CN111033521A - 用于文化制品的分析的数字数据细节处理 - Google Patents

用于文化制品的分析的数字数据细节处理 Download PDF

Info

Publication number
CN111033521A
CN111033521A CN201880041072.7A CN201880041072A CN111033521A CN 111033521 A CN111033521 A CN 111033521A CN 201880041072 A CN201880041072 A CN 201880041072A CN 111033521 A CN111033521 A CN 111033521A
Authority
CN
China
Prior art keywords
digital data
target
digital
details
article
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
Application number
CN201880041072.7A
Other languages
English (en)
Inventor
A·B·格尔登慧斯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Albert byrond geldenhuis
Original Assignee
Yatendika Private Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yatendika Private Ltd filed Critical Yatendika Private Ltd
Publication of CN111033521A publication Critical patent/CN111033521A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/32—Normalisation of the pattern dimensions
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1347—Preprocessing; Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Multimedia (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开涉及分析文化制品的手段和过程，例如以鉴定艺术作品或以数字方式修复碎片化的考古学制品，其是通过首先扫描目标制品以产生目标制品的数字数据模型，然后通过算法转换所述模型以获取目标数字转换。对此进行分析以从数字转换数据中识别并提取数字数据细节。然后，使用相同的扫描技术扫描多个对照物制品，以产生每个对照物制品的数字数据模型。向对照物数字数据模型应用相同的算法转换和数字数据细节提取过程。然后，通过算法在目标数字数据细节与对照物数字数据细节之间进行比较以根据预定的关联标准来识别关联的对照物和目标数字数据细节，并且根据关联程度来表征制品，以实现例如鉴定或数字修复的目的。

