Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Chemistry

ハイパースペクトル反射イメージを適用してパレットと画家の技法を調査する

Published: June 18, 2021 doi: 10.3791/62202

Summary

ハイパースペクトル反射率イメージングハイパーキューブは、大量のデータに顕著な情報を含む。したがって、データセットを管理および調査するための自動化プロトコルの要求は広く正当化されます。スペクトル角度マッパー、データ操作、およびユーザー調整可能な分析方法の組み合わせは、実験結果を探索するためのキーターンを構成します。

Abstract

反射率分光法(RS)と光ファイバ反射率分光法(FORS)は、絵画に特に注意を払って芸術作品を調査するための確立された技術です。ほとんどの近代的な博物館は、RSとFORSの本質的な非侵襲性と共に、アーティファクトの表面からの反射スペクトルの現場コレクションを可能にする彼らの研究グループポータブル機器の処分 置きます。顔料や絵画材料の専門家によって行われた比較は、参照スペクトルのデータベースを持つ実験データの比較は、パレットの特性とアーティストが使用する技術の特徴を駆動します。ただし、このアプローチには特定のスキルが必要であり、特にハイパースペクトル反射率イメージング(HRI)データセットの場合と同様に、調査対象のスペクトルの数が多くなる場合には時間がかかります。HRI 実験用の設定は、反射スペクトルによって与えられるスペクトル情報を、塗装面上のスペクトルの空間的局在化に関連付ける多次元カメラです。結果として得られるデータセットは 3D キューブ (ハイパーキューブまたはデータ キューブと呼ばれます) で、最初の 2 つのディメンションがペイント上のスペクトルを見つけ、3 つ目のディメンションがスペクトル自体を見つけます (つまり、塗装面のその点の反射率と検出器の操作範囲の波長)。検出器が同時に大量のスペクトル(通常はハイパーキューブごとに10,000をはるかに超える)を収集する機能により、HRIデータセットは情報の大きな貯水池となり、データを分析するための堅牢で、おそらく自動化されたプロトコルの開発の必要性が正当になります。データ収集のために設計された手順の説明の後、ハイパーキューブの可能性を体系的に活用する分析手法を提示する。スペクトル角度マッパー(SAM)と収集したスペクトルの操作に基づいて、アルゴリズムは何千ものスペクトルを処理して分析すると同時に、調査中のサンプルの特徴を明らかにするためにユーザーをサポートします。このアプローチの力は、ミラノ(イタリア)のノヴェチェント国立で開催されたジュゼッペ・ペリッツァ・ダ・ヴォルペドの象徴的な傑作、 クアルト・スタートに適用することによって示されています。

Introduction

反射反射分光法(RS)と光ファイバ反射率分光(FORS)は、光源によって照らされた表面(典型的にはタングステンハロゲンランプ)によって反射される光の検出に基づいています。取得システムの出力は、採用した実験用設定1,2,3の特性に依存する範囲の波長の関数として反射率が監視されるスペクトルによって構成される。過去40年の間に導入されたRSとFORSは、通常、蛍光X線やその他の分光法と組み合わせて使用され、アーティストが傑作6,7,8,9を実現するために使用する材料と技術を記述します。反射スペクトルの研究は、通常、サンプルからのデータを、個人または公共のデータベースでユーザーが選択した参照スペクトルのグループと比較することによって行われます。サンプルの実現期間に準拠する基準スペクトルと、アーティストの手口を持つ基準スペクトルが特定されると、ユーザーは反射スペクトル(すなわち、遷移、吸収、および反射バンド121011)の主な特徴を認識し、その後、他の技術の助けを借りて6,7,8 彼らは絵画で使用されている顔料を区別します。最後に、参照と実験スペクトル7,9の間に存在するわずかな違いについて議論します

ほとんどの場合、実験データセットは、アートの専門家によって選択された領域から収集されたいくつかのスペクトルで構成され、絵画の特徴付けに重要であると仮定される6,12,13。ユーザーのスキルと経験にもかかわらず、いくつかのスペクトルは完全に全体の塗装面の特性を使い果たすことができません。また、分析の結果は、常にパフォーマーの専門知識に大きく依存します。このシナリオでは、ハイパースペクトル反射率イメージング (HRI3,14,15) が有用なリソースである可能性があります。実験設定は、いくつかの単離スペクトルの代わりに、調査中の拡張部分または全体のアーティファクトの反射特性を返す16。分離スペクトルの獲得に関する2つの主な利点は明らかです。一方で、反射特性の空間分布を利用できるため、特異な特徴とは思えない場合でも、興味深い特徴を隠す領域を特定できます。一方、ハイパーキューブは、データの統計分析を可能にするのに十分な高さのスペクトルの数を保証します。これらの事実は、塗装面内の顔料の分布の理解を裏付けている18,19。

HRIを使用すると、実験データと参照の比較は、取り扱いにくい可能性があります15。典型的な検出器は、少なくとも256 x 256スペクトルのハイパーキューブを返します。これにより、ユーザーは各参照に対して65,000以上の反射スペクトルを評価する必要があります。したがって、HRI データセットを管理および分析するための堅牢で、場合によっては自動化されたプロトコルの要求は、15,17 以上になります。提案された方法は、最小関与と最大の柔軟性で全体の分析手順を処理することによって、このニーズに答えます。

