Este protocolo ofrece nuevas oportunidades que implican el análisis de pinturas de rostros. Apoya a los usuarios paso a paso a lo largo de todo el proceso de análisis de datos. Este protocolo tiene dos ventajas principales.
Los usuarios pueden adaptar el análisis de acuerdo con sus preferencias, y por primera vez, se ha introducido la manipulación del espectro para analizar los datos hiperespectrales. Las imágenes de reflectancia hiperespectral se utilizan con éxito para estudiar enfermedades de la piel o diagnóstico de tumores. Incluso si un protocolo nació en el campo del contrarretroficio, también se puede aplicar al conjunto de datos de salud clínica.
Con el apoyo de expertos en arte, realice una inspección preliminar de la superficie pintada para identificar las características principales de la pintura. Tome nota de las técnicas pictóricas utilizadas por el artista, las diferentes pinceladas de pintura sobre el lienzo y estime cualitativamente las características de las pinceladas con especial atención a su tamaño. Crear muestras ad hoc donde las pinceladas muestren características similares a las aplicadas por el artista imitando la técnica pictórica utilizada por el artista.
Adquiera los datos hiperespectrales y compruebe si la resolución espacial de los hipercubos puede distinguir las diferentes pinceladas en las imágenes RGB de la superficie pintada. Ejecute PointSel, el código de selección de punto de medición aislado para seleccionar manualmente algunos espectros de referencia en las superficies de las muestras de prueba. Escriba la línea de comandos que incluye el punto y coma en la ventana del terminal y presione Entrar para ejecutar el código.
Seleccione los puntos de medición haciendo clic en la ventana interactiva que una por una muestra las imágenes RGB bidimensionales de los campos de visión. Ejecute SAM_Standard, el código de evaluación de mapas SAM estándar para extraer los mapas SAM utilizando todos los espectros. Escriba la línea de comandos, incluido el punto y coma en la ventana del terminal, luego presione entrar para ejecutar el código.
Los mapas SAM se guardan como imágenes PNG en la carpeta de trabajo actual. Compruebe si los mapas de similitud de obtención muestran los detalles de las pinceladas utilizadas para realizar las muestras de prueba. De lo contrario, reinicie el proceso reajustando la distancia entre la superficie de la muestra de prueba y el equipo de adquisición.
De acuerdo con la evaluación obtenida por las muestras de prueba, se establece la distancia entre la superficie de la pintura en investigación y el equipo de adquisición. Realice E/S de los datos hiperespectrales organizando, leyendo y gestionando los hipercubos. Ejecute el código HS FileLister para almacenar la lista de los archivos que contienen los hipercubos y la información relacionada en dos variables a disposición del algoritmo.
Ejecute el código PNG HS_Crop para seleccionar la parte de cada FOV que se utilizará en el análisis de los datos. A continuación, ejecute el código PointSel y haga clic dentro de la ventana interactiva que se muestra para identificar los espectros de referencia como puntos de medición aislados sobre la superficie de las áreas monitoreadas. Escriba la línea de comandos que incluye el punto y coma en la ventana del terminal y presione entrar para ejecutar ReticularSel, el código de selección de Reticular.
Esto selecciona automáticamente los espectros de referencia como un retículo regular de puntos de medición superpuestos a la superficie de las áreas monitoreadas. Este método de selección hace que el análisis consuma mucho tiempo, ya que el número de referencias es grande. Escriba la línea de comandos, incluido el punto y coma en la ventana del terminal, y presione Entrar para ejecutar SaveImPoint.
Esto guarda una ubicación en el punto de medición seleccionado superpuesto a las imágenes de los campos de visión. Ejecute Spectra_Importer, el código del importador de referencias externas para crear una variable que contenga referencias de conjuntos de datos y bases de datos independientes de los hipercubos adquiridos en quarto stato. Nótese que los espectros tienen diferentes tamaños con respecto a los obtenidos con la cámara hiperespectral.
Ejecute el código completo de SAM para evaluar los mapas de similitud. Alimente el código con la opción de preprocesamiento deseada introduciendo cero o uno en el cuadro de diálogo. Cero para requerir la normalización de espectros solo o uno para requerir que después de la normalización los espectros se deriven una vez.
introduzca esta secuencia de números correspondientes a las columnas deseadas de la matriz de referencias en el cuadro de diálogo escribiendo los números separados por un espacio en blanco. Pulse Intro para continuar. Establezca el método en cero para que no se manipulen los datos.
Uno para requerir la selección manual de los rangos de longitud de onda de los espectros a considerar antes de comenzar el análisis o dos para requerir que el algoritmo ordene los datos en función de un criterio específico y antes de la evaluación de los mapas SAM. Para seleccionar los miembros finales para el análisis SAM, el algoritmo recupera los espectros de referencias entre los hipercubos seleccionando manualmente algunos puntos de medición aislados o muestrea automáticamente la superficie de pintura, proporcionando una selección particular de puntos de medición dentro de uno o más FOV. El algoritmo también puede comparar los hipercubos con espectros externos como los obtenidos por un espectrómetro portátil EN MINIATURA FORS.
Cuando las referencias preprocesadas aparecen en una ventana interactiva, se pueden seleccionar manualmente uno o más intervalos de longitud de onda que se van a analizar. En la selección automática, el algoritmo calcula una varianza máxima dentro de las referencias deseadas y ordena los espectros de acuerdo con este criterio. Si la varianza máxima corresponde a la enésima longitud de onda, el contenido de la enésima componente de cada espectro preprocesado se moverá a la primera posición de un hipervector reorganizado y así sucesivamente.
Después de la manipulación automática, el algoritmo aplica un umbral flotante a los valores de varianza y evalúa los mapas SAM en el umbral creciente, lo que resulta en un total de dos n más un conjunto de mapas donde n es un número de valores asumidos por el umbral. Los mapas de similitud obtenidos proporcionan nuevos conocimientos sobre los detalles del área mapeada. Pueden ayudar a comparar las muestras y las referencias.
La posibilidad de personalizar el análisis y explotar cualquier espectro como referencia, amplía los horizontes del usuario pero simultáneamente pide al usuario una evaluación cuidadosa de sus elecciones Este enfoque permite el uso de la manipulación del espectro como herramienta de análisis, por lo tanto, la visión por computadora y los estudios estadísticos pueden ayudar a profundizar el conocimiento sobre la posibilidad de este asunto.
