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

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^1、2、10、¹¹)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(表)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^20、21 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。