一連の自家製コード()で構成されるアルゴリズムは、実験用セットアップによって返されるファイルを読み取り、管理、および整理します。視野の部分(FOV、1つの視野は単一のハイパーキューブによって監視される絵画の領域)の細かい選択を研究し、スペクトル角度マッパー(SAM)方法2021 および元のスペクトルの操作に基づいてデータの分析を行うことを可能にする。SAM は、類似性マップと呼ばれる偽色のグレースケール画像を返します。これらのマップのピクセルの値は、ハイパーキューブに格納されたスペクトルといわゆるエンドメンバー(EM、ハイパーキューブによって監視される表面の特徴を記述する参照スペクトルのグループ)との間の角度であるスペクトル角度に対応する。絵画に適用されるRSの場合、OEMは、マスターのパレットに一致する必要がある顔料の反射スペクトルです。これらは、アーティスト、絵画の実現期間、およびユーザーの専門知識に関する利用可能な情報に基づいて選択されます。したがって、SAMの出力は、絵画表面上のこれらの顔料の空間分布を記述し、アーティストとその組織がアーティファクトで使用する材料を推測することをユーザーにサポートするマップのセットです。アルゴリズムは、その起源から独立してあらゆる種類の参照を採用する可能性を提供します。参照は、ハイパーキューブ内で選択された特定のスペクトル、データベースから来る、異なる表面上の別の機器によって取得される(例えば、顔料のサンプルやアーティストのパレットなど)、または反射率分光法、FORSを採用して得ることができる。

SAMは、顔料の特性化に有効であることが実証されているため、利用可能な分類方法の中でも好まれています(主な分類方法の概要を持つため、Richard23の本を参照)。代わりに、net24,25で自由に利用可能な多くのツールの1つを採用するのではなく、自家製のプロトコルを開発するという考えは実用的な考慮事項に依存しています。既存のGUIとソフトウェアの有効性と科学的基盤にもかかわらず、単一のツールはほとんどユーザーのすべてのニーズを満たしていません。ツールが生データを含むファイルを管理しないため、入出力 (I/O) の問題が発生する可能性があります。別のツールが目的のアプローチを提供しないため、データの分析に関する問題が発生する可能性があります。複数のデータセットの同時分析がサポートされていないため、データの処理に制限が生じうる場合があります。いずれにせよ、完璧なツールは存在しません。各メソッドは、データに合わせて調整する必要があります。したがって、自家製プロトコルの開発が好ましい。

提示されたアプローチは、分析方法の完全なセット(比較のために、MobarakiとAmigo24によって提案されたツールを参照)も、管理しやすいユーザーインターフェイス(比較のために、Zhuとco-workers25によって採用されたソフトウェアを参照)を提供していませんが、引き換えに、ハイパースペクトルデータ分析のまだ過小評価された側面に焦点を当てています: 検出されたスペクトルを操作する機会。このアプローチの力は、イタリアのミラノにあるノベチェント国立で開催されたキャンバスの象徴的な油であるジュゼッペ・ペリッツァ・ダ・ヴォルペド(図1)の絵画クアルト・スタトに適用することで示されています。このアプローチでは、自家製コードを実行する必要があるため、開発者は任意にコードの名前と、プロトコルの説明で使用される入力変数と出力変数を選択します。変数の名前はユーザーが変更できますが、入力変数と out 変数は、それぞれ括弧内に記述し、最終的にはコンマで区切って角括弧で区切り、最終的には空白で区切る必要があります。逆に、コードの名前は変更できません。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. ハイパーキューブの空間分解能を設定する

