MIEWA - Multispectral Imaging for Examination of Works of Art
Das Projekt zielt darauf ab, ein LED-basiertes Multispectral Imaging System für die zerstörungsfreie Klassifizierung der an einem Kunstwerk verwendeten Farbmittel und die kontrastreichere Darstellung von Unterzeichnungen zu entwickeln.
Steckbrief
- Lead-Departement Hochschule der Künste Bern
- Institut(e) Institut Materialität in Kunst und Kultur
- Forschungseinheit(en) Technologie in Kunst und Kultur
- Förderorganisation Innosuisse
- Laufzeit (geplant) 01.04.2023 - 30.09.2024
- Projektverantwortung Cornelius Palmbach
- Projektleitung Sébastien Blanc
-
Projektmitarbeitende
Prof. Markus Küffner
André Lison
Loïc André
Sébastien Blanc
Damian Vizar
Christiane Gimkiewicz
Marie Didier
Gabriel Bernasconi
Vincent Carrel
Pedram Pad
Ausgangslage
Heutzutage wünschen sich Kunstexpert*innen ein selbst anwendbares technisches Hilfsmittel, das schnell leicht lesbare und dabei validierte Ergebnisse liefert. Es soll sie bspw. bei einer Authentizitätsabklärung von Kunstwerken unterstützen, bevor externe Spezialist*innen hinzugezogen werden. Diese Vorzüge bietet Multispectral Imaging (MSI). MSI ist ein Untersuchungsverfahren, bei dem Aufnahmen in mehreren Spektralbanden gemacht werden. Während herkömmliche Geräte mit breitbandigen Lampen und Filtern arbeiten, wird beim beleuchtungsinduzierten MSI das Kunstwerk bei jeder Aufnahme mit LEDs in den jeweiligen Spektralbanden beleuchtet. Durch die Extraktion der spektralen Information aus den Bilddaten lassen sich Rückschlüsse auf die vorliegenden Materialien ziehen.
Vorgehen
In dem Projekt wird ein Prototyp der MATIS Kamera bis zur Marktreife weiterentwickelt, der aus einer handelsüblichen modifizierten Digitalkamera, einem LED-Ringlicht und einem Controller besteht. Dabei sind die Spektralbanden der LEDs so gewählt, dass sie die für eine Identifizierung relevanten spektralen Charakteristika diverser Farbmittel abdecken. Die MATIS Kamera wird über «Machine Learning» trainiert, Farbmittel anhand deren spektralen Signatur zu erkennen und in einer Verteilungskarte darzustellen. Dazu wird eine Referenzdatenbank mit an definierten Farbmittelaufstrichen eingemessenen multispektralen Datensätzen aufgebaut. Ein «Deep Convolutional Neural Network» soll auch die Erkennung von Farbmittelmischungen ermöglichen. Um Unterzeichnungen im IR kontrastreicher darzustellen, kommen auf der Kubelka-Munk (KM) Theorie basierende Algorithmen zum Einsatz. Die KM Parameter werden entsprechend der Verteilungskarte der Farbmittel gewählt, so dass der Kontrast zwischen Malschicht und Unterzeichnung selektiv gesteuert werden kann.
Ergebnisse
Als Resultat soll die MATIS Kamera als ein handliches, benutzerfreundliches und kostengünstiges MSI System vorliegen, das speziell für den Einsatz vor Ort konzipiert ist. Sie kann Farbmittel erkennen und kartieren und Unterzeichnungen kontrastreicher darstellen. Dadurch unterstützt die MATIS Kamera Expert*innen bei der Untersuchung von Kunstwerken in Fragen der Authentizität.
