CN102439605A - 确定艺术品作者的方法和装置 - Google Patents
确定艺术品作者的方法和装置 Download PDFInfo
- Publication number
- CN102439605A CN102439605A CN2010800222026A CN201080022202A CN102439605A CN 102439605 A CN102439605 A CN 102439605A CN 2010800222026 A CN2010800222026 A CN 2010800222026A CN 201080022202 A CN201080022202 A CN 201080022202A CN 102439605 A CN102439605 A CN 102439605A
- Authority
- CN
- China
- Prior art keywords
- attributive character
- picture
- described method
- color
- database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000000875 corresponding effect Effects 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims 6
- 238000010422 painting Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 239000004744 fabric Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000007620 mathematical function Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 206010042008 Stereotypy Diseases 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000012567 pattern recognition method Methods 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 229940085606 rembrandt Drugs 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000904 thermoluminescence Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000004304 visual acuity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Toxicology (AREA)
- Electromagnetism (AREA)
- Image Analysis (AREA)
- Character Input (AREA)
Abstract
本发明提供一种确定图片作者的方法,该方法至少包括以下步骤:通过数字化设备,特别是扫描仪,将检测待检图片或者待检图片的一部分转换成至少一条数据记录;分析所述数据记录并确定以数字化形式包含在所述数据记录中的属性特征或者属性特征的一部分,特别是点、线、点组、线组、或图案,其中待确定的所述属性特征被存储在数据库中;其中,所述数据库具有与每个所存储的属性特征相关的附加数据记录。
Description
技术领域:
本发明涉及一种确定图片创作者的身份和来源的方法和装置。
技术背景:
在艺术世界中艺术品的出处,即相应的作品应属于哪个艺术家具有极大的含义,这既能确定实际的著作权并判断作品的价值,并在艺术史上也具有重大含义。在艺术品的范畴内,艺术家对艺术品还有具有其它广泛的权利,即在出售艺术品的时候不会失去这些权利。此外,艺术史学家对艺术品的真实出处非常感兴趣,因为在很多情况下,特别是对于较老的作品来说,不能完全确定该作品的作者,或者可能是一个有缺陷的或者仿照的签名。因为大师可能拥有很多传授的学生,在创作时参与了一部分或者整个艺术品的制作,但是最终还是由该艺术家签名。伦勃朗给出了一个具有代表性的例子。在这种情况下甚至会使用一台高技术标准的检查设备,用于检查艺术品的真伪。用X光射线检查图片并不罕见,红外线辐射也经常用于识别纸张的水印。通过UV光线照射的材质会散发出不同颜色的荧光,可以说明该艺术品使用的材料,但这样能推断出相应的艺术家。其他鉴别真伪的方法是热释光分析、成本较高的化学分析或者显微镜下检测艺术品的方法。
这种方法的成本非常高并且必须在适当的环境下进行,如:一般来说会在实验室中进行,实验室中的光线不能对人体健康造成任何损害,并且室内条件应符合规定,这样有利于维持图片的状态。
此外,艺术品专家经常可以通过他们的专业眼光确定艺术品的出处,特别是鉴定图片。把艺术家作为作者归纳到一个类别中,对于识别和鉴定来说特别适用。上色、轮廓和笔触等等可以反映出艺术家的特点,这样减轻了作品的识别工作。笔触,一般来说是指图片中的线路。从图片中的某一角度来看,对各个艺术家来说,线路可以表达出图画中各自的重要方面。举例来说,艺术家在一副画中描绘的面部线路看起来要比衣着线路细。这里人们知道了,描绘面部轮廓或者面部本身时对艺术家具有特殊的意义。笔触是艺术家的个人笔迹,其中包括了笔触方法、线路、笔触压力的力度和稳定程度。通过艺术家和作者的这种个人笔迹可以鉴别一件艺术品,特别是一幅画,这样可以正确的判断出处。目前,只可以由艺术品专家通过检测图片可以鉴定出来。这里,艺术品鉴定专家必须完全仔细的研究图片并且认真检测。这些过程都非常费时并大多非常昂贵,因为艺术品专家是具备高资历的人。
发明内容:
本发明的目的是提供一种用于鉴定图片出自于哪位艺术家的装置和方法。
