificar áreas que escondem características interessantes, embora possam não parecer peculiares17. Por outro lado, os hipercubos garantem uma série de espectros altos o suficiente para permitir a análise estatística dos dados. Esses fatos sustentam a compreensão da distribuição de pigmentos dentro da superfície pintada18,19.
Com o HRI, a comparação dos dados experimentais com as referências pode ser difícil de lidar com15. Um detector típico retorna hipercubos de pelo menos 256 x 256 espectros. Isso exigiria que o usuário avaliasse mais de 65.000 espectros de reflexão contra cada referência, tarefa quase impossível de ser realizada manualmente em um tempo razoável. Portanto, a solicitação de protocolos robustos e, possivelmente, automatizados para gerenciar e analisar conjuntos de dados HRI é mais do que justificada15,17. O método proposto responde a essa necessidade, lidando com todo o procedimento analítico com o mínimo de envolvimento e a máxima flexibilidade.
Um algoritmo composto por um conjunto de códigos caseiros (Tabela de Materiais) lê, gerencia e organiza os arquivos retornados pela configuração experimental. Permite que a fina seleção das porções dos Campos de Visão (FOVs, um campo de visão é a área da pintura monitorada por um único hipercubo) seja estudada e realize a análise dos dados com base no método Spectral Angle Mapper (SAM)20,21 e na manipulação do espectro original. O SAM retorna falsas imagens em escala cinza chamadas mapas de similaridade. Os valores dos pixels desses mapas correspondem aos ângulos espectrais que são os ângulos entre os espectros armazenados nos hipercubos e os chamados Membros Finais (EMs, um grupo de espectros de referência que devem descrever as características da superfície monitoradas pelos hipercubos)22. No caso do RS aplicado às pinturas, os EMs são os espectros de reflexão de pigmentos que devem combinar com a paleta do Mestre. Eles são escolhidos com base nas informações disponíveis sobre o artista, no período de realização da pintura e na expertise do usuário. Portanto, a saída do SAM é um conjunto de mapas que descreve as distribuições espaciais desses pigmentos sobre a superfície da pintura e que suporta o usuário a inferir os materiais utilizados pelo artista e sua organização no artefato. O algoritmo oferece a possibilidade de empregar todo tipo de referências independentemente de sua origem. As referências podem ser espectros específicos selecionados dentro dos hipercubos, provenientes de bancos de dados, ser adquiridos por um instrumento diferente em uma superfície diferente (como amostras de pigmentos ou a paleta do artista, por exemplo), ou ser obtido empregando qualquer tipo de espectroscopia de reflexão, fors incluído.
O SAM tem sido preferido entre os métodos de classificação disponíveis porque tem sido demonstrado ser eficaz para caracterizar pigmentos (consulte o livro de Richard23 para ter uma visão geral dos principais métodos de classificação disponíveis). Em vez disso, a ideia de desenvolver um protocolo caseiro em vez de adotar uma das muitas ferramentas disponíveis livremente na rede24,25 depende de uma consideração prática. Apesar da eficácia e da base científica dos GUIs e softwares existentes, uma única ferramenta dificilmente satisfaz todas as necessidades do usuário. Pode haver um problema de Entrada/Saída (I/O) porque uma ferramenta não gerencia o arquivo que contém os dados brutos. Pode haver um problema quanto à análise dos dados porque outra ferramenta não fornece a abordagem desejada. Pode haver uma limitação no manuseio dos dados porque a análise simultânea de múltiplos conjuntos de dados não é suportada. De qualquer forma, uma ferramenta perfeita não existe. Cada método deve ser ajustado aos dados ou vice-versa. Por isso, o desenvolvimento de um protocolo caseiro tem sido preferido.
A abordagem apresentada não oferece nem um conjunto completo de métodos analíticos (ver, para comparação, a ferramenta proposta por Mobaraki e Amigo24) nem uma interface de usuário fácil de gerenciar (ver, para comparação, o software empregado por Zhu e colegas de trabalho25), mas, em troca, foca-se em um aspecto ainda subestimado da análise de dados hiperespectrais: a oportunidade de manipular o espectro detectado. O poder da abordagem é ilustrado aplicando-o à pintura Quarto Stato de Giuseppe Pellizza da Volpedo (Figura 1), um óleo icônico sobre tela realizado no Museo del Novecento em Milão, Itália. Observe que, uma vez que a abordagem requer a execução de códigos caseiros, o desenvolvedor escolheu arbitrariamente os nomes dos códigos e as variáveis de entrada e saída usadas na descrição do protocolo. Os nomes das variáveis podem ser alterados pelo usuário, mas devem ser fornecidos da seguinte forma: as variáveis de entrada e saída devem ser escritas respectivamente entre parênteses e eventualmente separadas por vírgula e dentro de suportes quadrados e eventualmente separadas por um espaço branco. Pelo contrário, os nomes dos códigos não podem ser alterados.

