RU2769652C2 - Обработка мельчайших деталей цифровых данных для анализа культурных артефактов - Google Patents
Обработка мельчайших деталей цифровых данных для анализа культурных артефактов Download PDFInfo
- Publication number
- RU2769652C2 RU2769652C2 RU2019136626A RU2019136626A RU2769652C2 RU 2769652 C2 RU2769652 C2 RU 2769652C2 RU 2019136626 A RU2019136626 A RU 2019136626A RU 2019136626 A RU2019136626 A RU 2019136626A RU 2769652 C2 RU2769652 C2 RU 2769652C2
- Authority
- RU
- Russia
- Prior art keywords
- digital
- digital data
- target
- data
- compared
- Prior art date
Links
- 238000012545 processing Methods 0.000 title abstract description 12
- 230000009466 transformation Effects 0.000 claims abstract description 67
- 238000005516 engineering process Methods 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000003384 imaging method Methods 0.000 claims description 85
- 238000013499 data model Methods 0.000 claims description 43
- 238000000844 transformation Methods 0.000 claims description 7
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000013500 data storage Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 2
- 239000000126 substance Substances 0.000 abstract 1
- 239000012634 fragment Substances 0.000 description 80
- 108020004414 DNA Proteins 0.000 description 64
- 230000008569 process Effects 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 18
- 239000000463 material Substances 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000000295 complement effect Effects 0.000 description 9
- 238000012014 optical coherence tomography Methods 0.000 description 8
- 238000013459 approach Methods 0.000 description 7
- 238000004846 x-ray emission Methods 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 5
- 238000001530 Raman microscopy Methods 0.000 description 4
- 238000000701 chemical imaging Methods 0.000 description 4
- 230000005670 electromagnetic radiation Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 108020005120 Plant DNA Proteins 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000010422 painting Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000001429 visible spectrum Methods 0.000 description 3
- 208000031872 Body Remains Diseases 0.000 description 2
- 238000000149 argon plasma sintering Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000013501 data transformation Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000004870 electrical engineering Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 239000000049 pigment Substances 0.000 description 2
- 238000001055 reflectance spectroscopy Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 239000011165 3D composite Substances 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010252 digital analysis Methods 0.000 description 1
- 238000012252 genetic analysis Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
Изобретение относится к области информационных технологий, а именно к средствам анализа культурных артефактов. Технический результат направлен на повышение точности обработки мельчайших деталей артефактов. Способ анализа целевого культурного артефакта включает сканирование целевого артефакта посредством устройства для формирования мультимодального цифрового изображения, алгоритмическое преобразование композиционной модели цифровых целевых данных для получения целевого цифрового преобразования, анализ целевого цифрового преобразования для идентификации и выбора мельчайших деталей целевых цифровых данных из данных целевого цифрового преобразования, извлечение и сохранение выбранных мельчайших деталей целевых цифровых данных в хранилище целевых цифровых данных. 2 н. и 3 з.п. ф-лы.
Description
Область техники, к которой относится изобретение
Настоящее изобретение относится к средствам и процессам анализа, реконструкции и аутентификации культурных артефактов, в том числе художественных произведений.
Уровень техники
Наибольшие проблемы в области компьютеризированного анализа культурных артефактов возникают из-за больших объемов данных, которые вырабатывают системы и процессы, используемые в настоящее время.
Данная проблема наглядно проиллюстрирована на примерах систем и процессов, используемых при компьютеризированной повторной сборке трехмерных археологических артефактов из коллекции фрагментов. Она является одной из основных проблем в археологии, и в настоящее время значительная часть исследований направлена на компьютеризированные технологии повторной сборки.
Примеры таких исследований упомянуты ниже. Следует понимать, что предложения, кратко изложенные ниже, приведены лишь в качестве примеров многочисленных систем, разрабатываемых в настоящее время для повторной сборки трехмерных археологических артефактов из коллекции фрагментов. Эти примеры не являются исчерпывающими и не предназначены для использования при интерпретации данного описания, описанного здесь изобретения или объема изобретения.
Ифан Лу (Yifan Lu) и др. кратко изложили некоторые из результатов этих исследований, которые сосредоточены в основном либо на распознавании образов, либо на дополненной визуализации.1 Они обращают внимание на то, что типичное археологическое исследование вовлекает археологов, которые едут в различные места археологических раскопок для обнаружения артефакты. Для того чтобы проанализировать эти артефакты, важно классифицировать и реконструировать полные артефакты из потенциально огромного количества собранных фрагментов, и большинство археологических исследований все еще проводятся вручную в полевых условиях или в лаборатории. Археологам необходимо классифицировать тысячи фрагментов по сотням категорий и затем находить фрагменты, которые происходят из определенного артефакта в рамках категории. После классификации следующим серьезным вызовом является повторная сборка фрагментов для восстановления оригинальных артефактов. Как правило, археологические фрагменты являются деформированными, а также сломанными. Они часто имеют сходную текстуру и внешний вид. Такие трудности усугубляют проблемы классификации и повторной сборки.
Они ссылаются на исследования, связанные с компьютеризированными способами решения проблемы повторной сборки, которые включают в себя следующие работы:
Виллис (Willis) и Купер (Cooper) – общие принципы автоматизированной повторной сборки 3D горшков с учетом 3D измерений фрагментов при условии, что все горшки, имеют ось симметрии;2
Конг (Kong) и Кимия (Kimia) – автоматизированный способ сборки 2D и 3D "пазла" – их алгоритм имеет два этапа: локальное сопоставление форм с последующими глобальными поиском и реконструкцией;3
Папайоанноу (Papaioannou) и др. – заостряют внимание на геометрии поверхности – они используют способ глобальной оптимизации для минимизации ошибочного измерения комплементарного совпадения между двумя частями объекта в заданном относительном положении на основе поточечного расстояния между взаимно видимыми поверхностями объектов – производительность зависит от наличия высокодетализированных моделей или моделей с большой частотой дискретизации, _________________________
1 Interactive Reconstruction of Archaeological Fragments in a Collaborative Environment – Yifan Lu (Information Engineering, RSISE, CECS Australian National University) and others | IEEE – Digital Image Computing Techniques and Applications.
2 A. R.Willis and D. B. Cooper. Bayesian assembly of 3D axially symmetric shapes from fragments – IEEE Conference on Computer Vision and Pattern Recognition, 2004.
3 W. Kong and B. B. Kimia – On solving 2D and 3D puzzles using curve matching – IEEE Conference on Computer Vision and Pattern Recognition; 2001.
а также от сложности вычислений;4
Кэмпел (Kampel) и др. – они начинают с оценки правильной ориентации фрагмента, которая приводит к точному положению фрагмента на оригинальном сосуде, и затем классифицируют фрагменты на основе их поперечного сечения профиля – так как ориентация фрагментов-кандидатов известна, выравнивание двух фрагментов достигается в пространстве поиска с двумя степенями свободы – они предлагают алгоритм сопоставления на основе поточечного расстояния между внешними контурами, обращенными друг к другу;5
Бенко (Benko) и др. – система визуального взаимодействия для археологии, которая была введена для создания экспериментальной совместной системы смешанной реальности, позволяющей нескольким пользователям выполнять моделирование археологических раскопок за пределами территории.6
Ифан Лу (Yifan Lu) и др. отмечают, что существующие подходы требуют либо использования дополнительной информации, либо строгих ограничений на природу артефакта, и они продолжают предлагать подход с другой точки зрения: так как люди обладают некоторыми дополнительными и превосходными возможностями использования компьютеров при выборе с использованием восприятия на основе предыдущего опыта и знаний, они считают целесообразным объединить интерактивные и автоматизированные подходы в одном приложении, в котором:
- на первом этапе фрагменты фотографируются с использованием высококачественной цифровой камеры под разными углами.
- на втором этапе программное обеспечение для фотограмметрии используется для создания 3D модели VRML фрагмента и для извлечения ассоциированных граничных кривых;
- затем 3D модели VRML импортируются в специальное программное приложение, и граничные кривые преобразуются в форму кривизны и кручения;
_________________________
4 G. Papaioannou, E.-A. Karabassi, and T. Theoharis – Reconstruction of three- dimensional objects through matching of their parts – IEEE Transactions on Pattern Analysis and Machine Intelligence; January 2002.
5 M. Kampel and R. Sablatnig – Automated segmentation of archaeological profiles for classification – In R. Kasturi, D. Laurendeau, and C. Suen, editors – International Conference on Pattern Recognition; 2002.
6 H. Benko, E. W. Ishak, and S. Feiner. Collaborative mixed reality visualization of an archaeological excavation – In IEEE International Symposium on Mixed and Augmented Reality; 2004.
- на следующем этапе одна граничная кривая, представленная кривизной и кручением, сопоставляется с другими граничными кривыми с использованием алгоритма вычисления циклического редакционного расстояния.7
Ранжированный список в порядке убывания вероятности совпадения вырабатывается путем сравнения одной целевой граничной кривой с другими граничными кривыми.
Археолог может просмотреть фрагменты и выбрать одну интересующую граничную кривую из фрагмента и выяснить, какие другие фрагменты имеют высокую вероятность возникновения из одного и того же артефакта, основываясь как на автоматическом ранжировании, так и на собственном опыте.
Специальное программное приложение развернуто в Access Grid, что позволяет нескольким археологам интерактивно собирать артефакты вместе.8
Концептуальная архитектура описана в работе [4]. Эта работа выполнена таким образом, чтобы следовать последовательности этапов в описанной выше задаче реконструкции. Результаты экспериментов, выводы и дальнейшие действия представлены в работах [5] и [6].
Кан Чжан Уи Ю (Kang Zhang Wuyi Yu) и др. предложили классифицировать существующие 3D алгоритмы повторной сборки фрагментов различным образом: (1) повторная сборка – основана на сопоставлении областей разрушения, и (2) повторная сборка – использует руководство по шаблонам. Подходы сопоставления областей разрушения используют сходства в локальной геометрии разрушения смежных фрагментов, в то время как подходы на основе руководства по шаблонам составляют фрагментированные фрагменты на основе их наилучшего соответствия полной модели. Они отмечают, что каждый подход имеет свои преимущества и ограничения, и алгоритмы повторной сборки в обеих категориях предоставляют отчет о трудностях эффективной обработки небольших фрагментированных фрагментов. Во-первых, при наличии маленьких фрагментов особенно сложно устанавливать различия и разбивать на части поврежденные и неповрежденные области. Во-вторых, число неопределенных потенциальных совпадений имеет тенденцию быть большим, и эффективное их сокращение является трудным.
_________________________
7 Циклическое редакционное расстояние между двумя последовательностями A и B с длинами m и n – минимальное редакционное расстояние между A и каждым циклическим сдвигом B. Например, оно может применяться в задачах классификации, где строки представляют контур объектов.
8 Сетка доступа (Access Grid) – мультимедийная коммуникационная платформа, которая организует индивидуальное (человеческое) общение и связанную информацию в стиле "без форм". Сетка доступа предоставляет сетевое виртуальное "пространство", в котором археологи могут описательно представлять археологические данные в среде совместной работы.
Они предложили последовательность операций повторной сборки, объединяющую как руководство по шаблонам, так и результаты совпадения расколотых участков, с использованием информации относительно неповрежденных и расколотых участков для построения многочисленных взаимосвязей потенциальных совпадений между фрагментами и шаблоном, и затем, посредством оптимизации совпадений нескольких частей, их процесс сокращает и уточняет эти возможные совпадения для получения соответствующего в целом совмещения фрагментов. Предложенная последовательность операций повторной сборки представляет собой 3-х этапную последовательность операций: (1) начальная повторная сборка, управляемая шаблоном; (2) парное сопоставление расколов между фрагментами; и (3) сопоставление нескольких частей, объединяющее информацию как о неповрежденных участках, так и о расколах. Основные технические результаты включают в себя: (a) надежные алгоритмы попарного сопоставления для совмещения фрагментов с небольшими перекрывающимися участками, и (b) алгоритм сопоставления нескольких частей и уточнения, эффективно объединяющий как руководство по шаблонам, так и попарные сопоставления фрагментов, который итерационно оптимизирует позиционирование фрагментов, одновременно контролируя накапливаемую ошибку и избегая проникновений.9
До появления компьютеризированных технологий сканирования и формирования изображений ни одна из этих работ не была бы возможной. Репрезентативным примером этих технологий является автоматизированная система для реконструкции раскопанных фресковых мозаик или аналогичных археологических объектов, разработанная специалистами по вычислительной технике из Принстонского университета и представленная на конференции "SIGGRAPH" Ассоциации вычислительной техники, Лос-Анджелес, 2008 г.
Установка, используемая исследователями из Принстонского университета, состоит из планшетного сканера (типа, обычно используемого для сканирования документов и который сканирует поверхность фрагмента), лазерного дальномера (по существу лазерного луча, который сканирует ширину и глубину фрагмента) и поворотного столика с электроприводом (который позволяет точно поворачивать фрагмент во время его измерения). Эти устройства подключены к ноутбуку. Следуя точно определенной последовательности действий, хранитель, работающий под руководством археолога, может использовать систему в цифровой форме для получения информации о фрагменте.
_________________________
9 3D Fragment Reassembly using Integrated Template Guidance and Fracture Region Matching – Kang Zhang Wuyi Yu; School of Electrical Engineering and Computer Science, Louisiana State University; Mary Manhein, Dept. Geography & Anthropology, Louisiana State University; Warren Waggenspack, Dept. Mechanical & Industrial Engineering, Louisiana State University; Xin Li, School of Electrical Engineering and Computer Science Louisiana State University – IEEE Xplore.
10 Dobkin et al, Princeton Graphics Group, Princeton University.
В этом процессе планшетный сканер сначала используется цифровым способом для получения цветных изображений фрагмента с высоким разрешением. Далее фрагмент размещается на поворотном столике, и лазерный дальномер измеряет его видимую поверхность с разных точек зрения. Затем фрагмент переворачивается, и процесс повторяется. Наконец, компьютерные алгоритмы используются, во-первых, для корректировки измерений различных частичных поверхностей для того, чтобы создать полное и точное трехмерное изображение фрагмента. Во-вторых, они анализируют сканированные изображения для обнаружения трещин или других мельчайших отметок на поверхности, которые, возможно, пропустил дальномер. Затем система объединяет всю собранную информацию – форму, изображение и детали поверхности - в записи каждого фрагмента с большим количеством данных.
Этот последний аспект поднимает одну из самых больших проблем, возникающих при повторной сборке трехмерных археологических артефактов из коллекции фрагментов, а именно количество данных, вырабатываемых системами и этими процессами. Когда дело доходит до анализа и сопоставления небольшого количества фрагментов, эти системы работают достаточно хорошо. Однако время, необходимое для повторной сборки большого трехмерного произведения, становится значительным.
При аутентификации культурных артефактов, представляющих собой произведения искусства, по существу возникает одна и та же проблема. До появления компьютеризированных технологий сканирования и формирования изображений для определения подлинности художественных произведений использовалась комбинация из истории происхождения и стилистического анализа. Однако в настоящее время компьютеризированный анализ художественный произведений, наряду с достижениями в технологиях формирования изображений и распознавания, все больше и больше включает применение различных научных дисциплин в области анализа художественных произведений, включая физику, химию и биохимию.
Как ни странно, именно такое распространение технологий порождает проблему, решаемую этим изобретением, которая заключается в выработке огромных наборов данных, которые делают нецелесообразным использование многочисленных технологий сканирования, формирования изображений и анализа.
Сущность изобретения
В соответствии с настоящим изобретением способ анализа целевого культурного артефакта содержит этапы:
сканирования целевого артефакта посредством устройства для формирования мультимодального цифрового изображения, выполненного с возможностью использования множества технологий неинвазивного формирования изображений для сканирования артефакта на любом одном или нескольких из фотонного, нано- или молекулярного уровня, причем каждая технология формирования изображений выполнена с возможностью создания модели целевых цифровых данных артефакта, которая является уникальной для этой технологии формирования изображений;
алгоритмического преобразования композиционной модели целевых цифровых данных для получения целевого цифрового преобразования;
анализа целевого цифрового преобразования для идентификации и выбора мельчайших деталей целевых цифровых данных из данных целевого цифрового преобразования, причем мельчайшие детали выбираются в соответствии с заданными целевыми критериями выбора мельчайших деталей артефакта;
извлечения и сохранения выбранных мельчайших деталей целевых цифровых данных в хранилище целевых цифровых данных;
сканирования множества сравниваемых артефактов посредством устройства для формирования мультимодального цифрового изображения для создания модели сравниваемых цифровых данных каждого из сравниваемых артефактов;
алгоритмического преобразования каждой из моделей сравниваемых цифровых данных для получения, для каждой модели сравниваемых цифровых данных, сравниваемого цифрового преобразования;
анализа сравниваемых цифровых преобразований для идентификации и выбора мельчайших деталей сравниваемых цифровых данных из данных каждого сравниваемого цифрового преобразования, причем мельчайшие детали выбираются в соответствии с целевыми критериями выбора мельчайших деталей артефакта;
извлечения и сохранения мельчайших деталей сравниваемых цифровых данных в хранилище сравниваемых цифровых данных;
алгоритмического сравнения мельчайших деталей целевых цифровых данных в хранилище целевых цифровых данных с мельчайшими деталями сравниваемых цифровых данных, хранящихся в хранилище сравниваемых цифровых данных для идентификации мельчайших деталей сравниваемых цифровых данных, которые коррелируют с мельчайшими деталями целевых цифровых данных в соответствии с заданными критериями корреляции; и
характеризации целевого артефакта в соответствии со степенью корреляции.
Способ изобретения можно применить к аутентификации художественного произведения, и в этом случае аутентифицируемое художественное произведение будет целевым артефактом или художественным произведением, и сравниваемые артефакты должны быть извлечены из множества ранее аутентифицированных художественных произведений художника, который создал целевое художественное произведение.
Согласно данному варианту осуществления изобретения способ анализа целевого культурного артефакта содержит этапы:
сканирования целевого артефакта посредством устройства для формирования мультимодального цифрового изображения, выполненного с возможностью использования множества технологий неинвазивного формирования изображений для сканирования артефакта на любом одном или нескольких из фотонного, нано- или молекулярного уровня, причем каждая технология формирования изображений выполнена с возможностью создания модели цифровых данных артефакта, которая является уникальной для этой технологии формирования изображений;
объединения моделей цифровых данных в композиционную модель цифровых данных артефакта;
алгоритмического преобразования композиционной модели цифровых данных для получения цифрового преобразования;
анализа цифрового преобразования для идентификации и выбора мельчайших деталей цифровых данных из данных цифрового преобразования, причем мельчайшие детали выбираются в соответствии с заданными целевыми критериями выбора мельчайших деталей артефакта;
извлечения и сохранения выбранных мельчайших деталей цифровых данных в хранилище цифровых данных;
сканирования множества сравниваемых артефактов, состоящих из аутентифицированных артефактов художника, который создал целевой артефакт посредством устройства для формирования мультимодального цифрового изображения для создания модели сравниваемых цифровых данных каждого из сравниваемых артефактов;
алгоритмического преобразования каждой из моделей сравниваемых цифровых данных для получения, для каждой модели сравниваемых цифровых данных, сравниваемого цифрового преобразования;
анализа сравниваемых цифровых преобразований для идентификации и выбора мельчайших деталей сравниваемых цифровых данных из данных каждого сравниваемого цифрового преобразования, причем мельчайшие детали выбираются в соответствии с целевыми критериями выбора мельчайших деталей артефакта;
извлечения и сохранения мельчайших деталей сравниваемых цифровых данных в хранилище сравниваемых цифровых данных, которое является по существу базой данных мельчайших деталей цифровых данных, уникальной для этого художника;
алгоритмического сравнения мельчайших деталей целевых цифровых данных в хранилище целевых цифровых данных с мельчайшими деталями сравниваемых цифровых данных, хранящихся в хранилище сравниваемых цифровых данных для идентификации мельчайших деталей сравниваемых цифровых данных, которые коррелируют с мельчайшими деталями целевых цифровых данных в соответствии с заданными критериями корреляции, которое по существу представляет собой сравнение мельчайших деталей цифровых данных целевого артефакта с мельчайшими деталями цифровых данных, хранящимися в базе данных мельчайших деталей цифровых данных, уникальной для этого художника; и
предоставления отчета о целевом артефакте как о подлинном, если сравнение указывает корреляцию выше заданного порогового значения между мельчайшими деталями цифровых данных целевого артефакта и мельчайшими деталями сравниваемых цифровых данных.
Изобретение включает в себя устройство аутентификации художественного произведения, содержащее устройство для формирования/сканирования мультимодального цифрового изображения, хранилище цифровых данных и программируемое логическое средство, причем устройство для формирования цифрового изображения включает в себя множество устройств для неинвазивного формирования изображения, каждое из которых выполнено с возможностью использования различных технологий формирования изображений для сканирования целевого художественного произведения и создания модели сканированных цифровых данных целевого произведения, которая является уникальной для этой технологии формирования изображений, и программируемое логическое средство запрограммировано для:
объединения моделей цифровых данных, полученных из каждого устройства формирования изображения, в композиционную модель цифровых данных целевого произведения;
алгоритмического преобразования композиционной модели цифровых данных для получения цифрового преобразования;
анализа цифрового преобразования для идентификации и выбора мельчайших деталей цифровых данных из данных цифрового преобразования в соответствии с заданными критериями выбора мельчайших деталей целевого произведения; и
извлечения и сохранения выбранных мельчайших деталей цифровых данных в хранилище цифровых данных.
Программируемое логическое средство устройства аутентификации художественного произведения предпочтительно запрограммировано для сравнения мельчайших деталей цифровых данных целевого произведения с мельчайшими деталями цифровых данных, хранящимися в базе данных мельчайших деталей цифровых данных, уникальной для этого художника, причем база данных наполнена цифровыми данными мельчайших деталей данных, ранее полученных путем сканирования и алгоритмического получения, из каждого множества аутентифицированных произведений художника, который создал целевое произведение, мельчайших деталей цифровых данных, выбранных в соответствии с заданными критериями выбора мельчайших деталей целевого произведения для создания базы данных мельчайших деталей цифровых данных, уникальной для этого художника.
В этом варианте изобретения устройство аутентификации художественного произведения может включать в себя средство для предоставления отчета о целевом произведении как о подлинном, если сравнение указывает сходство выше заданного порогового значения между мельчайшими деталями цифровых данных целевого произведения и мельчайшими деталями цифровых данных базы данных.
Хотя эти варианты осуществления изобретения описаны по отношению к аутентификации художественного произведения, следует понимать, что изобретение может найти применение в сферах, отличных от искусства, таких как идентификация и аутентификация редких, дефицитных или дорогих предметов, таких, например, как предметы роскоши.
Биохимию и, в частности, генетический анализ можно использовать вместо или в дополнение к технологиям формирования изображений для компьютеризированного анализа артефакта.
В данном варианте осуществления изобретения способ анализа целевого культурного артефакта может содержать этапы:
создания модели целевых цифровых данных путем получения, из материала целевого артефакта, образца материала, содержащего ДНК фактического создателя артефакта (человека, ДНК которого неизбежно внедряется в материал артефакта во время создания артефакта), подвергая образец анализу ДНК, в котором ДНК, полученная из артефакта, извлекается из образца, и ДНК, полученная от фактическая создателя, выделяется и анализируется, и преобразования в цифровую форму результата анализа ДНК, полученной от фактического создателя, для создания модели целевых цифровых данных из ДНК фактического создателя;
алгоритмического преобразования модели целевых цифровых данных для получения целевого цифрового преобразования;
анализа целевого цифрового преобразования для идентификации и выбора мельчайших деталей целевых цифровых данных из данных целевого цифрового преобразования, причем мельчайшие детали выбираются в соответствии с заданными целевыми критериями выбора мельчайших деталей артефакта;
извлечения и сохранения выбранных мельчайших деталей целевых цифровых данных в хранилище целевых цифровых данных;
создания модели сравниваемых цифровых данных путем получения образца ДНК от предполагаемого создателя артефакта (человека, который, как утверждается, является создателем артефакта), из окружающей среды предполагаемого создателя артефакта, подвергания образца анализу ДНК, в котором ДНК, полученная от предполагаемого создателя, выделяется и анализируется, и преобразования в цифровую форму результата анализа ДНК, полученной от предполагаемого создателя, для создания модели целевых цифровых данных из ДНК предполагаемого создателя;
алгоритмического преобразования модели цифровых данных для получения целевого цифрового преобразования;
анализа сравниваемых цифровых преобразований для идентификации и выбора мельчайших деталей сравниваемых цифровых данных из данных каждого сравниваемого цифрового преобразования, причем мельчайшие детали выбираются в соответствии с целевыми критериями выбора мельчайших деталей артефакта;
извлечения и сохранения мельчайших деталей сравниваемых цифровых данных в хранилище сравниваемых цифровых данных;
алгоритмического сравнения мельчайших деталей целевых цифровых данных в хранилище целевых цифровых данных с мельчайшими деталями сравниваемых цифровых данных, хранящихся в хранилище сравниваемых цифровых данных и с базой данных цифровых данных ДНК, не имеющей отношения ни к одной, например, общедоступной геномной, для идентификации мельчайших деталей сравниваемых цифровых данных, которые коррелируют с мельчайшими деталями целевых цифровых данных в соответствии с заданными критериями корреляции; и
характеризации целевого артефакта в соответствии со степенью корреляции.
Классификация ДНК, относящейся к художественному произведению, проводится путем сравнения ДНК, относящейся к художественному произведению, с данными ДНК, имеющимися в ряде баз данных ДНК и геномных базах данных, как общественных, так и частных. При этом ДНК, относящаяся к художественному произведению, классифицируется сначала как ДНК человека, животного или растительного происхождения и затем в соответствии с известными процедурами классификации ДНК для того, чтобы получить данные ДНК для каждого из собранных образцов.
Применяя этот способ при аутентификации художественного произведения, целевой артефакт предпочтительно характеризуется предоставлением отчета о целевом артефакте как о подлинном, если алгоритмическое сравнение (по существу сравнение ДНК) демонстрирует, что корреляция между ДНК предполагаемого создателя и ДНК фактического создателя указывает на высокую статистическую вероятность того, что предполагаемый создатель не может быть исключен как прямой или косвенный источник ДНК (по существу ДНК фактического создателя), извлеченной из художественного произведения.
Настоящее изобретение может быть применено к цифровой повторной сборке трехмерных артефактов из коллекции фрагментов артефактов.
В данном варианте осуществления изобретения способ цифровой повторной сборки трехмерного артефакта из коллекции фрагментов этого артефакта содержит этапы:
создания модели целевых цифровых данных в отношении каждого из фрагментов, подлежащих повторной сборке, с помощью устройства для формирования мультимодального цифрового изображения, выполненного с возможностью использования множества технологий неинвазивного формирования изображений для сканирования фрагмента на любом одном или нескольких из: фотонного, нано- или молекулярного уровня, причем каждая технология формирования изображений выполнена с возможностью создания модели целевых цифровых данных каждого артефакта, которая является уникальной для этой технологии формирования изображений;
алгоритмической сборки модели целевых цифровых данных каждого фрагмента в трехмерную композиционную модель цифровых данных в отношении этого фрагмента;
алгоритмического преобразования трехмерной композиционной модели целевых цифровых данных для получения целевого цифрового преобразования в отношении каждого фрагмента;
анализа целевых цифровых преобразований для идентификации и выбора, в отношении каждого целевого цифрового преобразования, мельчайших деталей цифровых данных из данных целевого цифрового преобразования, причем мельчайшие детали выбираются в соответствии с заданными критериями выбора мельчайших деталей целевого фрагмента;
извлечения и сохранения выбранных мельчайших деталей цифровых данных в отношении каждого целевого цифрового преобразования в хранилище целевых цифровых данных в качестве мельчайших деталей цифровых данных, относящихся к этому преобразованию;
алгоритмического дублирования мельчайших деталей целевых цифровых данных каждого целевого цифрового преобразования для создания, в отношении каждого целевого фрагмента, дублированного сравниваемого цифрового преобразования вместе с соответствующими мельчайшими деталями сравниваемых цифровых данных, относящимися к этому преобразованию;
алгоритмического сравнения мельчайших деталей цифровых данных целевых цифровых преобразований с мельчайшими деталями сравниваемых цифровых данных сравниваемых цифровых преобразований для идентификации мельчайших деталей сравниваемых цифровых данных, которые коррелируют с мельчайшими деталями целевых цифровых данных в соответствии с заданными критериями корреляции; и
группирования моделей целевых и сравниваемых цифровых данных в группы, в зависимости от корреляции, при этом каждая группа образует трехмерную композиционную цифровую модель, содержащую множество цифровых моделей фрагментов, собранных в цифровой форме по меньшей мере в виде части артефакта.
Способ цифровой повторной сборки может, как правило, включать в себя процесс итерационного повторения сравнения и группирования этапов для того, чтобы постепенно осуществлять повторную сборку по меньшей мере частично полноценного трехмерного артефакта из коллекции фрагментов этого артефакта.
Артефакт, подлежащий повторной сборке, может состоять из целевого артефакта, для которого известны по меньшей мере некоторые из характеристик.
Для таких артефактов способ согласно изобретению может, как правило, адаптироваться к форме повторной сборки, аппроксимирующей подход руководства по шаблонам, причем способ включает в себя, на этапе группирования моделей цифровых данных, конкретные этапы группирования по меньшей мере некоторых моделей цифровых данных на основе их лучшего соответствия полной модели.
Способ цифровой повторной сборки может дополнительно включать в себя этапы изменения процессов извлечения мельчайших деталей и процессов цифрового преобразования после полной или частичной цифровой повторной сборки артефакта:
алгоритмическое восстановление цифрового преобразования из выбранных мельчайших деталей;
алгоритмическое преобразование цифрового преобразования;
цифровое восстановление композиционной модели цифровых данных каждого фрагмента после повторной сборки этого фрагмента в большее целое; и
постепенная повторная сборка артефакта с использованием восстановленных в цифровой форме моделей цифровых данных повторно собранных фрагментов.
Следует понимать, что на практике никогда не может быть никакой уверенности в том, что все фрагменты в коллекции фрагментов получены из одного артефакта. С другой стороны, скорее всего, верно и обратное, и обычно предполагается, что данный набор фрагментов получен из более чем одного артефакта или может даже включать в себя фрагменты материала, не полученного из какого-либо артефакта.
С этой целью способ изобретения предпочтительно включает в себя дополнительный этап, на этапе сравнения мельчайших деталей цифровых данных цифровых моделей в хранилище данных друг с другом, идентификации, в отношении по меньшей мере некоторых моделей данных, мельчайших деталей, которые не дополняют мельчайшие детали ни одной из других моделей данных, и группирования моделей цифровых данных с мельчайшим деталями, не добавленными в группу потенциально нерелевантных моделей данных.
По всей вероятности, потенциально нерелевантные модели данных являются моделями данных фрагментов, не полученных из целевого артефакта.
В предпочтительной форме изобретения способ изобретения представляет собой цифровую повторную сборку трехмерного археологического артефакта из коллекции фрагментов этого артефакта.
Изобретение включает в себя устройство для цифрового анализа и повторной сборки трехмерных артефактов из коллекции фрагментов, причем устройство содержит устройство для формирования/сканирования мультимодального цифрового изображения, хранилище цифровых данных и программируемое логическое средство, причем устройство для формирования цифрового изображения включает в себя множество устройств для неинвазивного формирования изображения, каждое из которых выполнено с возможностью использования различных технологий формирования изображений для сканирования фрагментов, потенциально полученных из целевого артефакта, и создания модели отсканированных цифровых данных каждого фрагмента, которая является уникальной для этой технологии формирования изображений, и программируемое логическое средство запрограммировано для:
алгоритмического преобразования композиционной модели цифровых данных для получения цифрового преобразования;
преобразования в цифровую форму для идентификации и выбора мельчайших деталей цифровых данных из данных цифрового преобразования в соответствии с заданными критериями выбора мельчайших деталей целевого фрагмента;
извлечения и сохранения выбранных мельчайших деталей цифровых данных в хранилище цифровых данных;
алгоритмического сравнения мельчайших деталей цифровых данных цифровых моделей в хранилище данных друг с другом и идентификации, в отношении всех или некоторых моделей данных, мельчайших деталей в одной модели данных, которые дополняют мельчайшие детали по меньшей мере одной другой модели данных; и
группирования моделей цифровых данных с дополнительными мельчайшими деталями в группы.
Устройство предпочтительно представляет собой устройство для цифрового анализа и повторной сборки трехмерных археологических артефактов из коллекции фрагментов археологических артефактов.
Устройство для формирования мультимодального изображения изобретения представляет собой портативное устройство, которое позволяет сканировать на месте артефакты и фрагменты артефактов, например, в музее или на складе, или в офисе или по месту жительства владельца художественного произведения.
Подробное описание изобретения
Изобретение будет описано со ссылкой на конкретные примеры, включая компьютерный анализ культурных артефактов, применяемых для аутентификации художественных произведений, для определения происхождения или авторства произведения искусства и для повторной сборки трехмерных археологических артефактов из коллекции фрагментов. Следует понимать, что это представлено только посредством примера и не предназначено для ограничения изобретения такими примерами.
Компьютеризированная аутентификация изделия или произведения, такого как произведение искусства, сначала требует получения цифрового изображения произведения, при этом получение цифрового изображения осуществляется с помощью устройства для формирования композиционного изображения согласно изобретению.
Поскольку анализируются, как правило, оригинальные работы, устройства формирования изображения выполнены с возможностью использования неразрушающих и неинвазивных технологий сканирования и формирования изображений и использования аппаратных средств и методологий, которые позволяют извлечь информацию на молекулярном уровне и другую информацию из художественных произведений без какого-либо контакта с объектом.
Устройство для формирования мультимодального изображения, согласно изобретению, предпочтительно представляет собой портативное устройство, которое позволяет сканировать художественные произведения на месте, например, в музее или на складе, или в офисе или по месту жительства владельца художественного произведения.
Устройство для формирования мультимодального изображения включает в себя ряд устройств формирования изображения, которые включают в себя ряд специализированных, высокоскоростных и 3D камер, а также другие устройства неинвазивного формирования или сканирования цифрового изображения, в частности, спектроскопы, лазерные устройства и нефелометр. Устройство формирования изображения предпочтительно выполнено с возможностью полного мультимодального сканирования художественного произведения, которое должно быть выполнено за считанные минуты.
Физически устройство формирования изображения предпочтительно сконструировано так, чтобы быть портативным и включать в себя встроенную вычислительную мощность, а также надлежащие средства хранения данных. Предпочтительно устройство формирования изображения имеет также возможность подключения к GSM и Wi-Fi для загрузки отсканированных изображений в лабораторию для обработки, удаленную от места сканирования. Устройство предпочтительно питается от аккумулятора, но может включать в себя подключение к электросети для обеспечения многократного сканирования в течение продолжительных периодов времени.
Формирование цифрового изображения обычно классифицируется по форме сигнала устройства формирования изображения, при этом формы сигналов включают в себя электромагнитное излучение и другие сигналы, такие как звуковые сигналы. Переменное ослабление сигналов при их прохождении или отражении от объектов передает информацию, составляющую изображение. Во всех классах цифрового изображения информация преобразуется датчиками изображения в цифровые сигналы, которые обрабатываются компьютером.
Формирование изображений в цифровой форме позволяет анализировать и обрабатывать их с помощью программного обеспечения.
Для большинства произведений искусства мультимодальный сканер будет включать в себя по меньшей мере одно сканирующее устройство, способное получать цифровое изображение произведения по меньшей мере (но этим не ограничивается) в видимой части спектра, что позволяет осуществлять цифровую съемку с помощью цифровых камер различного типа.
Устройства формирования изображения могут также включать в себя устройства формирования изображения акустических волн.
Кроме того, мультимодальный сканер может включать в себя один или несколько сканеров, способных получать многоспектральные изображения целевого художественного произведения, каждое из которых включает в себя данные изображения на конкретных частотах во всем электромагнитном спектре и включает в себя электромагнитное излучение с частотами за пределами видимого диапазона спектра, например, инфракрасное и ультрафиолетовое.
Альтернативные технологии сканирования могут включать в себя формирование изображения путем преобразования коэффициентов отражения (Reflectance Transformation Imaging, RTI), фотограмметрию и различные лазерные технологии сканирования для записи трехмерных данных поверхности художественного произведения, включая глубокий и неглубокий рельеф, такой как трехмерный топографический ландшафт картины, написанной кистью.
Кроме того, технологии формирования изображения и спектроскопические технологии могут включать в себя отражательную спектроскопию в видимой (VIS) и ближней ИК (NIR) области спектра, формирование многоспектральных изображений, микроспектроскопию комбинационного рассеяния, рентгеновскую флюоресцентную спектроскопию (XRF) и оптическую когерентную томографию (OCT). Три спектроскопических технологии дополняют друг друга при идентификации пигмента. Формирование многоспектральных изображений (ближний инфракрасный диапазон), OCT и микроспектроскопия комбинационного рассеяния дополняют друг друга при визуализации и идентификации материалов для живописи и рисования. ОКТ исследует микроструктуру и светорассеивающие свойства подложки, в то время как XRF обнаруживает элементный состав, который указывает способы определения размера и содержание наполнителя.
Преимущество формирования мультимодального изображения состоит в том, что оно дает дополнительную информацию (цифровые данные), относящуюся к художественному произведению.
В процессе аутентификации согласно изобретению гетерогенные, но, тем не менее, дополнительные данные объединяются в композиционную модель цифровых данных. Однако следует понимать, что композиционная модель цифровых данных, полученная в результате формирования мультимодального изображения даже относительно небольших художественных работ, приведет к значительному объему данных.
Для того чтобы уменьшить требования к хранению и обработке данных, процесс формирования изображения в соответствии с настоящим изобретением использует процесс алгоритмического преобразования, использующий алгоритм для создания преобразования данных, в котором поддерживаются взаимосвязи данных, но количество данных существенно уменьшается по сравнению с количеством данных, составляющих композиционную модель цифровых данных. По аналогии, преобразование образует поперечный профиль набора данных композиционной модели цифровых данных.
Кроме того, чтобы уменьшить набор данных, цифровое преобразование затем анализируется в процессе аутентификации согласно изобретению для идентификации ряда цифровых характерных точек или мельчайших деталей.
Идентифицированные таким образом мельчайшие детали цифровых данных имеют мало отношения к фактическим характерным точкам, зарегистрированным в художественном произведении, и вместо этого образуют важные шаблоны или отклонения от шаблонов, которые имеют место в данных.
Это отличается от современных компьютеризированных технологий аутентификации, большинство из которых стремятся найти аналогичные мельчайшие детали непосредственно в художественном произведении. Эти технологии представляют собой нечто большее, чем вариации предварительно компьютеризированного стилистического анализа, в частности, так называемого анализа Мореллиана (Morellian). Технологии анализа Мореллиана направлены на то, чтобы определить характерную "руку" художника посредством тщательного изучения незначительных диагностических деталей, которые раскрывают едва уловимую стенографию художника и условные обозначения для изображения незначительных стилистических признаков. В других аналогичных технологиях проводится анализ еще больше подсознательных признаков, таких как количество мазков, которые художник может сделать в отличие от копировщика, который может сделать значительно большее количество мазков, чтобы достичь того же эффекта.
В биометрии и судебной медицине мельчайшие детали являются основными признаками биометрического признака, такого как отпечаток пальца, который можно использовать для сравнения аналогичных признаков. В этих науках некоторые ключевые признаки используются для оценки пригодности любого признака для использования при биометрической аутентификации.
Ряд этих ключевых признаков также применим при определении пригодности цифровых и, в частности, существенных мельчайших деталей для целей аутентификации художественного произведения.
Эти основные особенности включают в себя, но не ограничиваются ими, следующее:
универсальность: каждое из произведений художника обладает этим признаком;
уникальность: этот признак является довольно разным для разных художников, так что признаки одного художника можно легко отличить от признаков другого художника;
постоянство: некоторые художественные признаки будут неизменными с течением времени, независимо от творческого периода художника и различных стилей в течение его жизни; и
измеряемость (собираемость) – относится к легкости получения или измерения признака, и в полученных данных признак должен быть в форме, позволяющей выполнить последующую обработку и извлечение данных, относящихся к признаку.
Процесс анализа мельчайших деталей цифровых данных включает в себя подпроцессы извлечения мельчайших деталей и удаления ложных мельчайших деталей.
Этот процесс повторяется с рядом аутентифицированных произведений, созданных художником, который создал целевое произведение.
Каждое аутентифицированное произведение сканируется с помощью мультимодального сканера, и создается композиционная модель цифровых данных каждого аутентифицированного произведения. Алгоритм преобразования применяется к каждой такой композиционной модели цифровых данных для получения цифрового преобразования для каждого произведения, которая затем анализируется для идентификации и выбора мельчайших деталей цифровых данных из данных цифрового преобразования, причем мельчайшие детали выбираются в соответствии с заданными критериями выбора мельчайших деталей, используемыми в отношении целевого произведения. В каждом случае мельчайшие детали цифровых данных извлекаются и накапливаются в базе данных для создания базы данных мельчайших деталей цифровых данных, уникальной для этого художника.
На последнем этапе мельчайшие детали цифровых данных целевого произведения сравниваются с мельчайшими деталями цифровых данных, хранящимися в базе данных мельчайших деталей цифровых данных, уникальной для этого художника.
Если сравнение указывает на то, что соответствие между мельчайшими деталями цифровых данных целевого произведения и мельчайшим деталями цифровых данных, хранящимися в базе данных, больше, чем заданное пороговое значение, целевое произведение классифицируется как подлинное. В противном случае целевое произведение классифицируется как неподлинное.
Применительно к области биохимии и генетики анализ ДНК может использоваться вместо или в дополнение к технологиям формирования изображений для компьютеризированного анализа артефакта и, в частности, для аутентификации художественного произведения.
Классификация ДНК, относящейся к художественному произведению, проводится путем сравнения ДНК, относящейся к художественному произведению (ДНК фактического создателя и предполагаемого создателя, полученной из художественного произведения, фактического создателя, если это возможно, и окружающей среды фактического создателя, если это возможно) с данными ДНК, имеющимися в ряде ДНК и геномных базах данных, как общественных, так и частных. При этом ДНК, относящаяся к художественному произведению, классифицируется сначала как ДНК человека, животного или продукта растительного происхождения и затем в соответствии с известными процедурами классификации ДНК для того, чтобы получить данные ДНК для каждого из собранных образцов.
На этапе получения ДНК-содержащего материала из целевого произведения предпочтительно получают множество образцов ДНК-содержащего материала.
Этап получения ДНК-содержащего материала из художественного произведения предпочтительно выполняется в соответствии с заранее определенным протоколом обученным персоналом с использованием соответствующей технологии, предпочтительно интегрированной мобильной аналитической платформы, включающей в себя средства для сканирования и обнаружения потенциально ДНК-содержащего материала и средства для его удаления одного или более образцов ДНК-содержащего материала, обнаруженного таким образом.
Во многих случаях целевое художественное произведение будет иметь значительную ценность, и поэтому этап получения ДНК-содержащего материала из художественного произведения будет выполняться в соответствии с протоколом, приемлемым и согласованным с владельцем художественного произведения в месте нахождения объекта художественного произведения или на другой территории, приемлемой для владельца художественного произведения, и под наблюдением владельца художественного произведения и/или его агентов или представителей.
В предпочтительной форме изобретения ДНК-содержащий материал, полученный из художественного произведения, будет удален в виде микроскопических образцов материала, при этом отбор образцов будет невидимым для невооруженного глаза и настолько неразрушающим, насколько это возможно.
На этапе анализа ДНК собранный образец или образцы, удаленные из произведения искусства, предпочтительно переносят в лабораторию, в которой находится устройство для обнаружения, изоляции и выделения ДНК, а также другое судебно-медицинское оборудование, с помощью которого можно извлечь, классифицировать и каталогизировать ДНК, относящуюся к произведению искусства (ДНК, присутствующую в собранных образцах).
Классификация ДНК, относящейся к художественному произведению, проводится путем сравнения ДНК, относящейся к художественному произведению, с данными ДНК, имеющимися в ряде баз данных ДНК и геномных базах данных, как общественных, так и частных. При этом ДНК, относящаяся к художественному произведению, классифицируется сначала как ДНК человека, животного или растительного происхождения и затем в соответствии с известными процедурами классификации ДНК для того, чтобы получить данные ДНК для каждого из собранных образцов.
После объединения данных ДНК, относящейся к художественному произведению, из множества собранных образцов, профиль ДНК художественного произведения компилируется и сохраняется.
Для получения ДНК, относящейся к создателю, ДНК-содержащий материал получают от художника (если художник еще жив или из останков художника), из одной или нескольких подлинных и неоспоримых работ художника, а также, возможно, из мастерской художника или из других мест, которые часто посещал художник.
В лаборатории ДНК, относящаяся к создателю, извлекается, классифицируется и каталогизируется, аналогично тому, как ДНК, относящаяся к художественному произведению, извлекается, классифицируется и каталогизируется. Затем данные, относящиеся к ДНК художника, объединяются и сохраняются в виде профиля ДНК, связанного с создателем.
Наконец, профиль ДНК, связанный с художественным произведением, целевого художественного произведения сравнивается с профилем ДНК, связанным с создателем.
Если сравнение показывает, что ДНК, относящаяся к создателю, не может быть исключена как источник ДНК, относящейся к художественному произведению, целевое произведение классифицируется как подлинное. В противном случае целевое произведение классифицируется как неподлинное.
Аналогичные устройства и процессы используются применительно к цифровой повторной сборке трехмерных артефактов из коллекции фрагментов артефактов.
Устройство повторной сборки фрагмента предпочтительно представляет собой устройство для цифрового анализа и повторной сборки трехмерных археологических артефактов из коллекции фрагментов археологических артефактов, которое использует мультимодальное устройство формирования изображения и предпочтительно портативное устройство, которое позволяет сканировать на месте артефакты и фрагменты артефактов, например, в музее или на складе, или в офисе или по месту жительства владельца произведения искусства.
Устройство для формирования мультимодального изображения включает в себя ряд устройств формирования изображения, которые включают в себя ряд специализированных, высокоскоростных и 3D камер, а также другие устройства неинвазивного формирования или сканирования цифрового изображения, в частности, спектроскопы, лазерные устройства и нефелометр. Устройство формирования изображения предпочтительно выполнено с возможностью полного мультимодального сканирования художественного произведения, которое должно быть выполнено за считанные минуты.
Физически устройство формирования изображения предпочтительно сконструировано таким образом, чтобы быть портативным и включать в себя встроенную вычислительную мощность, а также надлежащие средства хранения данных. Предпочтительно устройство формирования изображения также имеет возможность подключения к GSM и Wi-Fi, для загрузки отсканированных изображений в лабораторию для обработки, удаленную от места сканирования. Устройство предпочтительно питается от аккумулятора, но может включать в себя подключение к электросети для обеспечения многократного сканирования в течение продолжительных периодов времени.
Формирование цифрового изображения обычно классифицируется по форме сигнала устройства формирования изображения, при этом формы сигналов включают в себя электромагнитное излучение и другие сигналы, такие как звуковые сигналы. Переменное ослабление сигналов при их прохождении или отражении от объектов передает информацию, составляющую изображение. Во всех классах цифрового изображения информация преобразуется датчиками изображения в цифровые сигналы, которые обрабатываются компьютером.
Формирование цифрового изображения предоставляет собой анализ изображения и обработку с помощью программного обеспечения.
Для большинства артефактов мультимодальный сканер будет включать в себя по меньшей мере одно сканирующее устройство, способное получать цифровое изображение фрагментов артефакта по меньшей мере (но этим не ограничивается) в видимой части спектра, что позволяет выполнять цифровую съемку с помощью цифровых камер различного типа.
Устройства формирования изображения могут также включать в себя устройства формирования изображения звуковых волн.
Кроме того, мультимодальный сканер может включать в себя один или несколько сканеров, способных получать многоспектральные изображения фрагментов артефактов, каждый из которых включает в себя данные изображения на определенных частотах во всем электромагнитном спектре и включает в себя электромагнитное излучение с частотой, находящейся за пределами видимого диапазона спектра, например, инфракрасного и ультрафиолетового.
Альтернативные технологии сканирования могут включать в себя формирование изображения путем преобразования коэффициентов отражения (Reflectance Transformation Imaging, RTI), фотограмметрию и различные лазерные технологии сканирования для записи трехмерных данных поверхности художественного произведения, включая глубокий и неглубокий рельеф, такой как трехмерный рельеф местности фрагмента артефакта.
Кроме того, технологии формирования изображения и спектроскопические технологии могут включать в себя отражательную спектроскопию в видимой (VIS) и ближней ИК (NIR) области спектра, формирование многоспектральных изображений, микроспектроскопию комбинационного рассеяния, рентгеновскую флюоресцентную спектроскопию (XRF) и оптическую когерентную томографию (OCT). Три спектроскопических технологии дополняют друг друга при идентификации пигмента. Формирование многоспектральных изображений (ближний инфракрасный диапазон), OCT и микроспектроскопия комбинационного рассеяния дополняют друг друга при визуализации и идентификации материалов для живописи и рисования. ОКТ исследует микроструктуру и светорассеивающие свойства подложки, в то время как XRF обнаруживает элементный состав, который указывает способы определения размера и содержание наполнителя.
Преимущество формирования мультимодального изображения состоит в том, что оно приводит к дополнительной информации (цифровым данным), относящейся к фрагментам артефактов.
В процессе аутентификации согласно изобретению разнородные, но тем не менее дополнительные данные объединяются в композиционную модель цифровых данных. Однако следует понимать, что композиционная модель цифровых данных, полученная в результате формирования мультимодального изображения даже относительно небольшого артефакта, приведет к значительному объему данных.
Для того чтобы снизить требования к хранению и обработке данных, при формировании изображения, согласно изобретению, используется процесс алгоритмического преобразования, использующий алгоритм создания преобразования данных, в котором поддерживаются взаимосвязи между данными, но количество данных существенно уменьшается по сравнению с созданием композиционной модели цифровых данных. По аналогии, преобразование образует поперечный профиль набора данных композиционной модели цифровых данных.
Кроме того, чтобы уменьшить набор данных, затем анализируется цифровое преобразование в процессе цифровой повторной сборки согласно изобретению для идентификации ряда цифровых характеристических точек или мельчайших деталей.
Мельчайшие детали цифровых данных, идентифицированные таким образом, имеют мало отношения к фактическим характеристическим точкам, зарегистрированным во фрагментах артефакта, и вместо этого представляют собой важные шаблоны или отклонения от шаблонов, встречающихся в данных.
Это отличается от современных компьютеризированных цифровых технологий повторной сборки фрагментированных артефактов, большинство из которых осуществляет поиск аналогичных мельчайших деталей во фрагментах. Эти технологии представляют собой нечто большее, чем вариации предварительно компьютеризированных технологий ручной повторной сборки, основанных на визуальном и тактильном распознавании образов и сопоставлении фрагментов.
Хотя данный вариант осуществления изобретения описан по отношению к повторной сборке и реконструкции археологических артефактов, следует понимать, что изобретение может найти применение в областях, отличных от археологии. В качестве всего лишь нескольких примеров, изобретение может найти применение при повторной сборке и реконструкции останков человека и животных, в частности, скелетов в археологии и криминалистике. В связи с этим термин "артефакт" должен иметь более широкую интерпретацию, чем просто археологический артефакт, и термин "фрагмент" должен также иметь более широкую интерпретацию, чем просто фрагмент археологического артефакта.
Claims (30)
1. Способ анализа целевого культурного артефакта, содержащий этапы:
сканирования целевого артефакта посредством устройства для формирования мультимодального цифрового изображения, выполненного с возможностью использования множества технологий неинвазивного формирования изображений для сканирования артефакта на любом одном или нескольких из: фотонного, нано- или молекулярного уровня, причем каждая технология формирования изображений выполнена с возможностью создания модели целевых цифровых данных артефакта, которая является уникальной для этой технологии формирования изображений;
алгоритмического преобразования композиционной модели цифровых целевых данных для получения целевого цифрового преобразования;
анализа целевого цифрового преобразования для идентификации и выбора мельчайших деталей целевых цифровых данных из данных целевого цифрового преобразования, причем мельчайшие детали выбираются в соответствии с заданными целевыми критериями выбора мельчайших деталей артефакта;
извлечения и сохранения выбранных мельчайших деталей целевых цифровых данных в хранилище целевых цифровых данных;
сканирования множества сравниваемых артефактов посредством устройства для формирования мультимодального цифрового изображения для создания модели сравниваемых цифровых данных каждого из сравниваемых артефактов;
алгоритмического преобразования каждой из моделей сравниваемых цифровых данных для получения, для каждой модели сравниваемых цифровых данных, сравниваемого цифрового преобразования;
анализа сравниваемых цифровых преобразований для идентификации и выбора мельчайших деталей сравниваемых цифровых данных из данных каждого сравниваемого цифрового преобразования, причем мельчайшие детали выбираются в соответствии с целевыми критериями выбора мельчайших деталей артефакта;
извлечения и сохранения мельчайших деталей сравниваемых цифровых данных в хранилище сравниваемых цифровых данных;
алгоритмического сравнения мельчайших деталей целевых цифровых данных в хранилище целевых цифровых данных с мельчайшими деталями сравниваемых цифровых данных, хранящихся в хранилище сравниваемых цифровых данных для идентификации мельчайших деталей сравниваемых цифровых данных, которые коррелируют с мельчайшими деталями целевых цифровых данных в соответствии с заданными критериями корреляции; и
характеризации целевого артефакта в соответствии со степенью корреляции.
2. Способ по п.1, применяемый для аутентификации художественного произведения, причем аутентифицируемое художественное произведение является целевым артефактом, и сравниваемые артефакты получаются из множества ранее аутентифицированных художественных произведений художника, который создал целевое художественное произведение, при этом способ содержит этапы:
сканирования целевого артефакта посредством устройства для формирования мультимодального цифрового изображения, выполненного с возможностью использования множества технологий неинвазивного формирования изображений для сканирования артефакта на любом одном или нескольких из фотонного, нано- или молекулярного уровня, причем каждая технология формирования изображений выполнена с возможностью создания модели цифровых данных артефакта, которая является уникальной для этой технологии формирования изображений;
объединения моделей цифровых данных в композиционную модель цифровых данных артефакта;
алгоритмического преобразования композиционной модели цифровых данных для получения цифрового преобразования;
анализа цифрового преобразования для идентификации и выбора мельчайших деталей цифровых данных из данных цифрового преобразования, причем мельчайшие детали выбираются в соответствии с заданными целевыми критериями выбора мельчайших деталей артефакта;
извлечения и сохранения выбранных мельчайших деталей цифровых данных в хранилище цифровых данных;
сканирования множества сравниваемых артефактов, образованных аутентифицированными артефактами художника, который создал целевой артефакт посредством устройства для формирования мультимодального цифрового изображения для создания модели сравниваемых цифровых данных каждого из сравниваемых артефактов;
алгоритмического преобразования каждой из моделей сравниваемых цифровых данных для получения, для каждой модели сравниваемых цифровых данных, сравниваемого цифрового преобразования;
анализа сравниваемых цифровых преобразований для идентификации и выбора мельчайших деталей сравниваемых цифровых данных из данных каждого сравниваемого цифрового преобразования, причем мельчайшие детали выбираются в соответствии с целевыми критериями выбора мельчайших деталей артефакта;
извлечения и сохранения мельчайших деталей сравниваемых цифровых данных в хранилище сравниваемых цифровых данных, которое является по существу базой данных мельчайших деталей цифровых данных, уникальной для этого художника;
алгоритмического сравнения мельчайших деталей целевых цифровых данных в хранилище целевых цифровых данных с мельчайшими деталями сравниваемых цифровых данных, хранящихся в хранилище сравниваемых цифровых данных для идентификации мельчайших деталей сравниваемых цифровых данных, которые коррелируют с мельчайшими деталями целевых цифровых данных в соответствии с заданными критериями корреляции, которое по существу представляет собой сравнение мельчайших деталей цифровых данных целевого артефакта с мельчайшими деталями цифровых данных, хранящимися в базе данных мельчайших деталей цифровых данных, уникальной для этого художника; и
предоставления отчета о целевом артефакте как о подлинном, если сравнение указывает корреляцию выше заданного порогового значения между мельчайшими деталями целевых цифровых данных артефакта и мельчайшими деталями сравниваемых цифровых данных.
3. Устройство аутентификации целевого культурного артефакта в виде художественного произведения, содержащее устройство для формирования/сканирования мультимодального цифрового изображения, хранилище цифровых данных и программируемое логическое средство, причем устройство для формирования цифрового изображения включает в себя множество устройств для неинвазивного формирования изображения, каждое из которых выполнено с возможностью использования различных технологий формирования изображений для сканирования целевого художественного произведения и создания модели сканированных цифровых данных целевого произведения, которая является уникальной для этой технологии формирования изображений, и программируемое логическое средство запрограммировано для:
объединения моделей цифровых данных, полученных из каждого устройства формирования изображения, в композиционную модель цифровых данных целевого произведения;
алгоритмического преобразования композиционной модели цифровых данных для получения цифрового преобразования;
анализа цифрового преобразования для идентификации и выбора мельчайших деталей цифровых данных из данных цифрового преобразования в соответствии с заданными критериями выбора мельчайших деталей целевого произведения; и
извлечения и сохранения выбранных мельчайших деталей цифровых данных в хранилище цифровых данных.
4. Устройство по п.3, в котором программируемое логическое средство запрограммировано для сравнения мельчайших деталей цифровых данных целевого произведения с мельчайшими деталями цифровых данных, хранящимися в базе данных мельчайших деталей цифровых данных, уникальной для этого художника, причем база данных наполнена данными мельчайших деталей цифровых данных, ранее полученных при сканировании и алгоритмическом получении, из каждого множества аутентифицированных произведений художника, который создал целевое произведение, мельчайших деталей цифровых данных, выбранных в соответствии с заданными критериями выбора мельчайших деталей целевого произведения для создания базы данных мельчайших деталей цифровых данных, уникальной для этого художника.