  1. 美術専門家がサポートする塗装面(図1)の予備検査を行い、絵画の主な特徴を特定します。
    1. 絵画を作成するためにアーティストが採用した絵画のテクニックを認識します。
    2. キャンバス上のペイントの異なるブラシストロークを識別します。
    3. そのサイズに特に注意を払って、定性的に、ブラシストロークの特性を推定する。
  2. ブラシストロークがアーティストが適用したものと同様の特性を示す アドホック テストサンプルを作成することで、アーティストが使用する絵画的手法を模倣します。
    注:ペリッツァ・ダ・ヴォルペドは部門の画家でした。復元者は、関心のあるキャンバスのブラシストロークを定性的に再現するいくつかのテストサンプルを準備するよう求められました(図2、列A)。
  3. 調査中のサーフェスと取得装置との距離を設定します。
    注: 距離はハイパーキューブ26 の空間解像度を決定し、したがって、ペイントされた表面の画像とSAMマップ上のブラシストロークを区別する可能性を決定します。
    1. ハイパースペクトルカメラ26 (材料表)の特性とテストサンプルで描かれるブラシストロークのサイズを考慮して、サンプルの表面と取得装置との間の距離を評価する。
    2. 取得段階とハイパースペクトルカメラを前のステップで評価した距離に配置します。試験サンプルをステージに配置し、サンプルの表面の均一な照明を確保します。
    3. ハイパースペクトルカメラに付属の白色標準リファレンスを使用して、白色キャリブレーションを実行します。ハイパーキューブを取得します。
      注: 各 FOV に対して、ハイパースペクトル カメラは、生とキャリブレーションされた画像の両方を返します。後者は分析に使用されています。
    4. 計測器から返されたファイルをダウンロードし、専用のフォルダに保存します。
  4. ハイパーキューブの空間解像度が、ペイントされたサーフェスの画像と SAM マップ上の異なるブラシ ストロークを区別できるかどうかを確認します。
    1. ハイパースペクトルカメラから返された RGB 画像を調べて、テストサンプルを実現するために使用されるブラシストロークが認識できることを確認します(図 2、列 A)。その場合は、次の手順に進みます。それ以外の場合は、ステップ 1.3.1 に戻り、再起動します。
    2. ハイパースペクトル データと、データ読み取りコードを実行して FOV の RGB 画像を含むファイルを一覧表示 HS_FileLister。コードの開発に使用する言語のターミナル ウィンドウに、次のコマンド ライン (セミコロンを含む) を入力し() を押し、 Enter キー を押してコードを実行します。
      [HS_DataList HS_ImageList] = HS_FileLister。
      1. 入力は必要なく、ハイパーキューブを含むファイルのリスト、 HS_DataList、およびハイパースペクトルカメラによって返されるイメージのリストの2つの出力 HS_ImageList
        メモ:各ハイパーキューブのサイズは512 x 512 x 204ボクセルで、204は反射率信号の監視に使用されるチャンネルの数です。このチャネルは、FWHM26 で 7 nm のスペクトル分解能を持つ 400 ~ 1,000 nm の波長範囲に及びます。
    3. HS_Crop_png、トリミングコードを実行して分析する必要があるハイパーキューブの 3D 部分を定義 します。各ハイパーキューブによって監視される FOV の 2D、RGB 画像を示すインタラクティブウィンドウ上の領域を選択して、各データキューブの目的の部分を定義します。ターミナル ウィンドウに次のコマンド ライン (セミコロンを含む) を入力し、 Enter キーを押してコードを実行します。
      [HS_ImageList] = HS_Crop_png(HS_ImageList);
      1. 入力 (ハイパースペクトル カメラによって返されるイメージの一覧、 HS_ImageList) と 1 つの出力 (最終的にハイパーキューブをトリミングするために空間座標で追加された入力リスト) があります。
    4. CIE(国際照明委員会)標準のD65照明と1931年のオブザーバーをハイパーキューブに適用して、再ビルディングコードを実行して反射スペクトルからFOVのRGB画像を取得すると、 HS_RGB_rebuild。ターミナル ウィンドウに次のコマンド ライン (セミコロンを含む) を入力し、 Enter キーを押してコードを実行します。
      [HS_ImageList] = HS_RGB_rebuild(HS_ImageList、HS_DataList);
      1. 2 つの入力 (ハイパースペクトルカメラによって返された画像を含むリスト、 HS_ImageList、およびハイパーキューブ HS_DataListを含むファイルのリスト) と 1 つの出力 (反射スペクトルから取得したハイパーキューブのサーフェスの RGB 画像を追加したハイパースペクトル カメラによって返される画像を含む入力リスト)。
        注: HS_RGB_Rebuild は、ジェフ・マッチャー27 によって開発された関数を利用して、D65照明と1931年の観察者をCIEからデータに適用します。
    5. 独立した測定ポイント選択コード PointSel を実行して、テスト サンプルのサーフェス上の参照スペクトル (図 2白丸数値、列 A の番号) を手動で選択します。測定ポイントを選択するには、FOV の 2D RGB 画像を 1 つずつ表示するインタラクティブウィンドウをクリックします。ターミナル ウィンドウに次のコマンド ライン (セミコロンを含む) を入力し、Enter キーを押してコードを実行します。
      [参照] = ポイントセル(HS_DataList、HS_ImageList);
      1. 入力には、2 つの入力 (ハイパースペクトル カメラによって返されたイメージ、 HS_ImageList、およびハイパーキューブを含むファイルのリスト、 HS_DataList)と 1 つの出力 (変数、 参照、FOV 内の参照として選択されたスペクトルを含む) があります。
    6. 必要に応じて、サンプルの表面上の参照の位置を、専用コード SaveImPoint を実行して、一連の画像に保存します。ターミナル ウィンドウに次のコマンド ライン (セミコロンを含む) を入力し、 Enter キーを押してコードを実行します。
      セーブイムポイント(参照、HS_ImageList)。
      1. 2 つの入力 (参照スペクトルを含む変数、 参照、およびハイパースペクトル カメラによって返されたイメージを含むリスト 、HS_ImageList)、出力はありません (コードは現在の作業フォルダーに.png画像を保存します)。
    7. 変換コード RefListToMatrix を実行して、参照をマトリックスに整理します。ターミナル ウィンドウに次のコマンド ライン (セミコロンを含む) を入力し、 Enter キーを押してコードを実行します。
      [References_Matrix] = 参照、HS_ImageList(1)ウェーブル);
      1. 2 つの入力 (参照スペクトルを含む変数 、参照、および検出器がスペクトルのデータ取得中にフォトンをカウントする波長のリスト HS_ImageList(1) があります。WaveL)および1つの出力(同じ参照スペクトルを行列に編成、 References_Matrix)。
        注: SAM マップを評価するコードでは参照スペクトルをマトリックスに編成する必要があるため、この手順は必須です。2 番目の入力の構文HS_ImageList(1)WaveL は、リストHS_ImageListから変数 WaveL を呼び出す必要があります。角かっこ内の数値 1 は、HS_ImageListという名前のリストの最初の要素を指します。ただし、ハイパーキューブはすべて同じ波長範囲を持つため、マイナーの各数値またはリストされた画像の総数と等しい値で置き換えることができます。
    8. 標準の SAM マップ評価コードを実行して、スペクトル全体を使用して、SAM_Standard、SAM マップを抽出 します。ターミナル ウィンドウに次のコマンド ライン (セミコロンを含む) を入力し、 Enter キーを押してコードを実行します。
      SAM_Standard(HS_ImageList、HS_DataList、References_Matrix);
      1. 3 つの入力 (ハイパースペクトル カメラによって返されたイメージを含む一覧、 HS_ImageList、ハイパーキューブ、 HS_DataList、参照スペクトルのマトリックス 、 References_Matrixを含むファイルの一覧、および出力なし) と出力はありません .png。
    9. 取得した類似性マップ(図2、列B-E)に、テストサンプルの実現に使用されるブラシストロークの詳細が表示されているかどうかを確認します。この場合は、プロトコルの次のステップに進みます。それ以外の場合は、ステップ 1.3.1 に戻り、再起動します。