Description

用于文化制品的分析的数字数据细节处理
技术领域
本公开涉及对包括艺术品在内的文化制品进行分析、修复和鉴定的手段和过程。
背景技术
在计算机辅助的文化制品(cultural artefact)分析的领域中，最大的问题来自于当前使用的系统和过程所生成的数据量。
通过计算机辅助的从一批碎片重组三维考古学制品时使用的系统和过程充分例示了该问题。这是考古学中的主要问题之一，并且目前大量研究针对计算机辅助的重组技术。
下面提及此类研究的示例。将领会的是，下面概述的提案纯粹是当前正在开发的用于从一批碎片重组三维考古学制品的许多系统的示例。这些示例不是穷举的，也不意图用于解释本说明书、本文描述的发明或本公开的范围。
Yifan Lu等人将该研究中的一些总结为大部分聚焦于模式辨识或增强视觉。1他们指出，典型的考古学研究涉及到考古学家去往各种考古学现场挖掘文物。为了分析这些文物，对潜在大量的所收集的碎片进行分类并从这些潜在大量的所收集的碎片来修复完整的文物是必不可少的，而大多数考古学研究仍然是在场地或在实验室中人工完成的。考古学家需要将上千块碎片分类成数百个种类。在分类之后，对碎片进行重组以恢复原始文物是接下来的主要挑战。通常，考古学碎片已经变型且破碎。它们通常具有类似的纹理和外观。这样的困难又加剧了分类和重组难题。
他们参考了针对重组问题诉诸于计算机辅助的研究，包括以下成果：
Willis和Cooper，在假设所有的壶都具有对称轴的情况下、在给定碎片的3D测量的情况下自动重组3D壶的框架；2
Kong和Kimia，用于2D和3D“七巧板”求解的自动化方法，其算法具有两个阶段：局部形状匹配，然后是全局搜索和重建；3
Papaioannou等人，聚焦于表面几何学，他们使用全局优化方法基于对象的彼此可见的面之间的距离来最小化以给定的相对姿态的两个对象部分之间的互补匹配的错误测量——效果依赖于具有高度细节化或密集采样的模型，并且其还经受计算复杂度的困扰；4
Kampel等人，他们从估计碎片的正确取向开始，从而得出碎片在原始容器上的准确位置，并且然后基于其剖面图来对碎片进行分类；由于候选碎片的取向是已知的，因此在两个自由度的搜索空间中实现了两个碎片的对齐；他们提出基于断面轮廓之间的逐点距离的匹配算法；5
Benko等人，用于考古学的视觉交互系统，其中介绍了要建立用于允许多个用户进行对考古学发掘的异地模拟的实验性、协作性的混合现实系统。6
Yifan Lu等人指出现有方法要求使用关于文物属性的附加信息或强约束，并且他们转而从不同的视角提出方法：由于人类在基于先验经验和知识来做出感知选择方面比起计算机具有一些补充且更好的能力，因此他们认为在一种方法中组合交互式和自动化方法是有利的，其中：
在第一步骤中，使用高质量数字相机从不同角度拍摄碎片。
在第二步骤中，使用摄影制图(photogrammetry)软件来产生碎片的3D VRML模型并且提取相关联的边界曲线。
然后将3D VRML模型导入到专用软件应用，并将边界曲线转换为曲率和挠率形式。
在下一步骤中，使用循环编辑距离算法来将由曲率和挠率表示的一个边界曲线与其他曲线进行匹配。7
通过比较一个目标边界曲线与其他边界曲线来生成以匹配概率降序排序的列表。
考古学家可以查看碎片并选择来自碎片的一个感兴趣的边界曲线，并且基于自动化排序和其自己的专门知识来找出哪些其他碎片具有源于同一文物的高可能性。
在访问网络(Access Grid)上部署专用的软件应用，该网络允许几名考古学家一起交互式地重组文物。8
在第四部分中描述了概念架构。该论文被组织成遵循上述修复问题中的步骤序列。在第五和第六部分中呈现了实验结果、结论和未来工作。
Kang Zhang、Wuyi Yu等人以不同方式分类了现有的3D碎片重组算法：(1)基于断裂区域匹配的重组，以及(2)使用模板引导的重组。断裂区域匹配方法利用了相邻碎片的局部断裂几何形状中的相似性，而模板引导方法基于碎片化的块与完整模型的最佳匹配来组合碎片化的块。他们指出，每种方法都具有优点和限制，并且这两种种类中的重组算法都在高效地处理小的碎片化块时报告出困难。首先，在小碎片的情况下，区分和分割完整和断裂区域尤其具有挑战性。其次，不确定的潜在匹配数量趋于很大并且难以高效地删减。他们转而提出这样的重组流水线：其整合了模板引导和断裂区域匹配，使用来自完整和断裂区域的信息来在碎片和模板当中构建许多潜在的匹配关系，并且然后通过多块匹配优化，其过程删减并精炼这些可能的匹配以获得碎片的总体上一致的对齐。所提出的重组流水线是三步骤的流水线：(1)由模板引导的初始重组；(2)碎片之间的逐对断裂匹配；以及(3)整合了完整和断裂信息二者的多块匹配。其主要技术贡献包括(a)用于对齐具有小的重叠区域的碎片的可靠的逐对匹配算法，以及(b)有效地整合了模板引导和逐对碎片匹配的多块匹配和精炼算法，其迭代地优化碎片放置，同时一致地控制累积错误并避免穿透(penetration)。9
直到计算机化扫描和成像技术出现为止，这些成果中没有任何是可能的。这些技术的代表性示例是用于修复所发掘的壁画嵌片或类似考古学对象的自动化系统，其由来自普林斯顿大学的计算机科学家开发，并且介绍于计算机器SIGGRAPH会议协会(2008年，洛杉矶)。10
普林斯顿的研究者们所使用的设置包括平板扫描器(通常用于扫描文档的类型的平板扫描器，并且其扫描碎片的表面)、激光测距仪(本质上是激光束，其扫描碎片的宽度和深度)以及机械化的旋转台(其允许在测量碎片的同时精确地旋转碎片)。这些设备连接到膝上型计算机。通过遵循精确定义的动作序列，在考古学家指导下进行作业的管理员可以使用该系统来数字化地采集碎片信息。在该过程中，首先使用平板扫描器来数字化地采集碎片的高分辨率彩色图像。接下来，将碎片置于旋转台上，并且激光测距仪从各个视角测量其可见表面。然后上下翻转该碎片，并重复该过程。最后，使用计算机算法，首先要对齐各种部分表面测量以产生该块的完整且准确的三维图像。另一人分析所扫描的图像以检测测距仪可能错过了的裂缝或其他微小的表面标记。该系统然后将所有收集到的信息——形状、图像和表面细节——整合成每个碎片的数据富集的记录。
正是该最后一方面产生了从一批碎片重组三维考古学文物中的最大问题之一，即系统和这些过程所生成的数据量。当开始分析和匹配较小数量的碎片时，这些系统能适当地执行。然而，重组大量三维作品所需的时间变得相当长。
在进行包括艺术作品的文化制品的鉴定时产生了本质上相同的问题。直到计算机化扫描和成像技术出现为止，使用起源和风格分析的组合来尝试确定艺术品的真实性。然而现在，计算机辅助的艺术品分析结合感测和成像技术的进步却越来越多地涉及到将多种多样的科学学科应用于艺术品分析的领域，这些学科包括物理学、化学和生物化学。
讽刺的是，正是这种技术繁殖导致了本公开所针对的问题，即生成海量数据集，这倾向于致使多种扫描、成像和分析技术的使用是不切实际的。
发明内容
根据本公开，一种分析目标文化制品的方法包括以下步骤：
借助于多模式数字成像设备扫描所述目标制品，所述多模式数字成像设备被配置成使用多种非侵入式成像技术将所述制品扫描为光子级、纳米级或分子级中的任何一个或多个，每种成像技术均被配置成产生所述制品的该成像技术所独有的目标数字数据模型；
通过算法对目标复合数字数据模型进行转换以获取目标数字转换；
分析所述目标数字转换，以从所述目标数字转换的数据中识别并选择目标数字数据细节，所述细节是根据预定的目标制品细节选择标准而选择的；
提取所选目标数字数据细节并将其保存到目标数字数据存储器(store)；
借助于所述多模式数字成像设备扫描多个对照物(comparator)制品，以产生所述对照物制品中的每一个的对照物数字数据模型；
通过算法对所述可对照(comparable)数字数据模型进行转换，以针对每个可对照数字数据模型获取对照物数字转换；
分析所述对照物数字转换，以从每个对照物数字转换的数据中识别并选择对照物数字数据细节，所述细节是根据所述目标制品细节选择标准而选择的；
提取所述对照物数字数据细节并将其保存到对照物数字数据存储器；
通过算法比较所述目标数字数据存储器中的目标数字数据细节与存储在所述对照物数字数据存储器中的对照物数字数据细节，以根据预定的关联标准来识别与所述目标数字数据细节关联的对照物数字数据细节；以及
根据关联程度来表征所述目标制品。
本公开的方法可以应用于艺术品的鉴定，在这种情况下，待鉴定的艺术品将是目标制品或艺术品，并且对照物制品必须取自创作了该目标艺术品的艺术家的多个先前已鉴定的艺术品。