5. Устройство по п.4, включающее в себя средство для предоставления отчета о целевом произведении как о подлинном, если сравнение указывает сходство выше заданного порогового значения между мельчайшими деталями цифровых данных целевого произведения и мельчайшими деталями цифровых данных базы данных.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ZA2017/03362 | 2017-05-16 | ||
| ZA201703360 | 2017-05-16 | ||
| ZA201703362 | 2017-05-16 | ||
| ZA2017/03360 | 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 (3)
| Publication Number | Publication Date |
|---|---|
| RU2019136626A RU2019136626A (ru) | 2021-05-14 |
| RU2019136626A3 RU2019136626A3 (ru) | 2021-12-21 |
| RU2769652C2 true RU2769652C2 (ru) | 2022-04-04 |
Family
ID=64274799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2019136626A RU2769652C2 (ru) | 2017-05-16 | 2018-05-16 | Обработка мельчайших деталей цифровых данных для анализа культурных артефактов |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11341459B2 (ru) |
| EP (1) | EP3625712A4 (ru) |
| CN (1) | CN111033521A (ru) |
| RU (1) | RU2769652C2 (ru) |
| WO (1) | WO2018213856A2 (ru) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20230074828A (ko) | 2016-11-16 | 2023-05-31 | 카탈로그 테크놀로지스, 인크. | 핵산-기반 데이터 저장 |
| US10650312B2 (en) | 2016-11-16 | 2020-05-12 | Catalog Technologies, Inc. | Nucleic acid-based data storage |
| EP3625712A4 (en) * | 2017-05-16 | 2020-09-09 | Artentika (Pty) Ltd | PROCESSING DIGITAL DATA DETAILS FOR 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 |
| US11610651B2 (en) | 2019-05-09 | 2023-03-21 | Catalog Technologies, Inc. | Data structures and operations for searching, computing, and indexing in DNA-based data storage |
| US11535842B2 (en) | 2019-10-11 | 2022-12-27 | Catalog Technologies, Inc. | Nucleic acid security and authentication |
| EP4150622A1 (en) | 2020-05-11 | 2023-03-22 | Catalog Technologies, Inc. | Programs and functions in dna-based data storage |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101435826A (zh) * | 2007-11-16 | 2009-05-20 | 冯德超 | 一种文物鉴定中的检测方法 |
| US8350850B2 (en) * | 2008-03-31 | 2013-01-08 | Microsoft Corporation | Using photo collections for three dimensional modeling |
| US8682097B2 (en) * | 2006-02-14 | 2014-03-25 | DigitalOptics Corporation Europe Limited | Digital image enhancement with reference images |
| US9224067B1 (en) * | 2012-01-23 | 2015-12-29 | Hrl Laboratories, Llc | System and methods for digital artifact genetic modeling and forensic analysis |
| RU2014142986A (ru) * | 2012-03-26 | 2016-05-20 | Конинклейке Филипс Н.В. | Устройства и способы для кодирования и декодирования изображений с hdr на основании областей яркости |
Family Cites Families (33)
| 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 |
| US20050063562A1 (en) | 2003-08-07 | 2005-03-24 | Brunk Hugh L. | Conveying fingerprint minutiae with digital watermarks |
| 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 |
| 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 |
| DE102009041757A1 (de) * | 2009-05-20 | 2010-12-09 | Werner Scholzen | Vorrichtung und Verfahren zum Herkunftsnachweis und Urheberschaft von Bildern |
| WO2013028700A2 (en) * | 2011-08-22 | 2013-02-28 | Eyelock Inc. | Systems and methods for capturing artifact free images |
| 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 |
| 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 |
| EP3164880B1 (en) * | 2014-07-01 | 2019-12-04 | 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 |
| 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 |
| 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 |
| CN105678701B (zh) * | 2016-01-28 | 2017-09-01 | 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 |
| 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 |
| US11684678B2 (en) * | 2016-12-21 | 2023-06-27 | Nanomedx, Inc. | Plasma-derived nanoparticles |
| BR112019021201A8 (pt) * | 2017-04-10 | 2023-04-04 | Hewlett Packard Development Co | Pesquisa de imagens de aprendizado de máquina |
| EP3625712A4 (en) * | 2017-05-16 | 2020-09-09 | Artentika (Pty) Ltd | PROCESSING DIGITAL DATA DETAILS FOR ANALYSIS OF CULTURAL ARTEFACTS |
| US11113554B2 (en) | 2017-10-09 | 2021-09-07 | Great Masters Art Authentication, Llc | Systems and methods for identifying and authenticating artistic works |
| EP3676751B1 (en) * | 2017-10-10 | 2023-10-11 | Lumileds LLC | Counterfeit detection in bright environment |
| US11280777B2 (en) * | 2018-03-20 | 2022-03-22 | 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 |
| WO2021108589A1 (en) * | 2019-11-26 | 2021-06-03 | ID Metrics Group Incorporated | Databases, data structures, and data processing systems for counterfeit physical document detection |
-
2018
- 2018-05-16 EP EP18801981.4A patent/EP3625712A4/en not_active Withdrawn
- 2018-05-16 US US16/613,476 patent/US11341459B2/en active Active
- 2018-05-16 WO PCT/ZA2018/050024 patent/WO2018213856A2/en unknown
- 2018-05-16 RU RU2019136626A patent/RU2769652C2/ru active
- 2018-05-16 CN CN201880041072.7A patent/CN111033521A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8682097B2 (en) * | 2006-02-14 | 2014-03-25 | DigitalOptics Corporation Europe Limited | Digital image enhancement with reference images |
| CN101435826A (zh) * | 2007-11-16 | 2009-05-20 | 冯德超 | 一种文物鉴定中的检测方法 |
| US8350850B2 (en) * | 2008-03-31 | 2013-01-08 | Microsoft Corporation | Using photo collections for three dimensional modeling |
| US9224067B1 (en) * | 2012-01-23 | 2015-12-29 | Hrl Laboratories, Llc | System and methods for digital artifact genetic modeling and forensic analysis |
| RU2014142986A (ru) * | 2012-03-26 | 2016-05-20 | Конинклейке Филипс Н.В. | Устройства и способы для кодирования и декодирования изображений с hdr на основании областей яркости |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111033521A (zh) | 2020-04-17 |
| US11341459B2 (en) | 2022-05-24 |
| US20210042703A1 (en) | 2021-02-11 |
| RU2019136626A (ru) | 2021-05-14 |
| EP3625712A2 (en) | 2020-03-25 |
| WO2018213856A2 (en) | 2018-11-22 |
| EP3625712A4 (en) | 2020-09-09 |
| WO2018213856A3 (en) | 2019-05-09 |
| RU2019136626A3 (ru) | 2021-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2769652C2 (ru) | Обработка мельчайших деталей цифровых данных для анализа культурных артефактов | |
| US11281176B2 (en) | Surface data acquisition, storage, and assessment system | |
| Toler-Franklin et al. | Multi-feature matching of fresco fragments | |
| Moyano et al. | Semantic interpretation of architectural and archaeological geometries: Point cloud segmentation for HBIM parameterisation | |
| Bevan et al. | Computer vision, archaeological classification and China's terracotta warriors | |
| Hassett et al. | Comparison of 3D landmark and 3D dense cloud approaches to hominin mandible morphometrics using structure‐from‐motion | |
| Gardner et al. | Understanding mass spectrometry images: complexity to clarity with machine learning | |
| Sero et al. | The study of three-dimensional fingerprint recognition in cultural heritage: Trends and challenges | |
| Choi et al. | Similarity analysis of actual fake fingerprints and generated fake fingerprints by dcgan | |
| Zappa et al. | Stereoscopy based 3D face recognition system | |
| Ladhake | Semantic image analysis for intelligent image retrieval | |
| Li et al. | Exploring face recognition by combining 3D profiles and contours | |
| Szymkowski et al. | A novel approach to fingerprint identification using method of sectorization | |
| Debroutelle et al. | Automatic classification of ceramic sherds with relief motifs | |
| Sapkota | Segmentation of coloured point cloud data | |
| Abate et al. | Fast 3D face recognition based on normal map | |
| Bhaumik et al. | Recognition techniques in Buddhist iconography and challenges | |
| Kose et al. | Block based face recognition approach robust to nose alterations | |
| Zhou et al. | Design identification of curve patterns on cultural heritage objects: combining template matching and CNN-based re-ranking | |
| Zappa et al. | Reliability of personal identification base on optical 3D measurement of a few facial landmarks | |
| Lami et al. | Pottery goes digital. 3D laser scanning technology and the study of archaeological ceramics | |
| Suganyadevi et al. | A Robust Image-Driven CNN Algorithm to Detect Skin Disease in Healthcare Systems | |
| Jeevitha et al. | Lung Nodule Detection In Ct Images Using Acm Based Segmentation Method. | |
| Colbry et al. | Real-time identification using a canonical face depth map | |
| Shurentsetseg | A Study of Recognizing Flake Surfaces of Stone Tool Based on Feature Lines Extracted by Mahalanobis Distance Metric |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| HZ9A | Changing address for correspondence with an applicant |