2. 実験パラメータを塗装に合わせる

  1. 対象となる領域(ROI)を特定します( 図 3A の赤い長方形)。
    注: 1 つの ROI をカバーするには、複数の FOV が必要な場合が一般的です。
  2. 取得設定と塗装を前の手順で定義した距離に配置し、ハイパースペクトルカメラに付属の白色標準基準を使用して白色のキャリブレーションを実行します。
    注:ユーザーが 現場で の取得を行う必要がある場合(つまり、博物館や展示会で公開されている絵画を勉強する必要があります)、カメラを管理することしかできません。これは、イタリアのミラノにあるノベチェント国立の専用スペースに永久に露出している クアルト・スタートの場合です。
  3. 各 ROI の端にある少なくとも 1 つの FOV からハイパースペクトル データを取得 します (図 3A の赤い四角形内の枠なしの領域)。
  4. 計測器から返されたファイルをダウンロードし、専用のフォルダに保存します。
  5. ハイパースペクトルカメラで返されるRGB画像を見て、塗装の表面の照明が均一に設定されているかどうかを確認します。この場合は、次のステップに進み、それ以外の場合はステップ 2.2 に戻って再起動してください。
    注: 図 4 は、このチェックの重要性を示しています (詳細については 、「説明 」セクションを参照してください)。
  6. ステップ 1.4 のサブステップを繰り返します。
  7. FOV (図 3B) で選択された参照スペクトルに関連する FOV の RGB 画像 (図 3B) と SAM マップ (図 3C) を観察して、データの高さの空間解像度が十分に高いかどうかを確認します(図 3B緑の円)。
  8. イルミネーションと空間解像度が適切に設定されている場合は、ROI をカバーするために必要な他の FOV を取得するデータの収集を完了します。それ以外の場合は、ステップ 2.2 に戻り、再起動します。
    注: ROI で複数の FOV をカバーする必要がある場合は、隣接する FOV 間で一定の重ね合わせが得られるマップ 3,15 を簡単にステッチするようにします。オーバーラップの程度は、ハイパースペクトルカメラとサンプルの間の距離、変換、および検出器28の水平画角に依存する。クアルト・スタートに誘発された実験キャンペーンの場合、オーバーラップはFOVの少なくとも40%に設定されている。

3. ハイパーキューブと基準スペクトル管理

  1. 生データのI/Oを実行します:ハイパーキューブの整理、読み取り、管理。
    1. HS_FileListerコードを実行して、ハイパーキューブと関連情報を含むファイルのリストを、アルゴリズムの自由な処理で 2 つの変数に格納します (実際の詳細については、ステップ 1.4.2 を参照)。
      注: ハイパースペクトル カメラは、コードが Jarek Tuszinsky29 によって開発されたスクリプトの再検討バージョンを悪用して管理する hdr (ハイ ダイナミック レンジ) ファイルを返します。
    2. HS_Crop_pngコードを実行して、データの分析に使用する各 FOV の部分を選択します (実際の詳細については、ステップ 1.4.3 を参照)。
    3. HS_RGB_Rebuildコードを実行して、反射スペクトルからFOVのRGB画像を取得します(実用的な詳細については、ステップ1.4.4を参照)。
  2. 参照スペクトルを整理、読み取り(必要な場合)、および管理します。
    注: 参照スペクトルは SAM メソッド内のエンド メンバーの役割を果たします。20,21.アルゴリズムのこの部分は明確に決定されませんが、選択モードと基準スペクトルの原点に依存します。
    1. PointSel コードを実行し、表示された対話型ウィンドウ内をクリックして、参照スペクトルを、モニタ対象領域のサーフェス上の独立した測定ポイントとして識別します(実用的な詳細については、ステップ 1.4.5 を参照)。
    2. 網状選択コード ReticularSel を実行して、モニタ対象領域の表面に重ね合わせた測定点の通常のレチクルとして参照スペクトルを自動的に選択します(図 5B)。ターミナル ウィンドウに次のコマンド ライン (セミコロンを含む) を入力し、 Enter キーを押してコードを実行します。
      [参考文献] = ReticularSel(HS_DataList、HS_ImageList、n_pixel);
      1. 入力には、3つの入力(ハイパースペクトルカメラ、HS_ImageList、ハイパーキューブを含むファイルのリスト、HS_DataList、ピクセル数で表されるレチクルムの間隔n_pixel)と1つの出力があります。
    3. 外部参照インポーター コード Spectra_Importerを実行して、 Quarto Stato で取得したハイパーキューブから独立したデータセットおよびデータベースからの参照を含む変数を作成します。ターミナル ウィンドウに次のコマンド ライン (セミコロンを含む) を入力し、 Enter キーを押してコードを実行します。
      [外部参照] = Spectra_Importer(file_extension)。
      1. 1 つの入力 (api の間に書かれた独立した参照スペクトル、 file_extension、書き込まれたファイルの拡張子) と 1 つの出力 (外部参照を含む変数 ExtReferences) があります。
        注:外部リファレンスインポーターコードはtmrファイルのインポート用に最適化されていますが、必要に応じて、あらゆる種類のテキストファイルを扱うために簡単に変更できます。
    4. 参照を、sam マップを評価するコードの要求に応じて、参照をマトリックス、References_Matrix、またはExtReferences_Matrixに配置する RefListToMatrix コードを実行します (実用的な詳細については、手順 1.4.7 を参照してください)。
    5. RefListToMatrix コードがハイパーキューブと参照の波長範囲とスペクトル解像度 (コンポーネントの数) の両方を等しくするのを待ちます。
      注: コードはハイパーキューブと参照の両方の波長範囲を識別します。このコードは、波長範囲を比較し、ハイパーキューブと参照の両方で監視されない波長間隔を遮断します。このコードは、等波長範囲の低い成分数(すなわち、低いスペクトル分解能によって特徴付けられる)によって構成されるハイパーベクトル(ハイパーキューブまたは参照)のグループを識別する。このコードは、長いハイパーベクトル (参照またはハイパーキューブ) のコンポーネント数を、短いハイパーキューブ (ハイパーキューブまたは参照) のコンポーネント数に削減します。これは、短いハイパーベクトルの波長ごとに、短いハイパーベクトルの波長に最も近い波長に対応する長いハイパーベクトルの値のみを保持することによって行われる。
      1. コードは自動的にイコライゼーションを実行します。ハイパーキューブ内で参照が選択されている場合、波長範囲とスペクトル分解能を等化する必要はありません。
    6. 必要に応じて、サンプルの表面上の参照の位置を、専用コードを実行して一連の画像に保存します (実際の詳細については、ステップ 1.4.7 を参照してください)。
      注: このオプションは、ハイパーキューブ内で参照が選択されている場合にのみ使用できます(ステップ 3.2.1 および 3.2.2)。