根据本发明可以通过确定图片的出处方法来解决上述难题,其中,所述方法至少包括以下几个步骤:
通过数字化设备,特别是扫描仪,将检测待检图片或者待检图片的一部分转换成至少一条数据记录;
分析所述数据记录并确定以数字化形式包含在所述数据记录中的属性特征或者属性特征的一部分,特别是点、线、点组、线组、或者图案,其中待确定的所述属性特征被存储在数据库中;
其中,所述数据库具有用于每个所存储的属性特征的附加的相关数据记录。
上述新方法需要艺术专家具有数据库方面的专业知识。到底有多快可以得出结果,这仅仅与相应的数据库访问速度、在数据库中查找使用的数学方法、以及寻找的数据记录的大小和数据库中重要的数据记录数量相关。根据本发明确定数据库中的属性特征,可以理解为认定数据记录中的属性特征(待检图片的最终效果)或者识别(发现)数据记录中的属性特征。
一般情况下,借助一个数字化工具在至少一个数据记录中鉴定图片或者图片中的一部分,大多数情况下是指借助于扫描仪扫描图片。也可以使用相应的数码相机。这有一个优点,因为可以在半途中用数码相机截取数字化照片。这是一个简单和便捷的方法,在确保较高灵活性的同时,最重要的是不需要运输艺术品,即直接在演示厅获取数字化数据。扫描仪同样也是这种数据接收仪器,以系统和规律的方式扫描或者测量一个目标,特别是一幅画。这样可以产生扫描目标的整体图片或者部分图片的多个计量单位。如果是三维艺术品,则可以使用3D扫描仪。通过所谓的罐式扫描仪,用同步光照明剪切画,然后通过镜头聚集反射光,该方法甚至可以确保绝对色彩逼真度和剪切画扫描部分的准确性。在一些简单的图片中甚至可以使用普通商业扫描仪,前提是具有非常好的接收质量(表达方式“非常好的接收质量”随着时间而变化,因为最新一代的扫描仪始终具有更好的接收质量和分辨率)。由扫描仪生成的数据记录与设置的分辨率有关,较小的扫描仪可能也具有较大的存储容量。而且这种默认值,也就是准备一台较大的存储媒介,在现今可以以低成本实现大容量的存储功能。
本发明的方法可以借助于存储在数据库中的属性特征的图案对扫描得到的电脑数据进行分析并确定以数字形式存储的数据记录中的属性特征。将该图案将与待检图片做比较,其是否与待检图片相一致,或者具有较大的相似度。
属性特征的确定或者识别的数据,特别是待检图片中的点、线路、点组、线组或者图案中所包含的很大数量的规律性、重复性、相似性或者合法性的数据,是识别相似度的最好方法。通过图案识别方法可以达到鉴定的目的。其他的属性特征是边缘、色彩边缘、颜色的走向、即颜色动态和笔触。
一般来说会对扫描和检测的图片进行一次分析,包括下面描述的准备阶段。该分析极大的减轻了数据库中图案的比较工作。
待检图片数字化后开始准备阶段。在这个阶段中将规范图片,这样在后期可以进行图案比较。如果必要的话,可以使用过滤器来减少干扰因素。如果对后面的阶段有帮助,也可以把图片的颜色转换成灰色调。
然后将该图片分割为几个部分,这样可以节省空间并归类同种类型中的部分,如:同样的纹理或者同样的颜色。
然后获取属性特征。一般来说最好是通过直觉获取属性特征或者依据专业人员的长年的经验。可以设置重要的属性特征矢量。图片中的属性特征可以是直线、曲线、圆圈、椭圆或者其他几何形状。从属性特征的一部分或者一个属性特征可以判断作者的风格。
在后面的阶段对获取的属性特征和图案进行分类,命名为分类方法。分类方法或者所谓的分级方法是把获取的属性特征和图案进行分类。在当今的技术水平中,分类方法已经众所周知。手动、自动、数字、无数字统计和自由分布或者三维的方法也为大家所熟知。此外还有其他方法,即不受到上面给出方法的限制。举例来说,可以通过贝叶斯分类方法进行分类。这种分类方法把每个属性特征与最相近的属性特征归为一类。
依据这种分类方法可以进行图片分析、图片识别或者图片处理。第一步只是比较的步骤,第二步将根据属性特征的基准标记做出评估。
将检测和分析出的特征与数据库中的属性特征做比较。如果这里有一个或者多个相同的地方,则除了作者的名字,还可以给出图片作者的其他数据记录信息。
本发明其他的特点是,自由设置数码工具的分辨率,特别是扫描仪。通过这种方法既可以计算艺术品在数字化过程中产生的数据,也可以计算最终需要处理的数据。
特别是艺术家在创作艺术品时使用的细工技术,如细线和一条非常浅的线路,这时非常有必要选择使用高分辨率模式的图片进行分析,这样可以数字化最小的部分或最小的细节,然后进行检测。另外一种情况,例如一件由大面积帆布构成并含有较少颜色的艺术品,该艺术品的表达性非常高,通过艺术品数字化中包含的信息可以清晰的鉴定,而且只需要较少的数据量。
其他分析和确定待检图片或者其中一部分的方法是霍夫方法。霍夫方法是一种同名转换方法,也称为霍夫转换。该方法特别适用于鉴别直线、椭圆和其他几何图形目标。该图形目标由找出的属性特征组成或构成。霍夫方法还是一种非常好的方法,可以用于识别模糊的图像,也就是几何图形目标不清晰或不清楚时,也从中可以识别线路结构。这样不但可以确定完整的线路也可以确定线路部分或者其他部分和几何图形的部分。
其他优选的方法是,在后面的阶段中进一步确定数据记录中包含的属性特征或者属性特征的一部分的基准标记,这种属性特征的基准标记既可以被事先存储在数据库中,也可能在过程中产生。同样,根据属性特征的基准标记,可以通过特征的变化做出判断。人类的眼睛只能分辨出很小的基准标记和属性特征之间的差别。通过确定待检图片的属性特征可以识别经常出现的属性特征之间的细小差别,并且避免出现判断作品出处的失误。一名艺术家当然会展示出他具有个人特征的笔迹,他以某种相近(甚至基本一致)的方式书写或者绘画,但是经常会出现书写或者绘画方式的偏差。因此,应确定这种偏差和待检图片中的属性特征,并通过图像处理方式得出属性特点的基准标记。在现今的技术水平中,这种图像处理方式为人们所熟知。此外,对单一的线路、曲线、直线、角度或者整个与几何图形有关的形状进行的操作首先是对于属性特征或者属性特征的一部分进行处理,但不限于此。
在一种非常简单的情况下,可以只是简单地放大或缩小该属性特征或者属性特征的一部分,这种情况要多于对一个属性特征或者属性特征的一部分进行直接处理。甚至也可以,一方面放大该属性特征的一部分,另一方面缩小该属性特征的另一部分。