根据本公开的该实施例，一种分析目标文化制品的方法包括以下步骤：
借助于多模式数字成像设备扫描所述目标制品，所述多模式数字成像设备被配置成使用多种非侵入式成像技术将所述制品扫描为光子级、纳米级或分子级中的任何一个或多个，每种成像技术均被配置成产生所述制品的该成像技术所独有的数字数据模型；
将所述数字数据模型组合成所述制品的复合数字数据模型；
通过算法对所述复合数字数据模型进行转换以获取数字转换；
分析所述数字转换，以从所述数字转换的数据中识别并选择数字数据细节，所述细节是根据预定的目标制品细节选择标准而选择的；
提取所选数字数据细节并将其保存到数字数据存储器；
借助于所述多模式数字成像设备扫描由创作了所述目标制品的艺术家的已鉴定的制品组成的多个对照物制品，以产生所述对照物制品中的每一个的对照物数字数据模型；
通过算法对所述对照物数字数据模型进行转换，以针对每个对照物数字数据模型获取对照物数字转换；
分析所述对照物数字转换，以从每个对照物数字转换的数据中识别并选择对照物数字数据细节，所述细节是根据所述目标制品细节选择标准而选择的；
提取所述对照物数字数据细节并将其保存到对照物数字数据存储器，所述存储器本质上是该艺术家所独有的数字数据细节数据库；
通过算法比较所述目标数字数据存储器中的目标数字数据细节与存储在所述对照物数字数据存储器中的对照物数字数据细节，以根据预定的关联标准来识别与所述目标数字数据细节关联的对照物数字数据细节，这本质上是所述目标制品的数字数据细节与存储在该艺术家所独有的数字数据细节数据库中的数字数据细节的比较；以及
如果所述比较指示所述目标制品数字数据细节与所述对照物数字数据细节之间的高于预定阈值的关联性，则报告所述目标制品为真品。
本公开包括一种艺术品鉴定装置，其包括多模式数字成像/扫描设备、数字数据存储器和可编程逻辑部件，所述数字成像设备包括多个非侵入式成像设备，每个非侵入式成像设备被配置成使用不同的成像技术来扫描目标艺术作品并产生所述目标作品的该成像技术所独有的扫描数字数据模型，并且所述可编程逻辑部件被编程为：
将源自每个成像设备的数字数据模型组合成所述目标作品的复合数字数据模型；
通过算法对所述复合数字数据模型进行转换以获取数字转换；
分析所述数字转换，以根据预定的目标作品细节选择标准在所述数字转换的数据内识别并选择数字数据细节；以及
提取所选数字数据细节并将其保存到所述数字数据存储器。
所述艺术品鉴定装置可编程逻辑部件优选地被编程为将所述目标作品的数字数据细节与存储在该艺术家所独有的数字数据细节数据库中的数字数据细节进行比较，所述数据库填充有先前获取的数字数据细节数据，所述数据是通过扫描和通过算法从创作了所述目标作品的艺术家的多个已鉴定的作品中的每一个中获取的，数字数据细节是根据所述预定的目标作品细节选择标准而选择的，以产生该艺术家所独有的数字数据细节数据库。
在本公开的该形式中，所述艺术品鉴定装置可以包括如果所述比较指示所述目标作品数字数据细节与所述数据库数字数据细节之间的高于预定阈值的相似度则报告所述目标作品为真品的部件。
尽管参考艺术品的鉴定描述了本公开的这些实施例，但是将领会的是，本公开可以在除艺术之外的环境中找到应用，诸如稀有、罕见或昂贵的物品(诸如例如奢侈品)的识别和鉴定。
作为成像技术的代替或除了成像技术之外，可以使用生物化学、并且尤其是遗传分析用于计算机辅助的制品分析。
在本公开的这样的实施例中，分析目标文化制品的方法可以包括以下步骤：
通过以下步骤来产生目标数字数据模型：从所述目标制品的材料中获取包含所述制品的实际创造者(在所述制品的创造期间不可避免地将其DNA嵌入到所述制品的材料中的人)的DNA的材料样品，对所述样品进行DNA分析，其中从所述样品中提取源自所述制品的DNA并分离和分析源自实际创造者的DNA，以及对源自实际创造者的DNA分析的结果进行数字化以从所述实际创造者DNA产生目标数字数据模型；
通过算法对所述目标数字数据模型进行转换以获得目标数字转换；
分析所述目标数字转换，以从所述目标数字转换的数据中识别并选择目标数字数据细节，所述细节是根据预定的目标制品细节选择标准而选择的；
提取所选目标数字数据细节并将其保存到目标数字数据存储器；
通过以下步骤来产生对照物数字数据模型：从所述制品的假定创造者(声称是所述制品的创造者的人)、从所述制品的假定创造者的环境获取DNA样品，对所述样品进行DNA分析，其中分离并分析源自所述假定创造者的DNA，以及对源自假定创造者的DNA分析的结果进行数字化，以从所述假定创造者DNA产生目标数字数据模型；
通过算法对所述数字数据模型进行转换以获取目标数字转换；
分析所述对照物数字转换，以从每个对照物数字转换的数据中识别并选择对照物数字数据细节，所述细节是根据所述目标制品细节选择标准而选择的；
提取所述对照物数字数据细节并将其保存到对照物数字数据存储器；
通过算法比较所述目标数字数据存储器中的目标数字数据细节与存储在所述对照物数字数据存储器中的对照物数字数据细节以及与两者都不相关的数字DNA数据数据库，诸如可公开获得的基因组，以根据预定的关联标准来识别与所述目标数字数据细节关联的对照物数字数据细节；以及
根据关联程度来表征所述目标制品。
与艺术品有关的DNA的分类是通过将与艺术品有关的DNA与许多公开和私有的DNA和基因组数据库中可获得的DNA数据进行比较来实现的。在此过程中，与艺术品有关的DNA首先被分类为人、动物或植物DNA，并且然后根据已知的DNA分类程序进行分类以针对每个收集的样品产生DNA数据。
在将该方法应用于艺术品鉴定时，优选地，通过在以下情况下报告所述目标制品为真品来表征所述目标制品：如果所述算法比较——本质上是DNA比较——证明了所述假定创造者的DNA与所述实际创造者的DNA之间的关联性指示无法将所述假定创造者排除为从所述艺术品提取的DNA——本质上是所述实际创造者的DNA——的直接或间接来源的高统计概率。
本公开可以应用于从许多制品碎片来数字重组三维制品。
在本公开的该实施例中，一种从三维制品的一批碎片来数字重组该制品的方法包括以下步骤：
借助于多模式数字成像设备产生关于待重组的碎片中的每一个的目标数字数据模型，所述多模式数字成像设备被配置成使用多种非侵入式成像技术将所述碎片扫描为光子级、纳米级或分子级中的任何一个或多个，每种成像技术均被配置成产生每个制品的该成像技术所独有的目标数字数据模型；
通过算法将每个碎片的目标数字数据模型组装成关于该碎片的三维复合数字数据模型；
通过算法对目标三维复合数字数据模型进行转换以获取关于每个碎片的目标数字转换；
分析所述目标数字转换，以从所述目标数字转换的数据中关于每个目标数字转换识别并选择数字数据细节，所述细节是根据预定的目标碎片细节选择标准而选择的；
提取关于每个目标数字转换的所选数字数据细节并将其保存到目标数字数据存储器，作为与该转换有关的目标数字数据细节；
通过算法复制每个目标数字转换的目标数字数据细节，以关于每个目标碎片产生重复的对照物数字转换以及与该转换有关的对应的对照物数字数据细节；
通过算法比较所述目标数字转换的数字数据细节与所述对照物数字转换的数字数据细节，以根据预定的关联标准来识别与所述目标数字数据细节关联的对照物数字数据细节；以及
按照关联性将所述目标和对照物数字数据模型分组成群组，其中每个群组组成包括多个碎片数字模型的三维复合数字模型，其被以数字方式组装成所述制品的至少一部分。
所述数字重组方法可以便利地包括迭代地重复比较和分组步骤的过程，以逐步地从该制品的一批碎片重组至少部分完整的三维制品。
待重组的制品可能由目标制品构成，该目标制品的特性中的至少一些是已知的。
对于这样的制品，本公开的方法可以便利地被适配成近似于模板引导法的重组形式，所述方法在对所述数字数据模型进行分组的步骤中包括基于其与完整模型的最佳匹配来对所述数字数据模型中的至少一些进行分组的特定步骤。
所述数字重组方法还可以包括以下步骤：在对所述制品进行完整或部分的数字重组之后，反转细节提取和数字转换过程：
通过算法从所选细节重建所述数字转换；
通过算法转换所述数字转换，以在将每个碎片重组成更大的整体之后以数字方式重建该碎片的复合数字数据模型；以及
使用经重组的碎片的经数字重建的数字数据模型来逐步地重组所述制品。
将领会的是，在实践中，永远不可能存在任何一批碎片中的所有碎片都源自单个制品的确实情况。反而，相反的情况很可能是正确的，并且通常将假设给定的一批碎片源自一个以上的制品，或者甚至可能包括并非源自任何制品的材料的碎片。