4. SAM 分析

  1. SAM_Completeコードを実行して、類似性マップを評価します。ターミナル ウィンドウに次のコマンド ライン (セミコロンを含む) を入力し、Enter キーを押してコードを実行します。
    SAM_Complete(HS_ImageList、HS_DataList、References_Matrix);
    1. 入力には 3 つの入力 (ハイパースペクトル カメラ、 HS_ImageList、ハイパーキューブ、 HS_DataList、および参照行列、 References_Matrix または ExtReferences_Matrixを含むファイルの一覧) と出力はありません (コードは、現在の作業フォルダーに .png ファイルとして SAM マップを保存します)。
      注: 3 つの入力変数以外に、 SAM_complete コードには、ユーザーの好みに応じて分析プロトコルを調整する追加パラメーターを少し追加する必要があります (次の手順を参照してください)。
  2. 必要に応じて、必要に応じて、ダイアログボックスに番号 0 または 1 を入力して、前処理オプションを使用してコードを入力し、 Enter キーを押して続行します。
    1. 前処理オプションを 0 に設定: 各反射率スペクトルで表示される領域は 1 に正規化されます。
    2. 前処理オプションを 1 に設定: 各反射率スペクトルによって従属する領域が 1 に正規化され、その後正規化されたスペクトルが 1 回派生します。
      注: ハイパーキューブと参照の両方に同じ前処理オプションが使用されます。
  3. 目的のスペクトルに対応する列の番号をコードに与えることによって、参照行列の中で SAM 分析に使用する終了メンバーを選択します。必要に応じて、空白で区切られた番号を入力して、目的の列に対応する番号のシーケンスをダイアログ ボックスに入力します。 Enter キーを押して続行します。
    注: シーケンス [1 2 3] は、参照行列の最初の 3 つの列の選択に対応します。空のベクトルは、参照行列のすべての列の選択に対応します。
  4. 保存するマップのセットを識別する名前の最初の部分を含む文字列をコードに送ります (つまり、 SAM_Completeによって返される.pngファイルの名前の共通部分)。必要に応じて、ダイアログ ボックスに文字列を挿入します。 Enter キーを押して続行します。
    注: ユーザーが test と入力した場合、出力.pngイメージの名前はすべてテストで始まります。
  5. 必要に応じて、必要に応じて、ダイアログボックスに数値0、1、または2を入力して、データを処理するために選択されたメソッドをコードに送り、 Enter キーを押して続行します。
    1. データを操作しない場合は、このメソッドを 0 に設定します。
    2. 解析を開始する前に考慮するスペクトルの波長範囲を手動で選択する必要がある場合は、この方法を 1 に設定します(図 6)。
    3. SAM マップの評価前に特定の基準に基づいてデータを順序付けするようにアルゴリズムを要求するには、このメソッドを 2 に設定します (図 7)。
  6. プロトコルがデータを処理し、現在の作業フォルダーに SAM マップを.pngファイルとして保存するまで待ちます。
    注 : ハンドルメソッドが 0 または 2 に設定されている場合、ユーザーはただ待つ必要があります。1 に設定されている場合、ユーザーは、対話型ウィンドウをクリックして、SAM マップを評価するために使用するスペクトルの部分を選択する必要があります (図 6)。

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

提案されたプロトコルはHRIデータの管理および分析のための興味深い機能のセットを提供する。生データのI/O(ステップ3.1)は、分析方法を適用する前に解決しなければならない最初の問題であり、大量のデータを扱う場合には重要な問題になる可能性があります。現在の場合、生データに関する唯一のタスクは、実験結果を専用のフォルダに保存し、読み取りコードを実行するときにハードディスクをブラウズして選択することです(ステップ3.1.1)。その後、クロップとRGB再構築コードを使用して、データの選択を詳細に調整して分析し(ステップ3.1.2)、ハイパーキューブの取得の瞬間に実験条件が適切に設定されていることを確認します(ステップ3.1.3、 図4 および 詳細については、議論 のセクションを参照)。

データ キューブが正しく取得されたことを確認すると、このアルゴリズムは SAM Analysis20,21 のエンド メンバを選択するさまざまな可能性を提供します (手順 3.2)。最初の 2 つのオプション (手順 3.2.1 および 3.2.2) は、いくつかの孤立した測定ポイント (図 5A) を手動で選択するか、1 つ以上の FOV 内の測定ポイントを選択する網目を提供する絵画の表面を自動的にサンプリングすることによってハイパーキューブ間の参照を取得します (図 5B)。分離された測定点に基づく分析は、網状の測定点よりも速いが、重要なスペクトルを特定するためにFOV(複数可)の注意深く、おそらく情報に基づいた観察を意味する。これは、顔料や塗装面を扱う良い経験を意味します。この選択により、アルゴリズムに時間がかかり、ユーザーは多くの出力画像を観察して、一握りの有用な類似性マップを取得する必要があります。しかし、網状選択は、ハイパーキューブの完全なスクリーニングを提供し、そして、大部分は、実験的文脈の経験なしに行うことができる。原則として、サンプリング距離、n_pixelが決定されると、ユーザーは詳細を失う可能性が非常に低いFOVの観察を無視することができます。