本发明其他的特点是,通过拉伸或压缩相应的属性特征或者属性特征的某一部分辨别特征的基准标记。这种鉴别属性特征的方法与上面最后所述的方法相比较显得非常不同。依据待检图片的几何图形属性特征在创作作品时强迫拉伸或压缩, 这种方法可能会产生很好的结果。此外,还有一种情况,对属性特征进行操作的过程中,还可以压缩了图片的一部分,拉伸另一部分。
本发明其他的特点是,通过线路弧度的改变可以产生至少一个基准标记。
本发明其他的特点是,通过各个属性特征的至少两条线路之间的角度变化可以产生基准标记。
所有上述所进行的操作,不允许改变属性特征的本质特征,以免无法达到对艺术品作者的进行鉴定的目的。此外,还可以考虑对属性特征进行其它的操作引起如上变化来产生可能的基准标记。
所述的这些方法毫无疑问的适用于图片的一部分,也就是图片截面。在这种情况下,只需数字化的待检查图片的部分(截面)。但是,也可能会产生这种现象,一个特殊的“属性特征”映入眼帘,观察者不能断定这个特殊的“属性特征”是否属于图片的原件还是伪造的图片。
但是,这种方法可以由一台设备来实现,该设备至少具备一个数字化仪器,优先选择扫描仪,一个标准化模块、一个部分化模块、一个分类模块和一个数据库模块。此外还应考虑至少使用一个存储媒介和一个数据处理器。
附图说明:
图1 为本发明的确定方法的示意图;
图2 为霍夫方法的一条直线(直线)的举例说明;
图3 为色彩边缘的示意图;
图4为色彩线路的示意图;
图5为带5个标记的图片区域的原版黑白版副本;
图5a-5e为图5中标记的图形区域;
图6为带5个图片区域标记的、推测是仿制品的黑白版复印件;
图6a-6e为图6中标记的图片区域;
图7为艺术家Max Clarenbach作品的复印件;
图7a为图7的截面;
图8为艺术家M. Clarenbach的、推测是仿制品的黑白版复印件;
图9为色彩边缘、颜色线路和笔迹的示意图。
具体实施方式:
图1描述的是本发明的确定方法的示意图,以及这里必要的模块的使用。在第一阶段中,使用数字仪器1检测图片,这里使用的是数字化高分辨率的扫描仪。扫描的图像可能是卓越的艺术家X Y的艺术品的缩略图,因为在图片的背面有一个古老的火柴盒,其在作品完成后遭到极大的损坏,并且该火柴盒是他以前的象征,背面的材质没有任何意义。出于这种原因,需要一台高分辨率的仪器。这里,只用眼睛几乎辨别不出,数字化可以尽量避免丢失图像目标的细节。高分辨率的使用同样可以达到最大化的清晰效果并进行鉴定,避免如文件的污损造成的影响。通过高分辨率将产生较大数量的数据,这同样也有缺点,其只能记录图像中较小的一部分。对此,当今的技术水平可以达到存储和管理较大数量数据的效果。然后,通过标准化模块2标准化该图像。它负责把相应的找出的属性特征与数据库5中存储的图案做比较。因为数据库5中存储的图案同样被标准化,所以至少有某个属性特征比较相近。艺术家经常会以他具有个人笔迹特点的方式书写,所以在大多情况下,这种书写方式的尺寸和结构相类似。
在本实施例子中,图像被分割成几部分。这里提供了几种信息,该图像主要由4种特征组成,也就是线、圆圈、心形和太阳。通过恰当的选择某一部分,当然也不必强制性的选择该部分,在每个图像部分中可以反映出一个图像部分的准确特点。该阶段的模块称为部分化模块3。
通过分类模块4中的分类方法把找出的特点分别分类到最相近的类别中。例如,线条属于“线条”类别,圆圈属于“圆圈”类别。心形和太阳不能作为类别在数据库中建立,因此也不能找到。这里很有可能会把特点归类到错误的类别中,因为心形可以归类为“三角形”或者“变形的三角形”。如果发现对象目标心形是一个艺术家的属性特征,则应建立一个整体类别把心形存储到数据库中,即使这样也可能会发生类似的错误归类现象,即属于“变形的三角形”类别。原则上来说,也可以通过分类模块4把数据库中存储的属性特征进行分类,这样可以保证分类模块4具有相同的分类标准或者较大的相似性。如果只是鉴定对象目标心形的一部分,则应把该部分分类到相应的类别中。一个心形可以分割为两个椭圆部分并包括适当的线条。如看到的那样,太阳的结构非常简单,可以分割成一个圆形和一定数量的三角形。该部分被分配到相应的类别中。如果三角形有一个固定的属性标志,则在数据库的图案中可以很容易调出该属性。
含有属性特征图案的数据库5可以是任何一个普通商业数据库,但重要的是连接相应的用来比较特征的模块。在本实施例中提到的数据库5包含下面四个属性特征,即线条、星形、双箭头和心形。数据库中的心形基本可以从前面的检测图像中识别。同样,待检图像中的太阳也与数据库中的图像基本一致。因为在这种情况下,如果不是完全一致,则还需在中间阶段把目标对象太阳(这里没有描绘)分为几个部分并与数据库5中的属性特征相比较。这样可以对比检测数据库中的太阳和检测图像中的太阳。在数据库5中是找不到相符的目标对象圆圈的,因为数据库5中所有调出的属性特征出自同一个人。因此,这种结果显而易见。这里提及的确实是艺术家X Y。结果6同样是对数据库5中存储的相应艺术家信息的补充,这样该调查不仅显示了艺术家,还包含了其他关于作品和艺术家影响力的信息,通过输出模块在显示屏或者纸张上显示及打印出来。
