نشریه فناوری آزمون‌های غیرمخرب

نشریه فناوری آزمون‌های غیرمخرب

مقایسه‌ی آزمون‌ پرتونگاری و بازرسی با پرتوهای فرابنفش در شناسایی طرح‌های نهان و آسیب‌های تابلوهای نفیس

نوع مقاله : مقاله پژوهشی

نویسندگان
سیده مریم قیاسی لیمنجوبی 1
عفت یاحقی 2
خوزه آنتونیو مادرید گارسیا 3
1 گروه فیزیک، دانشکده علوم پایه، دانشگاه بین المللی امام خمینی ره، قزوین، ایران
2 گروه فیزیک، دانشکده علوم پایه، دانشگاه بین المللی امام خمینی، قزوین، ایران
3 مؤسسه دانشگاهی مرمت و بازسازی، دانشگاه پلی‌تکنیک والنسیا، والنسیا، اسپانیا
10.30494/jndt.2021.275716.1054
چکیده
تابلوهای هنری که سرمایه‌های ارزشمند فرهنگی در هر کشوری هستند، همواره با خطراتی مانند پارگی، خراشیدگی و از بین رفتن رنگدانه‌ها تهدید می‌شوند. حوادث طبیعی، جابجایی غیر مسئولانه، قرار گرفتن در معرض نور و تغییرات درجه حرارت، عوامل ایجاد این خطرات هستند. می‌توان از روش‌های مختلف غیر مخرب مانند آزمون‌ پرتونگاری و بازرسی با پرتوهای فرابنفش برای تشخیص محل آسیب‌ها بدون صدمه به تابلوها استفاده کرد. در پرتونگاری به دلیل نفوذ اشعه ایکس به سطوح زیرین، علاوه بر طرحِ کلی تابلو، اطلاعاتی در مورد نقوش پنهان و آسیب‌های عمقی بدست می‌آید. در بازرسی با پرتوهای فرابنفش بسته به نوع و مادّه‌ی رنگ‌ بکار رفته اطلاعاتی در مورد خراش‌ها و آسیب‌های سطحی بدست می‌آید. تصاویر هر دو روش اطلاعات خوبی در اختیار متخصصین مرمت قرار می‌دهد، ولی اشکالاتی مانند عدم‌ وضوح تصاویر و تاریک دیده شدن بعضی رنگ‌ها زیر پرتوهای فرابنفش تشخیص ناحیه‌ی آسیب را دشوار می‌کند. استفاده از روش‌های پردازش تصویر به‌ عنوان ابزار کمکی برای افزایش کنتراست تصاویر، مناسب است. در این تحقیق از صافی ‌گابور برای افزایش کیفیت و کاهش عدم‌ وضوح تصاویر استفاده شده است؛ صافی ‌گابور از سطح آستانه‌ی خودکار بر مبنای انحراف و میانگین اطلاعات پیکسلی تصاویر استفاده می‌کند. تصاویر بازسازی شده توسط صافی ‌گابور در شناسایی طرح‌های نهان و محل آسیب‌ها مؤثر هستند.
کلیدواژه‌ها
پرتونگاری
پرتوهای ماوراء بنفش
طرح‌ها و آسیب‌های پنهان
تابلوهای نفیس هنری
صافی گابور
پردازش تصویر

موضوعات

عنوان مقاله English

Comparison of radiography testing and ultraviolet inspection in identifying hidden designs and defects of exquisite paintings

نویسندگان English

Seyedeh Maryam Ghiyasi Limanjubi 1
Effat yahaghi 2
José Antonio Madrid García 3
1 Department of Physics, Faculty of Basic Sciences, Imam Khomeini International University, Qazvin, Iran
2 Department of Physics, Faculty of Basic Sciences, Imam Khomeini International University, Qazvin, Iran;
3 University Institute for the Restoration of the Patrimony, Universitat Politècnica de València, Valencia, Spain
چکیده English

Art paintings are valuable cultural assets in any country that they are always threatened by dangers such as rupture, scratches, and loss of pigments. Natural disasters, irresponsible handling, exposure to light and temperature changes are all dangers factors. Various non-destructive methods such as radiography testing (RT) and ultraviolet (UV) inspection can be used to identifying detect the location of defects without any damage the paintings. The radiography testing recognized hidden patterns and deep defects and the general structure of the painting due to the penetration of X-rays to the lower surfaces. In the ultraviolet inspection, information about scratches and surface defects is obtained, depending on the type and material of paint used. Images of both methods provide excellent information to restoration experts, but problems such as blurring images of the RT and UV inspection darkening of some colors under ultraviolet light make it difficult to identify the defect regions. It is appropriate to use image processing techniques as an auxiliary tool to increase the contrast of the image. In this research, the Gabor filter has been used to increase the quality of the RT and UV images and reduce the blur of images; The Gabor filter use an automatic threshold level based on the deviation and mean pixel information of the images. Images reconstructed by the Gabor filter are efficient in identifying hidden designs and the location of defects.

کلیدواژه‌ها English

Radiography
Ultraviolet radiations
Hidden Designs and Defects
exquisite paintings
Gabor Filter
Image Processing
 
[1]     تسلیمی، ن. (1393). سیر هنر در تاریخ (1). چاپ پنجم،  شرکت چاپ و نشر کتاب‌های درسی ایران، ص 13-6 .
[2]      صادقی، س. (۱۳۹۶). آسیب ‌شناسی بناهای تاریخی و مکانیزم‌های تاثیرگذار بر حفاظت و نگه‌داری آثار هنری و تاریخی. کنفرانس پژوهش‌های معماری و شهرسازی اسلامی و تاریخی ایران، شیراز، دبیرخانه دائمی کنفرانس،https://www.civilica.com/Paper-MEMARICONF01-MEMARICONF01_140.html
[3]     Rutledge, S.K., Banks, B.A., Forkapa, M., Stueber, T., Sechkar, E., & Malinowski, K. (2000). Atomic oxygen treatment as a method of recovering smoke-damaged paintings. Journal of the American Institute for Conservation, 39, 1, 65-74.
[4]     Movafeghi, A. (2018). Neutron radiography for Evaluation of Designs and Defects of Cultural Vase of Samiran at Tehran Research Reactor. Journal of Radiation and Nuclear Technology, 4, 4, 22-30.
[5]     Movafeghi A., Kargarnovin M.H., Soltanian-Zadeh H., et al. (2005). Flaw Detection Improvement of Digitized Radiographs by Morphological Transformations. Insight - Non-Destructive Testing and Condition Monitoring, 47, 10, 625-630.
[6]     بنده خدا، ف. (1383). کاربرد تابش فرابنفش به عنوان یکی از روش‌های سنجش غیرتخریبی در مرمت. فصلنامه‌ی تخصصی انجمن علمی دانشکده مرمت، دانش مرمت و میراث فرهنگی، سال اول، شماره 1.
[7]     Baldia, C.M., Jakes, K.A. (2007). Photographic methods to detect colourants in archaeological textiles. Journal of Archaeological Science, 34, 4, 519-525.
[8]     Da Silva, R.R., Siqueira, M.H.S., De Souza, M.P.V., Rebello, J. M.A., Caloba, L.P. (2005). Estimated accuracy of classification of defects detected in welded joints by radiographic tests. NDT and E International, 38, 5, 335–343.
[9]     Daubechies, I., Defrise, M., and De Mol, C. (2004). An  iterative  thresholding algorithm  for  linear  inverse  problems with  a  sparsity  constraint.  Comm. Pure Appl.  Math., 57, 13, 1413–1457.
[10]  Movafeghi, A., Yahaghi, E., Mohammadzadeh, N., Rokrok. B. (2017). Defect Detection and Contrast Improvement of Radiographic Images using Nonlinear Diffusion Filter Method. Journal of Nuclear Science and Technology, 38, 1, 1-11.
[11]  Serrano, A., de Diego, I.M., Conde, C., Cabello, E. (2011). Analysis of variance of Gabor filter banks parameters for optimal face recognition. Pattern Recognition Letters, 32, 15, 1998-2008.
[12]  Bendada, A., Sfarra, S., Ibarra−Castandeo, C., Akhloufi, M., Caumes, J.–P., Pradere, C., Batsale, J.–C., and Maldague, X. (2015). Subsurface imaging for panel paintings inspection: A comparative study of the ultraviolet, the visible, the infrared and the terahertz spectra. Opto−Electronics Review, 23, 1, 88–99. DOI: 10.1515/oere−2015−0013.
 
[13]  Ferrari, R.J., Rangayyan, R.M., Desautels, J.E.L., Frère, A.F. (2001). Analysis of Asymmetry in Mammograms via Directional Filtering With Gabor Wavelets. IEEE Trans. on Medical Imaging, 20, 9, 953-964.
[14]  Oh J., Choi, S-I., Kim Ch., Cho J., Choi Ch-h. (2013). Selective generation of Gabor features for fast face recognition on mobile devices. Pattern Recognition Letters, 34, 13, 1540-1547. https://doi.org/10.1016/j.patrec.2013.06.009.
Kruizinga, P., Petkov, N., and Grigorescu, S.E. (1999). Comparison of texture features based on Gabor filters. Proceedings of the 10th International Conference on Image Analysis and processing, Venice, Italy, pp. 142-147.

  • تاریخ دریافت 11 اسفند 1399
  • تاریخ بازنگری 14 اردیبهشت 1400
  • تاریخ پذیرش 17 اردیبهشت 1400