ハイパーキューブ内の参照スペクトルの選択に加えて、アルゴリズムは、調査中のサンプルからのデータを他のソースに属する参照と比較する機会を提供します(ステップ3.2.4)。外部参照スペクトル インポーター コードは、ペイントのサーフェスに属さない参照の I/O を管理します。行列コンバータコードは、ハイパーキューブと外部参照の両方の波長範囲とスペクトル分解能を等しくします(ステップ3.2.4)。この可能性は、サンプルの特性評価に関するユーザーの能力を拡張します。実際、ユーザーは反射率データの観点から、あらゆる種類の利用可能なリソースを利用することができます。ハイパーキューブは、ユーザーのスペクトルアーカイブを使用して、公開データベースと比較することができ、 臨時 に用意されたサンプルや、著者や他のアーティストに属する他のオブジェクト(絵画、パレット、色合い、または何でも)で収集された新しいデータを使用します。さらに、外部参照は、 図6図7 に示す参照がHRIデータに使用されるカメラではなく、ポータブルFORSミニチュア分光計(材料表)によって取得されるように、あらゆる種類の反射率技術を利用して得ることができます。

データ管理以外にも、このアルゴリズムはデータ分析に対する独自のアプローチを提供します。SAM マップを評価する前にスペクトルを操作できます (ステップ 4.1 ~ 4.5)。この可能性は、顔料の分布を調査するSAM法の選択にその根拠を見つける。実際、SAMは反射反射スペクトルを多次元空間のベクトル(すなわち、取得チャネルと同じ数のコンポーネントを持つハイパーベクトル)と考えています。したがって、解析の主な目的は、異なるが類似した参照を比較して、アーティストが使用する顔料と最もよく一致するものを区別することである場合、参照スペクトルのほぼ同一の成分(すなわち、ハイパーベクトルのほぼ同一値に対応する波長)は特に有用ではなく、アルゴリズムはこれらの成分を分析から除外することを可能にする。

このプロトコルは、データを操作するための2つのオプションをサポートしています(ステップ4.5):ユーザーは、手動で分析する反射率データの波長部分を定義することができます(図6)。または自動的に(図7)。手動での選択は簡単です。前処理された基準スペクトルまたはその第一の導関数は、選択されたプリプロセッシングオプション(ステップ4.2)に応じて、インタラクティブウィンドウに表示され、図6A、およびユーザーが1つ以上の波長間隔を選択し、図6Bをグラフ表面をクリックして選択する。自動選択は、選択された前処理オプション (ステップ 4.2) に応じて、事前処理参照スペクトルまたはその最初の導関数に適用される最大分散の数学的基準に基づいています。アルゴリズムは、選択した参照内の分散 (正規化され、図 7A破線として表示) を計算し、この基準に従ってすべてのスペクトル (参照とハイパーキューブの両方) を順序付けます (図 7B破線は正規化された分散と順序付き分散を表します)。言い換えれば、最大分散がn番目の波長に対応する場合、各プリプロセススペクトルのn番目の成分(参照およびハイパーキューブ)の内容は、再配置されたハイパーベクトルの最初の位置に移動されます(図7Aおよび図7Bの背景の色付き部分は、データの再配置をグラフィカルに説明します)。実際には、前処理スペクトルの成分は主成分分析30と同様に順序付けされる。

スペクトルが操作されると、アルゴリズムは SAM マップを評価します。手動操作 (図 6) に続いて、プロトコルは 3 つのマップ セットを返します: 選択された波長と拒否された波長のグループに対応する 2 つと、スペクトル全体を使用して取得した 1 つの 2 つのマップ。それ以外の場合、自動操作(図7)に続いて、アルゴリズムは、変動値に浮動閾値を適用し、超過しきい値(すなわち、自動的に選択された)と変動の下限値(すなわち、自動的に拒否された)の両方に対応する再配置されたハイパーベクトル成分のしきい値の増加時にSAMマップを評価する。これらのマップのセットは、スペクトル全体(常にアルゴリズムによって返される)から得られたものと共に、合計(2N + 1)のマップセットとなり、Nはしきい値で想定される値の数になります。しきい値の増加時に得られた類似性マップのセット(図8)は、データ操作がコンテンツを変更するのではなく、マップされた領域の詳細に関する新しい洞察を提供し、結果としてサンプルと参照の類似点と相違点を区別するのに役立つ可能性があることを示しています。