为此，本公开的方法优选地包括附加步骤：在将数据存储器中的数字模型的数字数据细节彼此进行比较的步骤中，关于所述数据模型中的至少一些识别与其他数据模型中的任何一个的细节都不互补的细节，并将具有非互补细节的数字数据模型分组为一组潜在不相关的数据模型。
所述潜在不相关的数据模型很可能是并非源自所述目标制品的碎片的数据模型。
在本公开的优选形式中，本公开的方法是一种从三维考古学制品的一批碎片中数字重组该制品的方法。
本公开包括一种用于从一批碎片数字分析并重组三维制品的装置，其包括多模式数字成像/扫描设备、数字数据存储器和可编程逻辑部件，所述数字成像设备包括多个非侵入式成像设备，每个非侵入式成像设备被配置成使用不同的成像技术来扫描潜在地源自目标制品的碎片并产生每个碎片的该成像技术所独有的扫描数字数据模型，并且所述可编程逻辑部件被编程为：
通过算法对所述复合数字数据模型进行转换以获取数字转换；
分析所述数字转换，以根据预定的目标碎片细节选择标准从所述数字转换的数据中识别并选择数字数据细节；
提取所选数字数据细节并将其保存到数字数据存储器；
通过算法将所述数据存储器中的数字模型的数字数据细节彼此进行比较，并关于所有或一些数据模型识别一个数据模型中的与至少一个其他数据模型的细节互补的细节；以及
将具有互补细节的数字数据模型分组成群组。
所述装置优选地是用于从一批考古学制品碎片来数字分析并重组三维考古学制品的装置。
本公开的多模式成像设备优选地是便携式设备，其允许例如在博物馆或仓库中或者在艺术品所有者的办公室或住所中对制品和制品碎片进行现场扫描。
具体实施方式
将参考特定的示例来描述本公开，所述特定的示例包括对文化制品进行计算机辅助分析，其应用于艺术品鉴定，以确定艺术作品的来源或作者身份，并且以从一批碎片重组三维考古学制品。将领会的是，这纯粹是通过示例的方式进行的，并且不旨在将本公开限于这些示例。
诸如艺术作品之类的物品或作品的计算机辅助鉴定首先需要采集该作品的数字图像，该采集是借助于本公开的复合成像设备来实现的。
由于通常对原始作品进行分析，因此成像设备利用了非破坏性、非侵入式的扫描和成像技术，并使用从艺术作品中提取分子信息和其他信息而不会与对象接触的硬件和方法。
本公开的多模式成像设备优选地是便携式设备，其允许例如在博物馆或仓库中或者在艺术品所有者的办公室或住所中对艺术品进行现场扫描。
多模式成像设备并入了许多成像设备，包括许多专用的高速3D相机，以及其他非破坏性的数字成像或扫描设备，尤其是分光镜、激光设备和浊度仪(nephelometer)。成像设备优选地被配置用于在几分钟内完成对艺术品的完整的多模式扫描。
从实体上，成像设备优选地被构造为便携式的并且包括机载计算能力以及足够的数据存储设施。优选地，成像设备还设置有GSM和Wi-Fi连接性，以将扫描上传到远离扫描站点的处理实验室。该设备优选地由电池供电，但其可以包括主电源连接性，以使得能够在较长的时间段内实现多次扫描。
数字成像通常通过成像设备的波形来分类，该波形包括电磁辐射和其他波，诸如声波。随着波形穿过对象或从对象反射出来，波形的可变衰减传递了信息，这些信息构成了图像。在所有类别的数字成像中，信息都由图像传感器转变为由计算机处理的数字信号。
数字成像有助于由软件进行的图像分析和操纵。
对于大多数艺术作品，多模式扫描器将包括能够至少(但不限于)在视觉频谱范围内采集作品的数字图像的至少一个扫描设备，这允许使用各种数字相机进行数字拍摄。
成像设备还可以包括声波成像设备。
另外，多模式扫描器可以包括能够采集目标艺术品的多频谱图像的一个或多个扫描器，每个图像包括跨整个电磁频谱处于特定频率的图像数据，并且包括来自可见光范围之外的频率的电磁辐射，诸如红外和紫外。
替换的扫描技术可包括反射转换成像(RTI)、摄影测量法(photogrammetry)和各种激光扫描技术，以记录艺术品表面的三维数据，包括深浅地势起伏，诸如带纹理的笔刷的3D地形地势。
另外，成像和频谱技术可以包括VIS-NIR反射频谱和多频谱成像、微拉曼频谱、X射线荧光频谱(XRF)和光学相干断层扫描(OCT)。这三种频谱技术在颜料识别方面彼此互补。多频谱成像(近红外波段)、OCT和微拉曼频谱在油画绘制和绘画材料的可视化和识别方面彼此互补。OCT探测基材的微观结构和光散射性质，而XRF检测元素组成，其指示上浆(sizing)方法和填料含量(filler content)。
多模式成像的优势在于它会产生与艺术品有关的互补信息(数字数据)。
在本公开的鉴定过程中，种类繁多但互补的数据被组合成复合数字数据模型。然而，将领会的是，即使是相对较小的艺术品的多模式成像所产生的复合数字数据模型也将产生大量数据。
为了降低数据存储和处理需求，本公开的成像过程利用算法转换处理，其使用算法来产生其中维持数据关系的数据转换，但是与构成复合数字数据模型的数据相比，大幅减少了数据量。同样，该转换构成了穿过复合数字数据模型的数据集的横截面。
为了进一步减少数据集，在本公开的鉴定过程中，放后分析数字转换以识别多个数字特性点或细节。
这样识别出的数字数据细节与记录在艺术品中的实际特性点几乎没有关系，而是构成了重要的模式或与数据中出现的模式的偏差。
这与当前的计算机辅助鉴定技术不同，后者大多试图在艺术品本身中找到类似的细节。这些技术只不过是构成了预计算机化的风格分析(尤其是所谓的莫雷利亚分析)的变型而已。莫雷利亚分析技术寻求通过仔细检查诊断性次要细节来识别出艺术家的特性“手(hand)”，这些细节揭示出艺术家的描绘次要风格特征的稀缺意识速记和习惯。其他类似的技术甚至更多地是分析潜意识特征，诸如与可能为了实现相同效果而做出更大数量的笔触的抄袭者相对的艺术家可能做出的笔触数量。
在生物识别和法医科学中，细节是生物识别特征(诸如指纹)的主要特征，其可以用于与类似特征进行比较。在这些科学中，某些关键特征用于评估任何特质在生物识别鉴定中的适用性。
许多这些关键特征也可应用于确定数字的、并且特别是量子的细节的适用性，以用于艺术品鉴定的目的。
这些关键特征包括但不限于以下：
普遍性：艺术家的每一件作品都具有该特质；
独有性：该特质对于不同的艺术家来说充分不同，使得可以轻松地区分一位艺术家的特质与另一位艺术家的特质；
永久性：某些艺术特质将会随着时间的流逝而变化，与艺术家的创作时期和其一生中的风格变化无关；以及
可测量性(可收集性)——这涉及到特质(trait)的采集或测量的难易程度，并且在所采集的数据中，该特质应是以允许与该特质有关的数据的后续处理和提取的形式。
数字数据细节分析的过程包括细节提取和错误细节去除的子过程。
对由创作了目标作品的艺术家所创作的许多已鉴定的作品重复此过程。
借助于多模式扫描器扫描每个已鉴定的作品，并产生每个已鉴定作品的复合数字数据模型。将转换算法应用于每个这样的复合数字数据模型以获取每个作品的数字转换，然后对其进行分析以从数字转换的数据中识别并选择数字数据细节，所述细节是根据对目标作品所使用的完全相同的细节选择标准而选择的。在每种情况下，都提取数字数据细节并将其收集在数据库中，以产生该艺术家所独有的数字数据细节数据库。
在最后一步中，将目标作品的数字数据细节与存储在该艺术家所独有的数字数据细节数据库中的数字数据细节进行比较。
如果该比较指示目标作品的数字数据细节(minutiae)与数据库中存储的数字数据细节之间的大于预定阈值的对应关系，则将目标作品分类为真品。如果不是，则将目标作品分类为非真品。
在应用于生物化学和基因学的领域的情况下，作为成像技术的代替或者除了成像技术之外，可以使用DNA分析用于计算机辅助的制品分析并且尤其是艺术品鉴定。
通过将与艺术品有关的DNA(从艺术品、实际创造者(如果可得)和实际创造者的环境(如果可及)获取的实际创造者和假定创造者的DNA)与许多公开和私有的DNA和基因组数据库中可获得的DNA数据进行比较来进行与艺术品有关的DNA的分类。在此过程中，与艺术品有关的DNA首先被分类为人、动物或植物DNA，并且然后根据已知的DNA分类程序进行分类以针对每个收集的样品产生DNA数据。
在从目标作品中获取含DNA的材料的步骤中，优选地获取含DNA的材料的多个样品。
从艺术品获取含DNA的材料的步骤优选地由经过培训的人员使用适当的技术根据预定的规程(protocol)来进行，优选地是集成的移动分析平台，该平台包括扫描和检测潜在地含DNA的材料的部件以及去除这样检测到的含DNA材料的一个或多个样品的部件。
在许多情况下，目标艺术品将具有可观的价值，并且因此，从艺术品获取含DNA的材料的步骤将根据艺术品所有者可接受并且同意的规程、在该艺术品的位置或艺术品所有者可接受的其他处所、并且在艺术品所有者和/或其代理人或代表的监督之下进行。
在本公开的优选形式中，将会将从艺术品获取的含DNA的材料作为材料的微观样品去除，采样对于裸眼不可见，并且尽可能接近非破坏性。
在DNA分析步骤中，优选地将所收集到的样品或从艺术品去除的样品转移到容纳DNA检测、分离和提取装置以及其他法医器材的实验室，借助于这些装置，可以提取、分类与艺术品有关的DNA(所收集的样品中存在的DNA)并对其进行编目。
与艺术品有关的DNA的分类是通过将与艺术品有关的DNA与许多公开和私有的DNA和基因组数据库中可获得的DNA数据进行比较来实现的。在此过程中，与艺术品有关的DNA首先被分类为人、动物或植物DNA，并且然后根据已知的DNA分类程序进行分类以针对每个收集的样品产生DNA数据。
结合来自多重收集样品的与艺术品有关的DNA数据，编译并存储该艺术品的DNA简档。
为了获取与创造者有关的DNA，含DNA的材料来自艺术家(如果该艺术家仍然活着或来自艺术家的遗体)、来自该艺术家的一件或多件真实且无争议的作品，并且可能地还来自艺术家的工作室或来自已知艺术家经常光顾的其他环境。
在实验室中，以与提取、分类与艺术品有关的DNA并对其进行编目的类似的方式提取、分类与创造者有关的DNA并对其进行编目。然后，将与艺术家的DNA有关的数据组合并存储为与创造者有关的DNA简档。
最后，将目标艺术品的与艺术品有关的DNA简档和与创造者有关的DNA简档进行比较。
如果该比较证明与创造者有关的DNA无法排除作为与艺术品有关的DNA的来源，则将目标作品分类为真品(authentic)。如果不是，则将目标作品分类为非真品(non-authentic)。
在应用于从一批制品碎片来数字重组三维制品的情况下，使用类似的装置和过程。
碎片重组装置优选地是用于从一批考古学制品碎片来数字分析和重组三维考古学制品的装置，该装置使用多模式成像设备，并且优选地是允许例如在博物馆或仓库中或者在艺术品所有者的办公室或住所对制品和制品碎片进行现场扫描的便携式设备。
多模式成像设备并入了许多成像设备，包括许多专用的高速3D相机，以及其他非破坏性的数字成像或扫描设备，尤其是分光镜、激光设备和浊度仪。成像设备优选地被配置用于在几分钟内完成对艺术品的完整的多模式扫描。
从实体上，成像设备优选地被构造为便携式的并且包括机载计算能力以及足够的数据存储设施。优选地，成像设备还设置有GSM和Wi-Fi连接性，以将扫描上传到远离扫描站点的处理实验室。该设备优选地由电池供电，但其可以包括主电源连接性，以使得能够在较长的时间段内实现多次扫描。
数字成像通常通过成像设备的波形来分类，该波形包括电磁辐射和其他波，诸如声波。随着波形穿过对象或从对象反射出来，波形的可变衰减传递了信息，这些信息构成了图像。在所有类别的数字成像中，信息都由图像传感器转变为由计算机处理的数字信号。
数字成像有助于由软件进行的图像分析和操纵。
对于大多数制品，多模式扫描器将包括能够至少(但不限于)在视觉频谱范围内采集制品碎片的数字图像的至少一个扫描设备，这允许使用各种数字相机进行数字拍摄。
成像设备还可以包括声波成像设备。
另外，多模式扫描器可以包括能够采集制品碎片的多频谱图像的一个或多个扫描器，每个图像包括跨整个电磁频谱处于特定频率的图像数据，并且包括来自可见光范围之外的频率的电磁辐射，诸如红外和紫外。
替换的扫描技术可包括反射转换成像(RTI)、摄影测量法和各种激光扫描技术，以记录艺术品表面的三维数据，包括深浅地势起伏，诸如制品碎片的3D地形地势。
另外，成像和频谱技术可以包括VIS-NIR反射频谱和多频谱成像、微拉曼频谱、X射线荧光频谱(XRF)和光学相干断层扫描(OCT)。这三种频谱技术在颜料识别方面彼此互补。多频谱成像(近红外波段)、OCT和微拉曼频谱在油画绘制和绘画材料的可视化和识别方面彼此互补。OCT探测基材的微观结构和光散射性质，而XRF检测元素组成，其指示上浆方法和填料含量。
多模式成像的优势在于它会产生与制品碎片有关的互补信息(数字数据)。
在本公开的鉴定过程中，种类繁多但互补的数据被组合成复合数字数据模型。然而，将领会的是，即使是相对较小的制品的多模式成像所产生的复合数字数据模型也将产生大量数据。
为了降低数据存储和处理需求，本公开的成像过程利用算法转换过程，其使用算法来产生其中维持数据关系的数据转换，但是与构成复合数字数据模型的数据相比，大幅减少了数据量。同样，该转换构成了穿过复合数字数据模型的数据集的横截面。
为了进一步减少数据集，在本公开的数字重组过程中，放后分析数字转换以识别多个数字特性点或细节。
这样识别出的数字数据细节与记录在制品碎片中的实际特性点几乎没有关系，而是构成了重要的模式或与数据中出现的模式的偏差。
这与当前的计算机辅助的数字碎片化制品重组技术不同，后者大多试图在碎片中找到类似的细节。这些技术只不过是构成了基于视觉和触觉模式辨识和碎片匹配的预计算机化的人工重组技术的变型而已。
尽管参考考古学制品的重组和修复描述了本公开的该实施例，但是将领会的是，本公开可以在除考古学之外的环境中找到应用。仅举几例，本公开可以在考古学和法医学中的人类和动物遗体、特别是骨骼的重组和修复中找到应用。为此，术语“制品”应被赋予更广泛的释义，而非仅仅是考古学制品，并且术语“碎片”同样应被赋予比仅仅是考古学制品的碎片更广泛的释义。
附录：
[1]Interactive Reconstruction of Archaeological Fragments in aCollaborative Environment(在协作环境中的考古学碎片的交互式修复)，Yifan Lu(信息工程，RSISE，CECS澳大利亚国立大学)以及其他人，IEEE，数字图像计算技术和应用；
[2]A.R.Willis和D.B.Cooper.，Bayesian assembly of 3D axially symmetricshapes from fragments(来自碎片的3D轴对称形状的贝叶斯组装)，IEEE计算机视觉与模式识别会议，2004；
[3]W.Kong和B.B.Kimia，On solving 2D and 3D puzzles using curvematching(使用曲线匹配来求解2D和3D谜题)，IEEE计算机视觉与模式识别会议，2001；
[4]G.Papaioannou、E.-A.Karabassi和T.Theoharis，Reconstruction of three-dimensional objects through matching of their parts(通过三维对象的部分的匹配来重建三维对象)，IEEE模式分析和机器智能汇刊，2002年1月；
[5]M.Kampel和R.Sablatnig，Automated segmentation of archaeologicalprofiles for classification(用于分类的考古学轮廓的自动化分割)，编辑为R.Kasturi、D.Laurendeau和C.Suen，国际模式识别会议，2002；
[6]H.Benko、E.W.Ishak和S.Feiner，Collaborative mixed realityvisualization of an archaeological excavation(考古学发掘的协作式混合现实视觉化)，在IEEE国际混合和增强现实研讨会中，2004；
[7]具有长度m和n的两个弦A与B之间的循环编辑距离为B的每个循环移位与A之间的最小编辑距离。这可以例如应用于其中弦表示对象轮廓线的分类任务中；
[8]该访问网络是媒体通信平台，其以形式自由的风格组织了人与人(人类)的通信和相关联的信息。该访问网络提供了联网的虚拟“空间”，考古学家可以在其内在协作式环境中描述性地表示考古学数据；
[9]3D Fragment Reassembly using Integrated Template Guidance andFracture Region Matching(使用整合的模板引导和断裂区域匹配的3D碎片重组)，KangZhang、Wuyi Yu，路易斯安娜州立大学，电气工程与计算机科学学院；Mary Manhein，路易斯安娜州立大学，地理与人类学部；Warren Waggenspack，路易斯安娜州立大学，机械与工业工程部；Xin Li，路易斯安娜州立大学，电气工程与计算机科学学院；IEEE Xplore；
[10]Dobkin等人，普林斯顿图形组，普林斯顿大学。

Claims (13)

1.一种分析目标文化制品的方法，包括以下步骤：
借助于多模式数字成像设备扫描所述目标制品，所述多模式数字成像设备被配置成使用多种非侵入式成像技术将所述制品扫描为光子级、纳米级或分子级中的任何一个或多个，每种成像技术均被配置成产生所述制品的该成像技术所独有的目标数字数据模型；
通过算法对目标复合数字数据模型进行转换以获取目标数字转换；
分析所述目标数字转换，以从所述目标数字转换的数据中识别并选择目标数字数据细节，所述细节是根据预定的目标制品细节选择标准而选择的；
提取所选目标数字数据细节并将其保存到目标数字数据存储器；
借助于所述多模式数字成像设备扫描多个对照物制品，以产生所述对照物制品中的每一个的对照物数字数据模型；
通过算法对所述可对照数字数据模型中的每一个进行转换，以针对每个可对照数字数据模型获取对照物数字转换；
分析所述对照物数字转换，以从每个对照物数字转换的数据中识别并选择对照物数字数据细节，所述细节是根据所述目标制品细节选择标准而选择的；
提取所述对照物数字数据细节并将其保存到对照物数字数据存储器；
通过算法比较所述目标数字数据存储器中的目标数字数据细节与存储在所述对照物数字数据存储器中的对照物数字数据细节，以根据预定的关联标准来识别与所述目标数字数据细节关联的对照物数字数据细节；以及
根据关联程度来表征所述目标制品。
2.根据权利要求1所述的方法，其应用于艺术品鉴定，待鉴定的艺术品是所述目标制品，并且所述对照物制品是从创作了所述目标艺术品的艺术家的多个先前已鉴定的艺术品获取的，所述方法包括以下步骤：
借助于多模式数字成像设备扫描所述目标制品，所述多模式数字成像设备被配置成使用多种非侵入式成像技术将所述制品扫描为光子级、纳米级或分子级中的任何一个或多个，每种成像技术均被配置成产生所述制品的该成像技术所独有的数字数据模型；
将所述数字数据模型组合成所述制品的复合数字数据模型；
通过算法对所述复合数字数据模型进行转换以获取数字转换；
分析所述数字转换，以从所述数字转换的数据中识别并选择数字数据细节，所述细节是根据所确定的目标制品细节选择标准而选择的；
提取所选数字数据细节并将其保存到数字数据存储器；
借助于所述多模式数字成像设备扫描由创作了所述目标制品的艺术家的已鉴定的制品组成的多个对照物制品，以产生所述对照物制品中的每一个的对照物数字数据模型；
通过算法对所述可对照数字数据模型中的每一个进行转换，以针对每个可对照数字数据模型获取对照物数字转换；
分析所述对照物数字转换，以从每个对照物数字转换的数据中识别并选择对照物数字数据细节，所述细节是根据所述目标制品细节选择标准而选择的；
提取所述对照物数字数据细节并将其保存到对照物数字数据存储器，所述存储器本质上是该艺术家所独有的数字数据细节数据库；
通过算法比较所述目标数字数据存储器中的目标数字数据细节与存储在所述对照物数字数据存储器中的对照物数字数据细节，以根据预定的关联标准来识别与所述目标数字数据细节关联的对照物数字数据细节，这本质上是所述目标制品的数字数据细节与存储在该艺术家所独有的数字数据细节数据库中的数字数据细节的比较；以及
如果所述比较指示所述目标制品数字数据细节与所述对照物数字数据细节之间的高于预定阈值的关联性，则报告所述目标制品为真品。
3.一种艺术品鉴定装置，该装置包括多模式数字成像/扫描设备、数字数据存储器和可编程逻辑部件，所述数字成像设备包括多个非侵入式成像设备，每个非侵入式成像设备被配置成使用不同的成像技术来扫描目标艺术作品并产生所述目标作品的该成像技术所独有的扫描数字数据模型，并且所述可编程逻辑部件被编程为：
将源自每个成像设备的数字数据模型组合成所述目标作品的复合数字数据模型；
通过算法对所述复合数字数据模型进行转换以获取数字转换；
分析所述数字转换，以根据预定的目标作品细节选择标准在所述数字转换的数据内识别并选择数字数据细节；以及
提取所选数字数据细节并将其保存到所述数字数据存储器。
4.根据权利要求3所述的装置，其中，所述可编程逻辑部件被编程为将所述目标作品的数字数据细节与存储在该艺术家所独有的数字数据细节数据库中的数字数据细节进行比较，所述数据库填充有先前获取的数字数据细节数据，所述数据是通过扫描和通过算法从创作了所述目标作品的艺术家的多个已鉴定的作品中的每一个中获取的，数字数据细节是根据所述预定的目标作品细节选择标准而选择的，以产生该艺术家所独有的数字数据细节数据库。
5.根据权利要求4所述的装置，包括如果所述比较指示所述目标作品数字数据细节与所述数据库数字数据细节之间的高于预定阈值的相似度则报告所述目标作品为真品的部件。
6.一种分析目标文化制品的方法，包括以下步骤：
通过以下步骤来产生目标数字数据模型：从所述目标制品的材料中获取包含所述制品的实际创造者的DNA的材料样品，对所述样品进行DNA分析，其中从所述样品中提取源自所述制品的DNA并分离和分析源自实际创造者的DNA，以及对源自实际创造者的DNA分析的结果进行数字化以从所述实际创造者DNA产生目标数字数据模型；
通过算法对所述目标数字数据模型进行转换以获得目标数字转换；
分析所述目标数字转换，以从所述目标数字转换的数据中识别并选择目标数字数据细节，所述细节是根据预定的目标制品细节选择标准而选择的；
提取所选目标数字数据细节并将其保存到目标数字数据存储器；
通过以下步骤来产生对照物数字数据模型：从所述制品的假定创造者、从所述制品的假定创造者的环境获取DNA样品，对所述样品进行DNA分析，其中分离并分析源自所述假定创造者的DNA，以及对源自假定创造者的DNA分析的结果进行数字化，以从所述假定创造者DNA产生目标数字数据模型；
通过算法对所述数字数据模型进行转换以获取目标数字转换；
分析所述对照物数字转换，以从每个对照物数字转换的数据中识别并选择对照物数字数据细节，所述细节是根据所述目标制品细节选择标准而选择的；
提取所述对照物数字数据细节并将其保存到对照物数字数据存储器；
通过算法比较所述目标数字数据存储器中的目标数字数据细节与存储在所述对照物数字数据存储器中的对照物数字数据细节以及与两者都不相关的数字DNA数据数据库，诸如可公开获得的基因组，以根据预定的关联标准来识别与所述目标数字数据细节关联的对照物数字数据细节；以及
根据关联程度来表征所述目标制品。
7.根据权利要求6所述的方法，其应用于艺术品鉴定，待鉴定的艺术品是所述目标制品，并且所述对照物制品是从创作了所述目标艺术品的艺术家的多个先前已鉴定的艺术品获取的。
8.一种从三维制品的一批碎片来数字重组该制品的方法，包括以下步骤：
借助于多模式数字成像设备产生关于待重组的碎片中的每一个的目标数字数据模型，所述多模式数字成像设备被配置成使用多种非侵入式成像技术将所述碎片扫描为光子级、纳米级或分子级中的任何一个或多个，每种成像技术均被配置成产生每个制品的该成像技术所独有的目标数字数据模型；
通过算法将每个碎片的目标数字数据模型组装成关于该碎片的三维复合数字数据模型；
通过算法对目标三维复合数字数据模型进行转换以获取关于每个碎片的目标数字转换；
分析所述目标数字转换，以从所述目标数字转换的数据中关于每个目标数字转换识别并选择数字数据细节，所述细节是根据预定的目标碎片细节选择标准而选择的；
提取关于每个目标数字转换的所选数字数据细节并将其保存到目标数字数据存储器，作为与该转换有关的目标数字数据细节；
通过算法复制每个目标数字转换的目标数字数据细节，以关于每个目标碎片产生重复的对照物数字转换以及与该转换有关的对应的对照物数字数据细节；
通过算法比较所述目标数字转换的数字数据细节与所述对照物数字转换的数字数据细节，以根据预定的关联标准来识别与所述目标数字数据细节关联的对照物数字数据细节；以及
按照关联性将所述目标和对照物数字数据模型分组成群组，其中每个群组组成包括多个碎片数字模型的三维复合数字模型，其被以数字方式组装成所述制品的至少一部分。
9.根据权利要求8所述的方法，包括迭代地重复比较和分组步骤的步骤，以逐步地组装包括多个碎片数字模型的、越来越完整的三维复合数字模型，其被以数字方式组装成全部或部分的所述制品。
10.根据权利要求9所述的方法，其应用于其特性中的至少一些是已知的目标制品，所述方法包括近似于模板引导的重组形式，所述方法在对所述数字数据模型进行分组的步骤中包括基于其与相对完整的碎片的数字模板的最佳匹配来对所述数字数据模型中的至少一些进行分组的特定步骤。
11.根据权利要求9所述的方法，包括附加步骤：在将数据存储器中的数字模型的数字数据细节彼此进行比较的步骤中，关于所述数据模型中的至少一些识别与其他数据模型中的任何一个的细节都不互补的细节，并将具有非互补细节的数字数据模型分组为一组潜在不相关的数据模型。
12.根据权利要求9所述的方法，包括以下步骤：在对所述制品进行完整或部分的数字重组之后，反转细节提取和数字转换过程：
通过算法从所选细节重建所述数字转换；
通过算法转换所述数字转换，以在将每个碎片重组成更大的整体之后以数字方式重建该碎片的复合数字数据模型；以及
使用经重组的碎片的经数字重建的数字数据模型来逐步地重组所述制品的三维数字模型。
13.一种用于从一批碎片数字分析并重组三维制品的装置，该装置包括多模式数字成像/扫描设备、数字数据存储器和可编程逻辑部件，所述数字成像设备包括多个非侵入式成像设备，每个非侵入式成像设备被配置成使用不同的成像技术来扫描潜在地源自目标制品的碎片并产生每个碎片的该成像技术所独有的扫描数字数据模型，并且所述可编程逻辑部件被编程为：
通过算法对所述复合数字数据模型进行转换以获取数字转换；
分析所述数字转换，以根据预定的目标碎片细节选择标准从所述数字转换的数据中识别并选择数字数据细节；
提取所选数字数据细节并将其保存到数字数据存储器；
通过算法将所述数据存储器中的数字模型的数字数据细节彼此进行比较，并关于所有或一些数据模型识别一个数据模型中的与至少一个其他数据模型的细节互补的细节；以及
将具有互补细节的数字数据模型分组成群组。
CN201880041072.7A 2017-05-16 2018-05-16 用于文化制品的分析的数字数据细节处理 Pending CN111033521A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
ZA201703362 2017-05-16
ZA2017/03362 2017-05-16
ZA2017/03360 2017-05-16
ZA201703360 2017-05-16
PCT/ZA2018/050024 WO2018213856A2 (en) 2017-05-16 2018-05-16 Digital data minutiae processing for the analysis of cultural artefacts

Publications (1)

Publication Number Publication Date
CN111033521A true CN111033521A (zh) 2020-04-17

Family

ID=64274799

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880041072.7A Pending CN111033521A (zh) 2017-05-16 2018-05-16 用于文化制品的分析的数字数据细节处理

Country Status (5)

Country Link
US (1) US11341459B2 (zh)
EP (1) EP3625712A4 (zh)
CN (1) CN111033521A (zh)
RU (1) RU2769652C2 (zh)
WO (1) WO2018213856A2 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2017363146B2 (en) 2016-11-16 2023-11-02 Catalog Technologies, Inc. Systems for nucleic acid-based data storage
US10650312B2 (en) 2016-11-16 2020-05-12 Catalog Technologies, Inc. Nucleic acid-based data storage
US11341459B2 (en) * 2017-05-16 2022-05-24 Artentika (Pty) Ltd Digital data minutiae processing for the analysis of cultural artefacts
JP7364604B2 (ja) 2018-03-16 2023-10-18 カタログ テクノロジーズ， インコーポレイテッド 核酸ベースのデータ記憶のための化学的方法
US20200193301A1 (en) 2018-05-16 2020-06-18 Catalog Technologies, Inc. Compositions and methods for nucleic acid-based data storage
EP3966823A1 (en) 2019-05-09 2022-03-16 Catalog Technologies, Inc. Data structures and operations for searching, computing, and indexing in dna-based data storage
CA3157804A1 (en) 2019-10-11 2021-04-15 Catalog Technologies, Inc. Nucleic acid security and authentication
AU2021271639A1 (en) 2020-05-11 2022-12-08 Catalog Technologies, Inc. Programs and functions in DNA-based data storage

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050063562A1 (en) * 2003-08-07 2005-03-24 Brunk Hugh L. Conveying fingerprint minutiae with digital watermarks
US20090244062A1 (en) * 2008-03-31 2009-10-01 Microsoft Using photo collections for three dimensional modeling
CN102439605A (zh) * 2009-05-20 2012-05-02 维纳·肖尔岑 确定艺术品作者的方法和装置
CN102984201A (zh) * 2012-09-13 2013-03-20 陈军 一种艺术品数字认证与真伪鉴别系统
CN105678701A (zh) * 2016-01-28 2016-06-15 鲁鹏 一种基于多视角影像与激光扫描的考古发掘探方序列三维可视化方法

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4198147A (en) * 1976-09-13 1980-04-15 Alasia Alfred Victor Encoding system
US5078501A (en) * 1986-10-17 1992-01-07 E. I. Du Pont De Nemours And Company Method and apparatus for optically evaluating the conformance of unknown objects to predetermined characteristics
US5399874A (en) * 1994-01-18 1995-03-21 Gonsalves; Robert A. Currency paper verification and denomination device having a clear image and a blurred image
US6173068B1 (en) 1996-07-29 2001-01-09 Mikos, Ltd. Method and apparatus for recognizing and classifying individuals based on minutiae
FR2785061B1 (fr) * 1998-10-23 2000-12-15 Francois Trantoul Procede de realisation d'une image polychromatique imprimee photoluminescente quelconque, image obtenue et applications
US8543823B2 (en) 2001-04-30 2013-09-24 Digimarc Corporation Digital watermarking for identification documents
US8682097B2 (en) * 2006-02-14 2014-03-25 DigitalOptics Corporation Europe Limited Digital image enhancement with reference images
CN1564148A (zh) * 2004-04-09 2005-01-12 寇建国 物体表面微观图像防伪方法
US7457825B2 (en) * 2005-09-21 2008-11-25 Microsoft Corporation Generating search requests from multimodal queries
CN101435826A (zh) * 2007-11-16 2009-05-20 冯德超 一种文物鉴定中的检测方法
US8094898B2 (en) * 2008-07-16 2012-01-10 Siemens Medical Solutions Usa, Inc. Functional image quality assessment
KR101035669B1 (ko) * 2009-03-13 2011-05-19 (주)실리콘화일 위폐판별이 가능한 이미지센서 및 위폐 판별방법
KR102024954B1 (ko) * 2011-08-22 2019-09-24 아이락 엘엘씨 아티팩트 없는 이미지들을 캡처하기 위한 시스템들 및 방법들
US9224067B1 (en) 2012-01-23 2015-12-29 Hrl Laboratories, Llc System and methods for digital artifact genetic modeling and forensic analysis
EP2880624B1 (en) * 2012-03-26 2019-05-08 Koninklijke Philips N.V. Brightness region-based apparatuses and methods for hdr image encoding and decoding
US20140313303A1 (en) * 2013-04-18 2014-10-23 Digimarc Corporation Longitudinal dermoscopic study employing smartphone-based image registration
US9996726B2 (en) * 2013-08-02 2018-06-12 Qualcomm Incorporated Feature identification using an RGB-NIR camera pair
WO2016004224A1 (en) * 2014-07-01 2016-01-07 Atomnaut Inc. Systems and methods for using multimodal imaging to determine structure and atomic composition of specimens
US9897560B2 (en) * 2014-12-15 2018-02-20 Raytheon Company Screening of electronic components for detection of counterfeit articles using automated inspection system
CN105096445B (zh) * 2015-06-26 2017-12-22 广州广电运通金融电子股份有限公司 一种票券图像采集系统
CN105099712B (zh) * 2015-09-17 2018-11-20 深圳三元色数码科技有限公司 一种基于双码验证的数据加密方法
CN105243384A (zh) * 2015-09-17 2016-01-13 上海大学 一种基于模式识别的文物与艺术品唯一性标识方法
CN106124508A (zh) * 2016-07-01 2016-11-16 宁夏六维辩证文物鉴定研究所 一种文物鉴定系统及鉴定方法
DE102016115837A1 (de) * 2016-08-25 2018-03-01 Werner Scholzen Verfahren für die Urheberschaftsbewertung eines Gemäldes sowie eine entsprechende Verwendung
EP3558864A4 (en) * 2016-12-21 2020-08-12 The Heart Research Institute Ltd NANOPARTICLE
WO2018190792A1 (en) * 2017-04-10 2018-10-18 Hewlett-Packard Development Company, L.P. Machine learning image search
US11341459B2 (en) * 2017-05-16 2022-05-24 Artentika (Pty) Ltd Digital data minutiae processing for the analysis of cultural artefacts
EP3695379A4 (en) 2017-10-09 2021-07-07 Great Masters Art Authentication, LLC SYSTEMS AND PROCEDURES FOR IDENTIFICATION AND AUTHENTICATION OF ARTISTIC WORK
US11321985B2 (en) * 2017-10-10 2022-05-03 Lumileds Llc Counterfeit detection in bright environment
WO2019183136A1 (en) * 2018-03-20 2019-09-26 SafetySpect, Inc. Apparatus and method for multimode analytical sensing of items such as food
WO2020079741A1 (ja) * 2018-10-16 2020-04-23 日本電気株式会社 虹彩認証装置、虹彩認証方法および記録媒体
KR20200070878A (ko) * 2018-12-10 2020-06-18 삼성전자주식회사 지문 영상 전처리 방법 및 장치
EP4022507A4 (en) * 2019-11-26 2022-10-12 ID Metrics Group Incorporated DATABASES, DATA STRUCTURES AND DATA PROCESSING SYSTEMS FOR DETECTING COUNTERFEIT PHYSICAL DOCUMENTS

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050063562A1 (en) * 2003-08-07 2005-03-24 Brunk Hugh L. Conveying fingerprint minutiae with digital watermarks
US20090244062A1 (en) * 2008-03-31 2009-10-01 Microsoft Using photo collections for three dimensional modeling
CN102439605A (zh) * 2009-05-20 2012-05-02 维纳·肖尔岑 确定艺术品作者的方法和装置
CN102984201A (zh) * 2012-09-13 2013-03-20 陈军 一种艺术品数字认证与真伪鉴别系统
CN105678701A (zh) * 2016-01-28 2016-06-15 鲁鹏 一种基于多视角影像与激光扫描的考古发掘探方序列三维可视化方法

Also Published As

Publication number Publication date
EP3625712A2 (en) 2020-03-25
RU2019136626A3 (zh) 2021-12-21
WO2018213856A3 (en) 2019-05-09
RU2019136626A (ru) 2021-05-14
US20210042703A1 (en) 2021-02-11
RU2769652C2 (ru) 2022-04-04
EP3625712A4 (en) 2020-09-09
US11341459B2 (en) 2022-05-24
WO2018213856A2 (en) 2018-11-22

Similar Documents

Publication Publication Date Title
CN111033521A (zh) 用于文化制品的分析的数字数据细节处理
US11281176B2 (en) Surface data acquisition, storage, and assessment system
Yravedra et al. A new approach to raw material use in the exploitation of animal carcasses at BK (Upper Bed II, Olduvai Gorge, Tanzania): a micro‐photogrammetric and geometric morphometric analysis of fossil cut marks
AU2018266634B2 (en) System and methods for 3D model evaluation
Hassett et al. Comparison of 3D landmark and 3D dense cloud approaches to hominin mandible morphometrics using structure‐from‐motion
Zappa et al. Stereoscopy based 3D face recognition system
CN109615577A (zh) 基于卷积网络的高光谱图像超分辨处理方法
Mathur et al. RETRACTED: Estimating the Imaging in Medical Science Using Image Processing Techniques
Cohen et al. Mending broken vessels a fusion between color markings and anchor points on surface breaks
Mara et al. Ancient coins & ceramics–3D and 2D documentation for preservation and retrieval of lost heritage
Banterle et al. The ArchAIDE Project: Results and Perspectives After the First Year.
Jain et al. New Perspectives on Heritage: A Deep Learning Approach to Heritage Object Classification
Trinderup et al. The traveling optical scanner–case study on 3D shape models of ancient brazilian skulls
Papaioannou et al. Fast fragment assemblage using boundary line and surface matching
Barazzetti et al. Automatic image-based 3D modeling for medical applications
Tupia et al. Double-relaxed GRASP algorithm for graphic pattern recognition in forensic odontology
Lami et al. Pottery goes digital. 3D laser scanning technology and the study of archaeological ceramics
Paar et al. Photogrammetric fingerprint unwrapping
Atuhaire et al. Evaluating 3D human face reconstruction from a frontal 2D image, focusing on facial regions associated with foetal alcohol syndrome
Schofield et al. Roman portraiture and biometric identification
Berretti et al. Using geodesic distances for 2D-3D and 3D-3D face recognition
Colbry et al. Real-time identification using a canonical face depth map
Barčić et al. Optimizing Point Cloud Processing for Facial Reconstruction Using Open-Source Tools: A Preliminary Study
Seal 3D-printed Object Authentication using Micro and Macro Surface Textures and Geometric
Frisky Single Image Depth Prediction on one perspective cultural heritage artefact

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40026230

Country of ref document: HK

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210616

Address after: Landburg, South Africa

Applicant after: Albert byrond geldenhuis

Address before: Landburg, South Africa

Applicant before: Yatendika (private) Ltd.

WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200417