图2给出的是霍夫方法的一条直线(直线)的举例说明。用颜色填充空的小格子(图像元素)如白色,X表示的小格子(图像元素)代表另外一种颜色,如黑色。现在,尽管不是所有的像数都相同,人类的眼睛也能容易的辨认出所述截面的点。一个点可以由两个相交的直线组成。在数学理论中,一条直线可以是到坐标中心点的垂直线r,或者通过相应的连接线和坐标轴之间的角度 给出。出于这种目的,分布的图片像数构成了一个恰当的坐标系统,其中坐标中心点在左下的角落上,水平线用数值x(i)表示,垂直线用y(i)表示(i是连续的自然数)。图2中描述的是截面中水平方向上的13个像数点,从1到13,依次为x(1)、x(2),…x(13)。在垂直方向上有12个像数点,从1到12,依次为y(1)、y(2),…y(12)。人类的眼睛可以轻易的辨认像数点之间的直线,其数值为(x(2),y(10)),(x(3),y(9)),(x(4),y(8)),(x(5),y(7)),(x(6),y(6)),(x(7),y(5)),(x(8),y(4)),(x(9),y(3)),之后直线向另一个方向弯曲。在截面中像数点都填充了颜色,用X表示。这条直线也可以用一系列的(r,)数值来表示。现在可以很容易的测量出所有的数值组合(r,),判断该处的图像点是否符合这种颜色。如果有一种颜色与周围图像点的颜色不同,则可以从图中形成的这条直线观察到。通过这种方式可以找出图中所有的可见直线。其他的几何形状属于另外一种数学公式,但还是可以用相同的方法找出并且确定。如果直线不受到像数点宽度的限制,则相邻的像数点也可以作为直线或者直线的一部分来观察。因此,两条直接相邻的并且相交的直线可以视为一条延伸的直线。直线之间的空间越大,则图中由观察者找出的直线越粗。
图3是色彩边缘的示意图,分别填充了白色和黑色。用数值x1表示颜色开始区域中的黑色,x2表示颜色结束区域即色彩边缘的黑色。用数值x2表示颜色开始区域中的白色,x3表示颜色结束区域的白色。下面同样也描述了RGB空间内的数值变化,R值(三个数值(R,B,G)用粗体标注)表示颜色区域的长度,并用x值标注。在RGB空间中,分别对RGB代码(255,255,255)的白色区域和RGB代码(0,0,0)的黑色区域进行分类。线路相对简单。黑色颜色区域代表着RGB数值(0,0,0)的整体长度,在这个区域描绘的线路固定并且连续。色彩边缘的长度数值x2没有固定值。在整个白色区域,线路的数值是RGB值(255,255,255),它是稳定并连续的。这些线路可以作为数据记录的属性特征存储到数据库中。当然,误差也可以作为附加信息存储到数据记录中,这样,可以识别待检图片中的属性特点与数据库中存储的属性特点之间的微小差别。
图4显示的是色彩线路的示意图。色彩线路从左向右,从白色到黑色。色彩始终是灰色调。同样绘制了RGB空间中数值变化的示意图,其中只有R值(三个数值(R,G,B用粗线表示))代表了长度x。这里RGB的数值从(0,0,0)到(255,255,255)。线路在这种情况下具有直线的线性斜率,依据公式:
其中a代表了线路的斜率。
这种线路同样可以作为数据记录的属性特征存储到数据库中。当然,误差也可以作为附加信息存储到数据记录中,这样,可以识别待检图片中的属性特点与数据库中存储的属性特点之间的微小差别。
图5和图6显示的是从三个图像中选择多个截面,通过说明与原件的区别可以清楚的判断是否仿制品。
Joh. Georg Mueller于1963年创作的钢管图片和推测可能是仿制品的图片,描述的是同一个题目,在实例操作中应可以用到上面所述的方法。在此,首先对原件中(用数字2009 03 17-3来表示)的具有艺术家特征的部分进行数字化。用正方形的白色边框标注整幅图片中的五处具有特点的区域。分别用数字依次命名,这样可以避免混淆。数字顺序如下:
·2009 03 17 -3-001,
·2009 03 17 -3-002,
·2009 03 17 -3-003,
·2009 03 17 -3-004,和
·2009 03 17 -3-005。
这两个推断可能是仿制品的图片做同样的处理。用正方形的白色边框标注的图中符号为2009 03 17 -2以及2009 03 17 -3-1的区域。选取图片中具有特点的区域与原始图片做比较。这里相应的符号是:
·2009 03 17 -2-001,
·2009 03 17 -2-002,
·2009 03 17 -2-003,
·2009 03 17 -2-004,和
·2009 03 17 -2-005。
用白色正方形边框表示下面图5中正版图片的五个图像截面:
1. 图5a是下方右侧的图片象限的截面(符号:2009 0317-3-001),色调橙色、白色、灰色、紫色、黑色和褐色以及这些色调中的某种中间色显示了一个具有特殊风格的管。在该图像的截面中,色彩由深色变化到浅色,并且在黑色水平线上结束,艺术家的特殊手法表现出一种属性特征,并存储到数据库中。从上至下观察色彩发现颜色从一种深色(黑色)慢慢过度到浅色(黄白)。仔细认真的观察色彩线路不仅可以看出特殊的手工和艺术才能,也可以反映出抛光技术。这种慢慢的过度过程同样可以通过RGB色彩空间中持续的函数准确的表达出来,然后也可以轻易的数字化。
2. 图5b显示的是深黑的图像截面,同样也在下方右侧的象限中,但是在第一个图像截面的左侧并位于朝向中心的方向。这里,艺术家的笔触特点轻易可见,反映出单一的色彩厚度。这也可以通过数学函数来表达。
3. 图5c中的图像截面描述的是一个例子,即艺术家如何布置色彩线路。该图像截面在图片下方左侧的象限中,并且展示了管表面的影子。这里也如图5a中描述的图片区域那样,即可以使用数学函数表达色彩的线路。因为相应的RGB数值在稳定持续的改变,所以该函数描述了三维RGB空间中的一条接近直线的曲线。
4. 图5d中的第四个图片截面位于图片上部左侧的象限中,展示了艺术家对色彩边缘的处理方法,分别区分了不同的色彩范围。通过色彩边缘分割成不同的色彩区域,也就是相应色彩区域的色彩转换。色彩区域本身具有相同的色调,如图5b中描述的那样。通过色彩边缘区分图片区域中同种色彩的特征,它的色彩与下面相应的图片区域相符,是艺术家创作时的属性特征。
第一个色彩区域的RGB值和第二个色彩区域的RGB值在它们的色彩区域中接近恒定。在色彩边缘处,RGB值变化巨大,给出的数学函数表明在这个位置上具有非连续性。
5. 图5e中的第五个图片截面位于图片上部右侧的象限中,描述了管的阴影部分,并清晰的说明了艺术家在处理阴影时色彩线路的手法,如:从浅色过度到深色。
这五个图片截面是数据库中存储的数据记录的一部分,表明了艺术家Joh. Georg Mueller的一些特征,也就是色彩边缘的设计方案、色彩线路的布置和笔触的风格,在色彩区域内表现出一种连续的均匀的色调。作为属性特征的图案,把这五种所述的图片截面存储到数据库中。