Figure 1
図1: クアルト・スタート 絵画の絵、1899-1901、293 x 545 cm、キャンバス上の油、ジュゼッペ・ペリッツァ・ダ・ヴォルペド、ミラノ、ミラノのノベチェントム。 この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 2
図2:実験条件の定義(A)アドホック調製試験サンプル白い円数字は、参照として選択されたスペクトルに対応する測定点を示します。(B)SAMマップは、基準スペクトル番号1、(C)番号2、(D)番号3、および(E)番号4に対して評価される。グレーのカラーバーは、スペクトル角度の値の範囲を示します。この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 3
図3:定義された実験条件を クアルト・スタトに適用する。 (A) 実験キャンペーンに選択されたROI(赤い長方形)各長方形では、ROIをカバーするために必要なFOVが強調表示されています(シェーディングされていない領域)。(B) パネル A の 4 つの [シェーディングされていない領域 ]の RGB 画像(C) SAM マップは、各 FOV (緑の円) 内で選択された参照スペクトルに対して評価されます。 グレーのカラーバー は、スペクトル角度の値の範囲を示します。 この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 4
図4:サンプルの表面の適切な照明と不適切な照明. (A)塗装面のごく一部(赤い円)が不適切な照明による反射特性の変化の影響を受けるFOVの部分。(B) FOV が適切に照らされたときに生じるのと同じ小さな部分(青い円)。。(C)FOVが正しく正しく照射されていない場合の円の中心にある測定点の反射スペクトル(それぞれ 線と 青線 )。(D)不適正な照り付け計測点のスペクトルを基準として用いて得られたFOVのSAMマップ。(E)適切な照光測定点のスペクトルを基準として用いて得られたFOVのSAMマップ。 グレーカラーバー とは(D)および(E)を指し、(A)および(B)の色の円の中心にある測定点のスペクトルの第1導関数と選択したFOVのスペクトルの第1誘導体を比較して得られたスペクトル角度の値の範囲を示す。 この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 5
図 5: ハイパーキューブ内の選択を参照します。緑色の円は、図示した FOV で手動で選択した参照スペクトルの位置を示します。(B) 網状選択モード;緑色の円は、サンプリング間隔(n_pixel)を示す FOV に 5 ピクセルに設定したレチクルを適用することによって選択された参照スペクトルの位置を示します。(A)と(B)の両方で報告された画像は、D65照明素子と1931オブザーバーをCIE規格からハイパーキューブに適用した反射スペクトルから取得したFOVのRGB画像のグレースケール変換です。グレーカラーバーは、この画像の正規化された強度を示します。この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 6
図6:手動データ操作モード. (A)ユーザーが選択された波長と拒否された波長の端数に参照スペクトルを分割することを可能にするインタラクティブウィンドウの側面。(B) (A) SAM マップを評価するために選択されたデータの部分がピンク色の背景で強調表示されているのと同じ参照。(A)および(B)参照の前処理スペクトルを表示する。 この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 7
図7:自動データ操作モード(A)図6で報告された4つの正規化された参照の第1の微分(色付き線)と正規化された最大分散(黒い破線)。(B) 最大分散の基準に従ってソートされた(A)の同じ誘導体。正規化された最大分散のソートされた値も報告されています(黒い破線)。背景の一部は、ハイパーベクターの再配列を視覚的に示す試みにおいて異なる色合いで着色されている。この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 8
図 8: 自動データ操作モードで取得した SAM マップ。 (A-C)図 7 の参照スペクトルの最初の微分で評価された正規化された最大分散のソートされた値。曲線の赤のセクションは、それぞれ、選択された(しきい値を超える)、データの一部を拒否(しきい値の下)を示します。パネルは、しきい値の増加時に何が起こるかを示しています (黒い点線セグメント);各パネルは、図7のスペクトルの4つの微分に対して得られた値のグループのSAMマップを報告します。緑のエッジ マップはオーバーしきい値の端数を示し、赤色エッジ マップは下限しきい値を参照します。 グレーのカラーバーは、スペクトル角度の値の範囲を示します。この例では、しきい値の増加を決定するステップは、正規化された最大分散の 0.5% に等しくなります。(C)で報告されたしきい値は0.09であり、さらに増加すると、ハイパーベクトルの選択された成分の数が任意に固定された下限20値、すなわちハイパースペクトルカメラの取得チャネルの総数の10%を下回るので、最後に考慮された閾値です。この図の大きなバージョンを表示するには、ここをクリックしてください。

Subscription Required. Please recommend JoVE to your librarian.

Discussion

ハイパースペクトル反射率イメージング データセットは、情報の大きな貯水池です。したがって、データを分析するための堅牢で、おそらく自動化されたプロトコルの開発は、その潜在的な15,17を活用するための重要なターンです。提案されたアルゴリズムは、絵画の顔料の特徴付けに特に注意を払って、文化遺産の分野でこの必要性に答えます。SAM20,21に基づいて、このアルゴリズムは、実験条件の設定から顔料の分布の評価まで、解析プロセス全体の間にユーザをサポートします。アルゴリズムにはまだ完全なグラフィカルインターフェイスが含まれていないため、結果を表示するためのツールが提供されていませんが (このためオープンソースソフトウェアが使用されています31 と推奨されていますが、材料表を参照してください)、データ分析へのアプローチを調節するために実装された可能性のセットは、これらの欠点を大きくバランスさせます。

このプロトコルは、サンプルと検出器の両方の特性に応じて取得システムを設定します。一方で、クアルト・スタトを作成するためにペリッツァ・ダ・ヴォルペドが採用したディビジョン・テクニックでは、ハイパーキューブが異なる顔料の小さなブラシストロークを並べて区別する必要があります。一方、ハイパースペクトルカメラは、150 mmと無限の範囲の焦点範囲を持ち、手動調整システムでは、ターゲットまでの距離1mで、空間分解能1.07mm26の0.55 x 0.55 mの面積を検出します。このアルゴリズムをテストサンプルで取得したハイパーキューブの数少ない部分に適用すると(図2)、データ取得に適した作業距離を確立するのに役立ちます。測定の観察は、目標で0.31ミリメートルの解像度に対応し、30センチメートルに実験キャンペーンのための作業距離を設定することができます。 この作業距離は、クアルト・スタートで行われた実験セッションでもうまく採用されました(図3)。作動距離が定義されると、サンプルの表面の照明は重大な問題である3,15です。FOV の一部が均一な照明(図 4B青い円)ではなく不均一(図 4A赤い円)を示すと、反射率のプロパティが劇的に変化し(図 4C)、手順全体が損なわれます(図 4D4E)。このプロトコルは、データの取得中に不均一な照明(および一般的には監視領域のアーティファクトに対する)を防ぎます(RGB、ステップ1.4.1、およびSAMマップ、ステップ1.4.9、ユーザーがチェックすることができます)と後掲は、トリミングコード(ステップ1.4.2および3.2.1.1)によって分析からFOVの侵害された部分を除外することによって行います。