<table><tbody><tr><td>ImageJ/Fiji</td><td>Specim (Oulo, Finlad)</td><td>N/A</td><td>Câmera hiperespectral de refletância portátil usada para adquirir os hipercubos</td></tr><tr><td>MATLAB 2019b</td><td>StellarNet Inc (Tampa, Flórida, EUA)</td><td>N/A</td><td>Espectrômetro de refletância portátil usado para adquirir espectros de refletância independentes</td></tr><tr><td>Câmera hiperespectral Specim IQ</td><td>National Institutes of Health (Bethesda, Maryland, EUA)</td><td>N/A</td><td>&nbsp; Programa de processamento de imagem Java de código aberto</td></tr><tr><td>StellarNet BLUE-wave Miniature Spectrometer</td><td>&nbsp; MathWorks (Natick, Massachusset, EUA)</td><td>N/A</td><td>Linguagem de programa e ambiente de computação numérica</td></tr></tbody></table>

aplicando imagens de reflectância hiperespectral para investigar as paletas e as técnicas dos pintores

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

Espectroscopia reflectance (RS) e Espectroscopia de Reflexão de Fibra Óptica (FORS) são técnicas bem estabelecidas para a investigação de obras de arte com especial atenção às pinturas. A maioria dos museus modernos colocou à disposição de seus grupos de pesquisa equipamentos portáteis que, juntamente com a intrínseca não invasiva do RS e do FORS, possibilita a coleção in situ de espectros de reflexão da superfície dos artefatos. A comparação, realizada por especialistas em pigmentos e materiais de pintura, dos dados experimentais com bancos de dados de espectros de referência impulsiona a caracterização das paletas e das técnicas utilizadas pelos artistas. No entanto, essa abordagem requer habilidades específicas e é demorado especialmente se o número de espectros a serem investigados se tornar grande, como é o caso dos conjuntos de dados Hyperspectral Reflectance Imaging (HRI). As configurações experimentais HRI são câmeras multidimensionais que associam as informações espectrais, dadas pelo espectro de reflexão, com a localização espacial dos espectros sobre a superfície pintada. Os conjuntos de dados resultantes são cubos 3D (chamados hipercubos ou cubos de dados) onde as duas primeiras dimensões localizam o espectro sobre a pintura e a terceira é o próprio espectro (ou seja, a reflexão desse ponto da superfície pintada versus o comprimento de onda na faixa operacional do detector). A capacidade do detector de coletar simultaneamente um grande número de espectros (tipicamente muito mais de 10.000 para cada hipercubo) faz com que os conjuntos de dados HRI grandes reservatórios de informação e justifique a necessidade de desenvolvimento de protocolos robustos e, possivelmente, automatizados para analisar os dados. Após a descrição do procedimento projetado para a aquisição de dados, apresentamos um método de análise que explora sistematicamente o potencial dos hipercubos. Baseado no Spectral Angle Mapper (SAM) e na manipulação do espectro coletado, o algoritmo lida e analisa milhares de espectros e, ao mesmo tempo, suporta o usuário para revelar as características das amostras sob investigação. O poder da abordagem é ilustrado aplicando-a ao Quarto Stato, obra-prima icônica de Giuseppe Pellizza da Volpedo, realizada no Museu do Novecento, em Milão (Itália).

O protocolo proposto oferece um conjunto de recursos interessantes para a gestão e a análise dos dados hri. A I/O (etapa 3.1) dos dados brutos é sempre o primeiro problema que deve ser resolvido antes de aplicar qualquer método de análise e pode se tornar um problema crítico ao lidar com grandes quantidades de dados. No presente caso, a única tarefa em relação aos dados brutos é armazenar os resultados experimentais em uma pasta dedicada e selecioná-los navegando no disco rígido ao executar o código de leitura (etapa 3.1...

Hipercubos hiperespectrais de imagem de reflexão incluem informações notáveis em uma grande quantidade de dados. Portanto, a solicitação de protocolos automatizados para gerenciar e estudar os conjuntos de dados é amplamente justificada. A combinação de Spectral Angle Mapper, manipulação de dados e um método de análise ajustável pelo usuário constitui uma virada fundamental para explorar os resultados experimentais.

Aplicando imagens de reflectância hiperespectral para investigar as paletas e as técnicas dos pintores

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

Este protocolo oferece novas oportunidades envolvendo a análise de pinturas de rostos. Ele suporta os usuários passo a passo ao longo de todo o processo de análise de dados. Este protocolo tem duas principais vantagens.Os usuários podem adaptar a análise de acordo com suas preferências e, pela primeira vez, a manipulação de espectro foi introduzida para analisar os dados hiperespectrais. A imagem de reflectância hiperespectral é usada com sucesso para estudar doenças de pele ou diagnóstico de tumor. Mesmo que um protocolo tenha nascido no campo do contra-patrimônio, ele também pode ser aplicado ao conjunto de dados de saúde clínica.Com o apoio de especialistas em arte, realize uma inspeção preliminar da superfície pintada para identificar as principais características da pintura. Anote as técnicas pictóricas utilizadas pelo artista, as diferentes pinceladas de tinta na tela, e qualitativamente estima as características das pinceladas com especial atenção ao seu tamanho. Crie amostras ad hoc onde as pinceladas mostram características semelhantes às aplicadas pelo artista imitando a técnica pictórica usada pelo artista.Adquira os dados hiperespectrais e verifique se a resolução espacial dos hipercubos pode distinguir as diferentes pinceladas nas imagens RGB da superfície pintada. Execute PointSel, o código isolado de seleção de pontos de medição para selecionar manualmente alguns espectros de referência nas superfícies das amostras de teste. Digite a linha de comando, incluindo o ponto e vírgula na janela do terminal e pressione enter para executar o código.Selecione os pontos de medição clicando na janela interativa que uma a uma mostra as imagens RGB bidimensionais dos campos de exibição. Execute SAM_Standard, o código de avaliação padrão do SAM mapeia para extrair os mapas SAM usando todo o espectro. Digite a linha de comando, incluindo ponto e vírgula na janela do terminal, em seguida, pressione enter para executar o código.Os mapas SAM são salvos como imagens PNG na pasta de trabalho atual. Verifique se os mapas de similaridade de obtenção exibem os detalhes das pinceladas usadas para realizar as amostras de teste. Caso não, reinicie o processo reajustando a distância entre a superfície da amostra de ensaio e o equipamento de aquisição.De acordo com a avaliação obtida pelas amostras de teste, a distância entre a superfície da pintura em investigação e o equipamento de aquisição. Realize IO dos dados hiperespectrais organizando, lendo e gerenciando os hipercubos. Execute o código HS FileLister para armazenar a lista dos arquivos contendo os hipercubos e as informações relacionadas em duas variáveis à disposição do algoritmo.Execute o código PNG HS_Crop para selecionar a parte de cada FOV a ser usada na análise dos dados. Em seguida, execute o código PointSel e clique dentro da janela interativa exibida para identificar o espectro de referência como pontos de medição isolados sobre a superfície das áreas monitoradas. Digite a linha de comando, incluindo o ponto e vírgula na janela do terminal e pressione enter para executar ReticularSel, o código de seleção reticular.Isso seleciona automaticamente o espectro de referência como um ânticulo regular de pontos de medição sobrepostos à superfície das áreas monitoradas. Esse método de seleção torna a análise muito demorada, pois o número de referências é grande. Digite a linha de comando, incluindo o ponto e vírgula na janela do terminal e pressione enter para executar o SaveImPoint.Isso salva um local no ponto de medição selecionado sobreposto às imagens dos campos de exibição. Executar Spectra_Importer, o código importador de referências externas para criar uma variável contendo referências a partir de conjuntos de dados e bancos de dados independentes dos hipercubes adquiridos no quarto stato. Observe que os espectros têm tamanho diferente em relação aos obtidos com a câmera hiperespectral.Execute o código completo do SAM para avaliar os mapas de similaridade. Alimente o código com a opção de pré-processamento desejada inserindo zero ou um na caixa de diálogo. Zero para exigir a normalização do espectro apenas ou um para exigir que após a normalização os espectros sejam derivados uma vez.digitar esta sequência de números correspondentes às colunas desejadas da matriz de referências na caixa de diálogo digitando os números separados por um espaço branco. Pressione Enter para continuar. Defina o método a zero para nenhuma manipulação dos dados.Um para exigir a seleção manual das faixas de comprimento de onda do espectro a ser considerado antes de iniciar a análise ou dois para exigir que o algoritmo peça os dados com base em um critério específico e antes da avaliação dos mapas SAM. Para selecionar os membros finais para a análise sam, o algoritmo ou recupera os espectros de referência entre os hipercubos selecionando manualmente alguns pontos de medição isolados ou amostra automaticamente a superfície da pintura, fornecendo uma seleção particular de pontos de medição dentro de um ou mais FOVs. O algoritmo também pode comparar os hipercubos com espectros externos como os obtidos por um espectrômetro em miniatura fors portátil.Quando as referências pré-processadas aparecerem em uma janela interativa, um ou mais intervalos de comprimento de onda a serem analisados podem ser selecionados manualmente. Na seleção automática, o algoritmo calcula uma variância máxima dentro das referências desejadas e ordena espectros de acordo com esse critério. Se a variância máxima corresponder ao comprimento de onda nth, o conteúdo do componente nth de cada espectro pré-processado será movido para a primeira posição de um hipervetor rearranjado e assim por diante.Após a manipulação automática, o algoritmo aplica um limiar flutuante aos valores de variância e avalia os mapas SAM no limiar crescente que resulta em um total de dois n mais um conjunto de mapas onde n é um número de valores assumidos pelo limiar. Os mapas de similaridade obtidos fornecem novas informações sobre os detalhes da área mapeada. Eles podem ajudar a comparar as amostras e as referências.A possibilidade de personalizar a análise e explorar qualquer espectro como referência, amplia os horizontes do usuário, mas simultaneamente pede ao usuário uma avaliação cuidadosa de suas escolhas Essa abordagem permite o uso da manipulação de espectro como ferramenta de análise, portanto, a visão computacional e estudos estatísticos podem ajudar a aprofundar o conhecimento sobre a possibilidade desse assunto.

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

Research

JoVE Journal

Chemistry

Química

Nós apresentamos um método não destrutivo para a amostragem variação espacial na direção da luz espalhada a partir de materiais estruturalmente complexos. Ao manter o material intacto, preservamos o comportamento de dispersão bruto escala, ao mesmo tempo em captar contribuições direcionais escala bem com imagens de alta resolução. Os resultados são visualizados no software em posições e escalas biologicamente relevantes.

Medindo espacialmente e direcional variando espalhamento de luz a partir de Material Biológico

A microscopia de campo escuro aprimorada e a imagem imagem hiperespectral com mapeamento espectral permitem a triagem, a localização, e a identificação de materiais do nanoscale em amostras histológicas com velocidade e precisão melhoradas sobre métodos tradicionais. O objetivo deste artigo é fornecer métodos para imagens de campo escuro e mapeamento hiperespectral de nanopartículas de óxido metálico em amostras histológicas.

Identificação dos Nanopartículas de óxido metálico em amostras histológicas por Aprimorado Mapeamento Darkfield Microscopy e Hyperspectral

Este artigo descreve um novo método para simular e estudar a adaptação no sistema visual.

Visualizando Adaptação Visual

A avaliação simultânea da hemodinâmica cerebral e das propriedades de dispersão da luz do tecido in vivo do cérebro de rato é demonstrada utilizando um sistema de imagem de reflexão difusa multiespectral convencional.

Avaliação simultânea de Cerebral Hemodinâmica e de espalhamento de luz Propriedades do<em&gt; In Vivo</em&gt; Cérebro de Rato Utilizando Imagem de Reflexão Difusa Multispectral

Um protocolo experimental é apresentado para avaliação do solo cultivado sistemas de raiz de planta com RGB e geração de imagens hiperespectrais. Combinação de tempo de imagem RGB série com informações quimiométricas de hiperespectrais verifica otimiza insights sobre a dinâmica de raiz da planta.

RGB e raiz Spectral Imaging para fenotipagem de planta e pesquisa fisiológica: instalação Experimental imagem e protocolos

Este protocolo descreve como o uso da espectroscopia de polarização difusa pode melhorar a utilidade clínica do teste capilar. Sugerimos uma análise mais detalhada do curso do reenchimento capilar em voluntários saudáveis, usando vídeos de espectroscopia de reflectância difusa e novos pontos de extremidade de informáticos.

Espectroscopia de reflectância difusa: Ficando o teste capilar sob o polegar

A imagem latente espectral transformou-se uma solução de confiança para a identificação e a separação de sinais múltiplos da fluorescência em uma única amostra e pode prontamente distinguir sinais do interesse do fundo ou do autofluorescence. A excitação-a imagem latente hiperespectrais da exploração melhora nesta técnica diminuindo o tempo necessário da aquisição da imagem ao simultaneamente aumentar a relação do sinal-à-ruído.

Microscopia de imagem hiperespectral de detecção de excitação para discriminar sinais de fluorescência de forma eficiente

O objetivo do protocolo é orientar os pesquisadores na realização de experimentos que se destinam a medir mudanças na resposta emocional autorreferida e variabilidade da freqüência cardíaca após a criação de arte com diferentes materiais. O protocolo pode ser facilmente adaptado para uso em uma variedade de condições comportamentais e atividades.

Examinando mudanças na HRV e emoção após a arte com três materiais de arte diferentes

Aqui, apresentamos um protocolo para obter dados de imagem hiperespectrais luminescentes e analisar características de anisotropia óptica de cristais únicos baseados em lantanoide usando um Sistema de Imagem Hiperespectral.

Imagem hiperespectral como ferramenta para estudar anisotropia óptica em cristais únicos moleculares baseados em lantthanidas

Projetamos um protocolo de fenotipagem baseado em imagem para determinar as respostas morfológicas e fisiológicas a tratamentos únicos e combinados de calor, seca e alagamento. Essa abordagem permitiu a identificação de respostas precoces, tardias e de recuperação em todo o nível da planta, particularmente nas partes acima do solo, e destacou a necessidade de usar vários sensores de imagem.

Fenotipagem baseada em imagem de alto rendimento para determinar respostas morfológicas e fisiológicas a estresses únicos e combinados em batata

Explore a análise de imagens hiperespectrais em pinturas usando algoritmos SAM e manipulação de espectros. Este protocolo computacional mapeia pinceladas e distribuição de pigmentos de forma eficiente.

Aplicando imagens de reflectância hiperespectral para investigar as paletas e as técnicas dos pintores

Explorar mais vídeos