图6显示的是,推断可能是艺术家Joh. Georg Mueller作品仿制品的副本,需检查它的真实性。同样,这里也扫描五个图像区域,并且通过这种方法把它与数据库中存储的艺术家的属性特征做比较。当然也可以自动化进行这种处理过程,把这幅图作为一个整体来处理或者通过程序把它分割成任意几个部分。通过相应的某个属性特征检测这些部分。
图6a显示的是,推测可能是仿制品并且在第一个图片区域(2009 03 17 -2-001)作出标记。在观察整体图片时,观察者注意到一种色彩边缘,即一个黄色区域与黄绿色的色彩区域有所区别。这种色彩边缘的区别不像艺术家Joh. Georg Mueller在创作作品时使用的方法。边缘本身比后面的色彩区域颜色要深,后面的绿色线路不是一种均匀的颜色。与数据库中存储的数据记录做比较,没有得出相符的结果。作为属性特征,这种情况中的色彩边缘分割成了两种色彩区域,并且持续保持同一种色调。不能通过上面描述的情况用函数表达。
图6b显示的是管的阴影。该截面与图5c中的图像非常相似,但是色调不是慢慢改变,而是突然进行这种色调过度过程。在RGB色彩空间中,这绝对不能作为接近直线来表达。因此,在数据库中不能找出与这个图片截面相符的属性特征。
图6c和图6d描述了色彩边缘。把这些图像与图5a中的截面做比较,可以轻易的辨认出,这种情况中色彩边缘的特征与数据库中存储的特征不相符。
图6e描述的是色彩线路,具体如上所述。
通过上面展示的图片截面,并且把原件与可能是仿制品的图像做比较,可以确定或者否定图片的作者。
图7和7a显示的是艺术家Max Clarenbach作品的副本,他出生于1880年在诺伊斯,死亡于1952年在维特拉尔(Wittlaer)。Max Clarenbach是一名德国画家,也是杜塞尔多夫协会的联合创始人。他的细致入微的创作方式被印象派艺术家所认定。这个副本以及相应的截面描述的是一幅风景图,图中的河流附近展示了一处雪景。这幅图可以清晰的表达如何鉴定艺术家的笔触和笔锋。这里可以清晰的看出持续重复的半圆形和充满活力的笔触,可能是由左向右走向,根据隆起的颜色判断可能在左侧收笔。
图8显示的可能是艺术家M.Clarenbach的仿制品。仔细观察天空可以毫无疑问的看出这幅图的阴影笔触是另外一种风格,即不是始终从左到右,有时也会从上到下。每个单一的笔触和由此产生的隆起的颜色都不能表现出原著的特征。
图9再一次的展示了色彩边缘、色彩线路和笔触之间的属性特征比较。
Claims (14)
1.一种确定图片作者的方法,该方法至少包括以下步骤:
通过数字化设备,特别是扫描仪,将检测待检图片或者待检图片的一部分转换成至少一条数据记录;
分析所述数据记录并确定以数字化形式包含在所述数据记录中的属性特征或者属性特征的一部分,特别是点、线、点组、线组、或者图案,其中待确定的所述属性特征被存储在数据库中;
其中,所述数据库具有与每个所存储的属性特征相关的附加数据记录。
2.根据权利要求1所述的方法,其特征在于:能够自由设置数字化设备的分辨率。
3.根据上述权利要求中任一项所述的方法,其特征在于:使用霍夫方法分析和确定待检图片或者待检图片中一部分的属性特征。
4.根据上述权利要求中任一项所述的方法,其特征在于:所述数据记录中至少包含一条属性特征或者属性特征的一部分的基准标记,其中所述属性特征的基准标记既能事先存储在数据库中,也能在处理过程中产生。
5.根据上述权利要求中任一项所述的方法,其特征在于:通过对至少一条属性特征或者属性特征的一部分进行操作产生基准标记。
6.根据上述权利要求中任一项所述的方法,其特征在于:通过放大或者缩小相应的属性特征或者属性特征的某一部分,从属性特征中至少能够产生一个基准标记。
7.根据上述权利要求中任一项所述的方法,其特征在于:通过拉伸或者压缩相应的属性特征或者属性特征的某一部分,从属性特征中至少能够产生一个基准标记。
8.根据上述权利要求中任一项所述的方法,其特征在于:通过改变相应的属性特征或者属性特征的一部分中的线路弧度,从属性特征中至少能够产生一个基准标记。
9.根据上述权利要求中任一项所述的方法,其特征在于:通过改变相应的属性特征的至少两条线路之间的角度,从属性特征中至少能够产生一个基准标记。
10.一种用权利要求1至9中任一项所述的方法来确定图片作者的装置,其特征在于:该装置至少具有一台数字化设备(1),优先选用扫描仪,一个标准化模块(2)、一个部分化模块(3)、一个分类模块(4)和一个数据库模块(5)。
11.一种至少具有一个数据处理单位、一个存储器、一个数字化设备(1)(优先选用扫描仪)一个标准化模块(2)、一个部分化模块(3)、一个分类模块(4)和一个数据库模块(5)的电脑系统,其特征在于:所述数据处理装置被预先设置用于运行权利要求1至9中任一项所述的方法。
12.一种具有指令的电脑程序被设置用于运行权利要求1至9中任一项所述的方法。
13.一种电脑程序产品,其具有可编程的计算机可读媒介,其中每次在载入电脑程序后,该程序在电脑上执行权利要求1至9中任一项所述的方法。
14.一种电脑程序产品,其具有基于电子载波信号的电脑程序,其中每次在载入电脑程序后,该程序在电脑上执行权利要求1至9中任一项所述的方法。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102009022147 | 2009-05-20 | ||
DE102009022147.6 | 2009-05-20 | ||
DE102009023756.9 | 2009-06-04 | ||
DE102009023756A DE102009023756B4 (de) | 2009-05-20 | 2009-06-04 | Verfahren zum Herkunftsnachweis und zur Urheberschaft von Bildern |
DE102009041757A DE102009041757A1 (de) | 2009-05-20 | 2009-06-04 | Vorrichtung und Verfahren zum Herkunftsnachweis und Urheberschaft von Bildern |