このプロトコルを使用すると、ユーザーは最大の自由度で参照(つまり、SAMマップの評価に使用されるエンドメンバー)を選択できます。一方で、EMは、分離された測定点選択(ステップ1.4.5および3.1.2の図5A )または細線測定点選択(ステップ3.1.3の図5B )の2つの方法によって、ハイパーキューブの端内で選択することができます。重要な測定ポイントを手動で特定するには、ユーザーの専門知識が必要なため、最初の項目は情報に基づいた選択として定義できます。後者は、FOVの網状サンプリングが実行されるサンプリング間隔の値のみを必要とするため、ブラインド選択として定義することができます。一方、調査中の絵の外からは、そのEMを取り出すことができます(ステップ3.1.4)。 クォート・スタートで行われた実験キャンペーンでは、ポータブルミニチュアFORS分光計(材料表)を使用して、アーティストに属するドラフトサンプルからスペクトルを収集し、現在はヴォルペドにあるスタジオミュージアム(イタリアのヴォルペド(AL))に保管されています。これらの反射率データは、SAM マップの評価に使用されており、その一部は 図 6 および 図 7 に示されています。スペクトルの絶対強度とベースラインの重要性が制限されるため、ハイパーキューブとEMの両方に対して、特にわずかに異なるセットアップまたは操作条件から得られた場合は、前処理が必須です。

プロトコルの最後の主な特徴は、実験データを操作する機会です。操作のために、それは、EMの最も重要な構成要素(すなわち、エンドメンバーのスペクトルのそれらの部分の識別がアーティストが使用する材料を特徴付けるのに役立つべきである)を識別することを意図している。このタスクは、手動で実行することも (図 6) することもできます (図 7)。最初のケースでは、アルゴリズムは実行者の専門知識を利用し、第2のケースでは、時間によって、SAMマップを評価するために使用される成分を決定する統計的基準である。どちらの場合も、この操作によって、結果として得られる類似性マップの数が増加し、ハイパーキューブによって運ばれる情報を開示する機能が拡張されます。特に、基準に基づく選択は、塗装面の多数の洞察を生成します(図8)。

個別に考える場合、列挙された機能は単なる技術的な利点として見えますが、一緒に少なくとも2つの重要なポイントを意味します。アルゴリズムは、あらゆる種類のユーザーが正常に適用でき、分析のシナリオを大幅に広げることができます。実際には、プロトコルの主なステップ(すなわち、参照の選択およびデータの操作)は、ユーザーのスキルと経験を無視して自動的に実行することができる。ハイパーキューブの外部からのスペクトルで分析を駆動する可能性を持つ研究者の処分におけるすべての反射率データは、調査中のサンプルの特性評価のために利用することができます。

要約すると、プロトコルは非常に柔軟なツールです。グラフィカルインタフェースとサポートされる解析方法の数に関するいくつかの改善により、ハイパースペクトル反射率イメージングによって塗装された表面から得られたデータの取り扱いと分析に関する最先端のステップを超えることができます。

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

著者らは開示するものは何もない。

Acknowledgments

この研究は、プロジェクトMOBARTECHの枠組みの中で地域ロンバルディアによって資金提供されました: ウナ・ピアッタフォルマ・モバイル・テクノロジカ, インターアッティバ・エ・パルテシパタ・パー・ロ・スタジオ, ラ・コンセルバツィオーネ・エ・ラ・ヴァロリッツァツィオーネ・ディ・ベニ・ストリコ・アーティスティック - コール・アコーディ・パー・ラ・リセルカ・エ・ラ・イノバツィオーネ.

著者らは、スタジオ・ムセオへのアクセスに関しては、イン・ザ・イン・ザ・実験セッション中の支援と、スタジオ・ムセオへのアクセスに関するアソシアツィオーネ・ペリッツァ・ダ・ヴォルペドの支援に対するノベチェント・ムセオのスタッフに感謝しています。

Materials

Name Company Catalog Number Comments
ImageJ/Fiji Specim (Oulo, Finlad) N/A Portable reflectance hyperspectral camera used to acquire the hypercubes
MATLAB 2019b StellarNet Inc (Tampa, Florida, USA) N/A Portable reflectance spectrometer used to acquire independent reflectance spectra
Specim IQ Hyperspectral Camera National Institutes of Health (Bethesda, Maryland, USA) N/A  Open source Java image processing program
StellarNet BLUE-wave Miniature Spectrometer  MathWorks (Natick, Massachusset, USA) N/A Program Language and numerical computing environment

DOWNLOAD MATERIALS LIST

References

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

Tags

化学、問題172、ハイパースペクトル反射率イメージング、反射率分光法、光ファイバ反射率分光、分光角度マッパー、データ操作、カスタム調整可能な分析、絵画、顔料
ハイパースペクトル反射イメージを適用してパレットと画家の技法を調査する
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Caccia, M., Caglio, S., Galli, A.,More

Caccia, M., Caglio, S., Galli, A., Interlenghi, M., Castiglioni, I., Martini, M. Applying Hyperspectral Reflectance Imaging to Investigate the Palettes and the Techniques of Painters. J. Vis. Exp. (172), e62202, doi:10.3791/62202 (2021).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter