深度学习能否辅助从XRF数据中自动识别分层颜料
计算机视觉与模式识别
2022-07-27 v1 机器学习
图像与视频处理
摘要
X射线荧光光谱(XRF)在广泛科学领域尤其是文化遗产中的元素分析中发挥着重要作用。XRF成像通过光栅扫描获取艺术品上的光谱,为基于元素组成的颜料分布空间分析提供了可能。然而,传统的基于XRF的颜料识别依赖于专家对测量光谱进行耗时的元素制图解释。为减少对人工的依赖,近期研究已应用机器学习技术对相似XRF光谱进行聚类分析并识别最可能的颜料。尽管如此,自动颜料识别策略直接处理真实画作的复杂结构(如颜料混合物和分层颜料)仍具挑战性。此外,由于相较于平均光谱噪声水平较高,基于XRF成像的逐像素颜料识别仍是一大障碍。为此,我们开发了一种基于深度学习的端到端颜料识别框架,以完全自动化颜料识别过程。特别地,该框架对底层颜料和低浓度颜料具有高灵敏度,从而能在基于单像素XRF光谱的颜料制图中取得令人满意的结果。作为案例研究,我们将该框架应用于实验室制备的模拟画作以及两幅19世纪画作:包含带有底层画作的Paul Gauguin的《Poèmes Barbares》(1896)和Paul Cezanne的《The Bathers》(1899-1904)。颜料识别结果表明,我们的模型取得了与元素制图分析相当的结果,表明了模型的泛化性与稳定性。
引用
@article{arxiv.2207.12651,
title = {Can Deep Learning Assist Automatic Identification of Layered Pigments From XRF Data?},
author = {Bingjie and Xu and Yunan Wu and Pengxiao Hao and Marc Vermeulen and Alicia McGeachy and Kate Smith and Katherine Eremin and Georgina Rayner and Giovanni Verri and Florian Willomitzer and Matthias Alfeld and Jack Tumblin and Aggelos Katsaggelos and Marc Walton},
journal= {arXiv preprint arXiv:2207.12651},
year = {2022}
}
备注
11 pages, 10 figures