سال 6، شماره 2 - ( 1399 )
سال 6 شماره 2 صفحات 140-127 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Mirzapour M, Yahaghi E, Ghiyasi Limanjubi S M, Antoni Madrid Garcia J, Movafeghi A. (2020). Identify Hidden Designs in Antique Paintings Using Industrial Radiography. JRA. 6(2), 127-140. doi:10.52547/jra.6.2.127
URL: http://jra-tabriziau.ir/article-1-252-fa.html
URL: http://jra-tabriziau.ir/article-1-252-fa.html
میرزاپور مهدی، یاحقی عفت، قیاسی لیمنجویی سیده مریم، آنتونی مادرید گارسیا خوزه، موافقی امیر. شناسایی طرح‌های پنهان در تابلوهای عتیقه با استفاده از پرتونگاری صنعتی پژوهه باستان سنجی 1399; 6 (2) :140-127 10.52547/jra.6.2.127
مهدی میرزاپور* 
1، عفت یاحقی2 ، سیده مریم قیاسی لیمنجویی2 ، خوزه آنتونی مادرید گارسیا3 ، امیر موافقی4
1، عفت یاحقی2 ، سیده مریم قیاسی لیمنجویی2 ، خوزه آنتونی مادرید گارسیا3 ، امیر موافقی4
1- دانشگاه بوعلی سینا ، mahdimirzapour67@gmail.com
2- دانشگاه بین‌المللی امام خمینی (ره)
3- دانشگاه پلی‌تکنیک والنسیا
4- پژوهشگاه علوم و فنون هسته‌ای
2- دانشگاه بین‌المللی امام خمینی (ره)
3- دانشگاه پلی‌تکنیک والنسیا
4- پژوهشگاه علوم و فنون هسته‌ای
چکیده: (2213 مشاهده)
برای جلوگیری از تخریب و سوزاندن تابلوهای نفیس هنگام جنگ و حوادث اجتماعی در قدیم، روی آنها اثر هنری جدید نقاشی می‌شده است. برای شناسایی لایه‌های پنهان تابلوها، استفاده از یک روش عمقی که بتواند طرح‌های زیرین را مشخص کند مفید است. اشعه ایکس که قابلیت نفوذ در مواد مختلف را دارد می‌تواند تصویر نهان نقاشی را مشخص کند. قبل از استفاده از آزمون پرتونگاری، ضخیم بودن لایه‌های نقاشی کارشناسان را به این باور می‌رساند که نقاشی اصل نبوده و بر روی آن طرحی دیگر کشیده شده است. مسئله مهم در بررسی تابلوهای هنری حفظ آنها و شناسایی نواحی نقص است. برای این امر تکنیک‌های مختلف غیرمخرب بکار گرفته می‌شوند. آزمون پرتونگاری جزئی از آزمون‌های غیرمخرب است. در پرتونگاری به دلیل نفوذ پرتو ایکس به لایه‌های زیرین، بدون تخریب و تغییر در نمونه آزمایشی الگوهای نهان و آسیب‌های عمقی آشکار می‌شوند. تصاویر حاصل از پرتونگاری به دلیل پراکندگی و تضعیف پرتو در قطعه و نیز اندازه چشمه، عدم وضوح و کیفیت پایینی دارند، به این دلیل شناسایی نواحی عیوب در پرتونگاره‌ها دشوار است. برای افزایش کنتراست پرتونگاره‌ها روش‌های پردازش تصویر می‌توانند بکار گرفته شوند. در این تحقیق از پرتونگاری برای تشخیص تصاویر پنهان تابلوهای نقاش های موجود در موزه والنسیا، اسپانیا استفاده شده است. همچنین از دو روش هرم گوسی و هرم لاپلاسی برای بهبود کیفیت و کاهش عدم وضوح پرتونگاره‌ها استفاده شده که دارای پیچیدگی محاسباتی کم و سادگی بالا در پیاده‌سازی هستند. نتایج نشان می‌دهند که پرتونگاری روش مؤثری در شناسایی نقاشی‌های پنهان است با این روش بدون هیچگونه آسیبی به تابلو می توان اطلاعات مهمی در مورد طرح های پنهان آن بدست آورد. همچنین استفاده از الگوریتمهای پردازشی هرمی لاپلاسی و گوسین در تصاویر پرتونگاری نیز می‌تواند در شناسایی بهتر طرح‌های پنهان کمک کند.