DE102009041757.5 | 2009-06-04 | ||
PCT/DE2010/000534 WO2010133204A1 (de) | 2009-05-20 | 2010-05-17 | Vorrichtung und verfahren zur identifizierung des urhebers eines kunstwerkes |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102439605A true CN102439605A (zh) | 2012-05-02 |
Family
ID=43049405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010800222026A Pending CN102439605A (zh) | 2009-05-20 | 2010-05-17 | 确定艺术品作者的方法和装置 |
Country Status (10)
Country | Link |
---|---|
US (1) | US8930302B2 (zh) |
EP (1) | EP2433245A1 (zh) |
JP (1) | JP2012527665A (zh) |
KR (1) | KR20120024799A (zh) |
CN (1) | CN102439605A (zh) |
BR (1) | BRPI1010963A2 (zh) |
CA (1) | CA2761382C (zh) |
DE (3) | DE102009041757A1 (zh) |
RU (1) | RU2541917C2 (zh) |
WO (1) | WO2010133204A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563427A (zh) * | 2016-08-25 | 2018-01-09 | 维纳·肖尔岑 | 用于油画的著作权鉴定的方法以及相应的使用 |
CN108052913A (zh) * | 2017-12-20 | 2018-05-18 | 浙江煮艺文化科技有限公司 | 一种艺术品图像识别与比对方法 |
CN111033521A (zh) * | 2017-05-16 | 2020-04-17 | 雅腾帝卡(私人)有限公司 | 用于文化制品的分析的数字数据细节处理 |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3252670A1 (de) * | 2016-05-30 | 2017-12-06 | Roland Sellger | Verfahren zur bestimmung der urheberschaft von gemälden |
CN106251340A (zh) * | 2016-07-24 | 2016-12-21 | 朱建宗 | 一种用特征图形数据计算比对微观图像的方法 |
KR101905416B1 (ko) * | 2017-03-07 | 2018-10-08 | 변진영 | 예술작품 위변조 방지를 위한 전자지문 관리 시스템 및 방법과, 예술작품의 위변조 판별 방법 및 이를 위한 컴퓨터 프로그램 |
US11087164B2 (en) | 2018-04-27 | 2021-08-10 | Artrendex Inc. | Method for identifying works of art at the stroke level |
WO2022120008A1 (en) * | 2020-12-03 | 2022-06-09 | Kansas State University Research Foundation | A machine learning method and computing device for art authentication |
JP7509463B1 (ja) | 2023-05-08 | 2024-07-02 | 株式会社clarus | 登録品管理方法、プログラム及び登録品管理システム |
US11948386B1 (en) | 2023-07-06 | 2024-04-02 | SpaceFarm LLC | Artwork authenticity systems and methods |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6017218A (en) * | 1996-12-12 | 2000-01-25 | Bright; Thomas J. | Brush mark analysis method for painting authentication |
CN1920856A (zh) * | 2006-09-14 | 2007-02-28 | 浙江大学 | 一种计算机辅助书法作品真伪鉴别方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1290622A2 (en) * | 2000-06-16 | 2003-03-12 | Asahi Garou Kabushikigaisha | Work identification system and signature management system |
US8144921B2 (en) * | 2007-07-11 | 2012-03-27 | Ricoh Co., Ltd. | Information retrieval using invisible junctions and geometric constraints |
US8086038B2 (en) * | 2007-07-11 | 2011-12-27 | Ricoh Co., Ltd. | Invisible junction features for patch recognition |
US8184155B2 (en) * | 2007-07-11 | 2012-05-22 | Ricoh Co. Ltd. | Recognition and tracking using invisible junctions |
US7201323B2 (en) * | 2004-12-10 | 2007-04-10 | Mitek Systems, Inc. | System and method for check fraud detection using signature validation |
RU51429U1 (ru) * | 2005-08-03 | 2006-02-10 | Наталья Кирилловна Кастальская-Бороздина | Устройство для исследования произведений живописи на предмет их подлинности и сохранности |
RU2333613C1 (ru) * | 2007-02-08 | 2008-09-10 | Наталья Кирилловна Кастальская-Бороздина | Способ идентификации произведений живописи на предмет их авторства |
JP2007328767A (ja) * | 2007-03-22 | 2007-12-20 | Shinichi Koyano | 鑑定くん |
-
2009
- 2009-06-04 DE DE102009041757A patent/DE102009041757A1/de not_active Withdrawn
- 2009-06-04 DE DE102009023756A patent/DE102009023756B4/de not_active Expired - Fee Related
-
2010
- 2010-05-17 CN CN2010800222026A patent/CN102439605A/zh active Pending
- 2010-05-17 KR KR1020117030394A patent/KR20120024799A/ko not_active Application Discontinuation
- 2010-05-17 RU RU2011149157/08A patent/RU2541917C2/ru active
- 2010-05-17 US US13/321,007 patent/US8930302B2/en not_active Expired - Fee Related
- 2010-05-17 CA CA2761382A patent/CA2761382C/en active Active
- 2010-05-17 DE DE112010002056T patent/DE112010002056A5/de not_active Withdrawn
- 2010-05-17 EP EP10728585A patent/EP2433245A1/de not_active Ceased
- 2010-05-17 WO PCT/DE2010/000534 patent/WO2010133204A1/de active Application Filing
- 2010-05-17 JP JP2012511143A patent/JP2012527665A/ja active Pending
- 2010-05-17 BR BRPI1010963A patent/BRPI1010963A2/pt not_active Application Discontinuation
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6017218A (en) * | 1996-12-12 | 2000-01-25 | Bright; Thomas J. | Brush mark analysis method for painting authentication |
CN1920856A (zh) * | 2006-09-14 | 2007-02-28 | 浙江大学 | 一种计算机辅助书法作品真伪鉴别方法 |
Non-Patent Citations (2)
Title |
---|
C.RICHARD JOHNSON ET AL: "Image Processing for Artist Identification", 《IEEE SIGNAL PROCESSING MAGAZINE》 * |
XIAOBO LI ET AL: "FACE CONTOUR EXTRACTION FROM FRONT-VIEW IMAGES", 《PATTERN RECOGNITION》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563427A (zh) * | 2016-08-25 | 2018-01-09 | 维纳·肖尔岑 | 用于油画的著作权鉴定的方法以及相应的使用 |
CN111033521A (zh) * | 2017-05-16 | 2020-04-17 | 雅腾帝卡(私人)有限公司 | 用于文化制品的分析的数字数据细节处理 |
CN108052913A (zh) * | 2017-12-20 | 2018-05-18 | 浙江煮艺文化科技有限公司 | 一种艺术品图像识别与比对方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2010133204A1 (de) | 2010-11-25 |