یاداداشت علمی: پژوهشي |
موضوع مقاله:
باستان سنجی
دریافت: 1399/7/3 | پذیرش: 1399/9/25 | انتشار: 1399/10/4 | انتشار الکترونیک: 1399/10/4
دریافت: 1399/7/3 | پذیرش: 1399/9/25 | انتشار: 1399/10/4 | انتشار الکترونیک: 1399/10/4
فهرست منابع
1. Hadadi M, Mohammdi M, Study the repair documents of Golestan, Saheb-gheranieh and Farah Abad Palace Tableaus, Ganjine-ye Asnad, Spring 2013; 23(1):86-99. [in Persian] [حدادي محمد.، محمدي آچاچلويي محسن.، بررسي اسناد تعميرات تابلوهاي کاخ گلستان، صاحبقرانيه و فرح آباد، فصلنامۀ گنجينۀ اسناد، سال بيست و سوم، دفتر اول، بهار 1392.]
2. Maev RG, Gavrilov D, Maeva A, Vodyanoy I. Modern non-destructive physical methods for paintings testing and evaluation. In Proceedings of the 9th International Conference on NDT of Art 2008 May 25 (pp. 25-30).
3. Gavrilov D, Maev RG, Almond DP. A review of imaging methods in analysis of works of art: Thermographic imaging method in art analysis. Canadian Journal of Physics. 2014; 92(4):341-64. [DOI:10.1139/cjp-2013-0128]
4. Ghanooni M. Report on the maintenance and restoration of the painting of the camp by the river by Kamal Ol-Molk. Library, Museum and Document Center Islamic Consultative Assembly, 2019. [قانوني محسن.، گزارش نگاهداشت و مرمت تابلو نقاشي منظره اردوگاه در کنار رودخانه اثر کمال الملک، کارگاه مرمت موزه مجلس، كتابخانه موزه و مركز اسناد مجلس شوراي اسلامي؛ 1398.]
5. Afzali N, Vatan-Parast R. Pathology and erosion analysis of oil paintings on Kamal-ol-Molk canvas in Golestan Palace. Athar Journal. Spring 2017, 38(76): 3-76. [افضلي نرگس.، وطنپرست رسول، آسيبنگاري، آسيبشناسي و تحليل فرسودگيهاي نقاشيهاي رنگروغن روي بوم كمال الملك در كاخ گلستان، اثر فصلنامه علمي فني هنري؛ بهار 1396.]
6. Baronti S, Casini A, Lotti F, Porcinai S. Multispectral imaging system for the mapping of pigments in works of art by use of principal-component analysis. Applied optics. 1998 Mar 10; 37(8):1299-309. [DOI:10.1364/AO.37.001299]
7. Casini A, Lotti F, Picollo M, Stefani L, Buzzegoli E. Image spectroscopy mapping technique for noninvasive analysis of paintings. Studies in conservation. 1999 Jan 1; 44(1):39-48. [DOI:10.1179/sic.1999.44.1.39]
8. Balas C, Papadakis V, Papadakis N, Papadakis A, Vazgiouraki E, Themelis G. A novel hyper-spectral imaging apparatus for the non-destructive analysis of objects of artistic and historic value. Journal of Cultural Heritage. 2003 Jan 1; 4: 330-7. [DOI:10.1016/S1296-2074(02)01216-5]
9. Fischer C, Kakoulli I. Multispectral and hyperspectral imaging technologies in conservation: current research and potential applications. Studies in Conservation. 2006 Jun 1; 51(sup1):3-16. [DOI:10.1179/sic.2006.51.Supplement-1.3]
10. Vilaseca M, Pujol J, Arjona M, de Lasarte M. Multispectral system for reflectance reconstruction in the near-infrared region. Applied optics. 2006 Jun 20; 45(18):4241-53. [DOI:10.1364/AO.45.004241]
11. Cristoforetti G, Legnaioli S, Palleschi V, Salvetti A, Tognoni E. Optical chemical sensors for cultural heritage. InOptical Chemical Sensors 2006 (pp. 515-526). Springer, Dordrecht. [DOI:10.1007/1-4020-4611-1_25]
12. Bonifazzi C, Carcagnì P, Fontana R, Greco M, Mastroianni M, Materazzi M, Pampaloni E, Pezzati L, Bencini D. A scanning device for VIS-NIR multispectral imaging of paintings. Journal of Optics A: Pure and Applied Optics. 2008 May 1; 10 (6):064011. [DOI:10.1088/1464-4258/10/6/064011]
13. Arbabi F. Restoration of several pins excavated from Salmabad village in Khosf (South Khorasan). Bi-annual Journal of Restoration Science and Culture Heritage; Spring 2018, 5(9):1-11. [in Persian] [اربابي فائزه، مرمت چند نمونه سنجاق مکشوفه از سلم آبادِ خوسف (خراسان جنوبي). دوفصلنامه تخصصي دانش مرمت و ميراث فرهنگي؛ 1397.]
14. Taft WS, Mayer JW. The science of paintings. Measurement Science and Technology, 2001. [DOI:10.1007/b97567]
15. Berezhnoy IE, Postma EO, van den Herik HJ. Authentic: computerized brushstroke analysis. In2005 IEEE International Conference on Multimedia and Expo 2005 Jul 6 (pp. 1586-1588).
16. B. Raj, "Practical N.D.T.", Alpha Science, 3th edition, 2007.
17. Cortz L. Non-Destructive Testing. ASM International; 1995.
18. Toyserkani H. Nondestructive evaluations, Jahad Daneshgahi, Isfahan, 2015. [in Persian] [تويسرکاني ح.، بررسي¬هاي غيرمخرب. اصفهان: جهاد دانشگاهي؛ 1394.]
19. Bridgman CF. The amazing patent on the radiography of paintings. Studies in Conservation. 1964 Nov 1; 9(4):135-9. [DOI:10.1179/sic.1964.023]
20. Nacereddine N, Drai R, Benchaala A. Weld defect extraction and identification in radiograms based neural networks. InProc. IASTED International Conference on Signal Processing, Pattern Recognition, and Applications, Crete, Greece 2002 Jun 25 (pp. 38-43).
21. Movafeghi A, Kargarnovin MH, Soltanian-Zadeh H, Taheri M, Ghasemi F, Rokrok B, Edalati K, Rastkhah N. Flaw detection improvement of digitised radiographs by morphological transformations. Insight-Non-Destructive Testing and Condition Monitoring. 2005 Oct 1; 47(10):625-30. [DOI:10.1784/insi.2005.47.10.625]
22. Felisberto MK, Lopes HS, Centeno TM, De Arruda LV. An object detection and recognition system for weld bead extraction from digital radiographs. Computer Vision and Image Understanding. 2006 Jun 1; 102(3):238-49. [DOI:10.1016/j.cviu.2006.02.004]
23. Daubechies I, Defrise M, De Mol C. An iterative thresholding algorithm for linear inverse problems with a sparsity constraint. Communications on Pure and Applied Mathematics: A Journal Issued by the Courant Institute of Mathematical Sciences. 2004 Nov; 57(11):1413-57. [DOI:10.1002/cpa.20042]
24. Carrasco MA, Mery D. Segmentation of welding defects using a robust algorithm. Materials Evaluation. 2004; 62(11):1142-7.
25. Carvalho AA, Suita RC, Silva RR, Rebello JM. Evaluation of the relevant features of welding defects in radiographic inspection. Materials Research. 2003 Jun; 6(3):427-32. [DOI:10.1590/S1516-14392003000300019]
26. Lampert CH, Blaschko MB, Hofmann T. Efficient subwindow search: A branch and bound framework for object localization. IEEE transactions on pattern analysis and machine intelligence. 2009 Jul 17; 31(12):2129-42. [DOI:10.1109/TPAMI.2009.144]
27. Mery D, Riffo V, Zuccar I, Pieringer C. Automated X-ray object recognition using an efficient search algorithm in multiple views. In Proceedings of the IEEE conference on computer vision and pattern recognition workshops 2013 (pp. 368-374). [DOI:10.1109/CVPRW.2013.62]
28. Liao X, Yuan Z, Zheng Q, Yin Q, Zhang D, Zhao J. Multi-scale and shape constrained localized region-based active contour segmentation of uterine fibroid ultrasound images in HIFU therapy. PloS one. 2014 Jul 25; 9(7):e103334. [DOI:10.1371/journal.pone.0103334]
29. Leavline EJ, Sutha S. Design of FIR Filters for Fast Multiscale Directional Filter Banks. International Journal of u-and e-Service, Science and Technology. 2014; 7(5):221-34. [DOI:10.14257/ijunesst.2014.7.5.20]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