US8930302B2 (en) | 2015-01-06 |
JP2012527665A (ja) | 2012-11-08 |
DE102009023756A1 (de) | 2011-01-05 |
DE102009041757A1 (de) | 2010-12-09 |
DE112010002056A5 (de) | 2012-05-31 |
EP2433245A1 (de) | 2012-03-28 |
US20120072454A1 (en) | 2012-03-22 |
DE102009023756B4 (de) | 2012-05-31 |
CA2761382A1 (en) | 2010-11-25 |
BRPI1010963A2 (pt) | 2019-04-02 |
KR20120024799A (ko) | 2012-03-14 |
RU2011149157A (ru) | 2013-06-27 |
CA2761382C (en) | 2016-01-12 |
RU2541917C2 (ru) | 2015-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102439605A (zh) | 确定艺术品作者的方法和装置 | |
Carvalho et al. | Exposing photo manipulation from user-guided 3d lighting analysis | |
Cetinic et al. | Learning the principles of art history with convolutional neural networks | |
CN114140679A (zh) | 一种缺陷融合方法、装置、识别系统及存储介质 | |
CN105574161B (zh) | 一种商标图形要素识别方法、装置和系统 | |
CN111047655B (zh) | 基于卷积神经网络的高清摄像机布料疵点检测方法 | |
CN101833664A (zh) | 基于稀疏表达的视频图像文字检测方法 | |
Kukkonen et al. | Color features for quality control in ceramic tile industry | |
CN113742810A (zh) | 一种比例尺识别方法和基于临摹图的三维模型建立系统 | |
Van Zuijlen et al. | Materials In Paintings (MIP): An interdisciplinary dataset for perception, art history, and computer vision | |
Zhang et al. | Automatic inspection of yarn-dyed fabric density by mathematical statistics of sub-images | |
Zheng et al. | Image processing and edge detection techniques to quantify shock wave dynamics experiments | |
JP2012200156A (ja) | 細胞の追跡処理方法 | |
Chandna et al. | Software workflow for the automatic tagging of medieval manuscript images (SWATI) | |
CN110031471B (zh) | 大口径光学元件表面缺陷增长分析方法、系统、装置 | |
CN112834507B (zh) | 一种基于图像配准和光谱鉴别的唯一性识别系统及方法 | |
Murray et al. | ARBOR: A new framework for assessing the accuracy of individual tree crown delineation from remotely-sensed data | |
WO2022125127A1 (en) | Detection of image space suitable for overlaying media content | |
Pan et al. | Image analysis and deep learning for aiding professional coin grading | |
US10902584B2 (en) | Detection of surface irregularities in coins | |
Wolfinger et al. | The Ursa major cluster redefined as a ‘Supergroup’ | |
KR20210000656A (ko) | 외관 검사 관리 시스템, 외관 검사 관리 장치, 외관 검사 관리 방법 및 프로그램 | |
CN109544508A (zh) | 一种吸气片外观检测方法 | |
Smith et al. | Using machine learning to distinguish between authentic and imitation Jackson Pollock poured paintings: A tile-driven approach to computer vision | |
Pereira et al. | Online yarn hairiness–Loop & protruding fibers dataset |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120502 |
|
RJ01 | Rejection of invention patent application after publication |