특징점 검출 알고리즘을 활용한 유화 작품의 손상 검출 성능 분석
Analysis of Damage Detection Performance of Oil Paintings Using Feature Point Detection Algorithm
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 유화 작품의 보존 상태를 모니터링하기 위하여 특징점 검출 알고리즘을 적용하여 작품의 손상 여부를 살펴보고자 하였다. 미술품 보존 상태 모니터링은 주로 전문가의 육안 검사와 주기적인 사진 촬영에 의존하고 있어, 시간과 비용이 많이 소요되며 객관적인 모니터링에 한계가 있다. 이러한 문제를 해결하기 위해 본 연구에서는 SIFT, ORB, AKAZE, BRISK 등 다양한 특징점 검출 알고리즘을 활용하였으며, 6가지 손상 유형(균열, 황변, 구김, 박리와 박락, 퇴색과 감변, 평면성 상실)이포함된 유화 데이터셋에 대한 손상 검출 성능을 분석하였다. 검출률, 처리 시간, 새로운 특징점 검출률, 메모리 사용량을 기준으로 평가한 결과, ORB 알고리즘이 가장 높은 검출률과 빠른 처리 속도를보여 실시간 모니터링에 적합함을 확인하였다. 이를 통해 다량의 미술품을 보관하고 있는 미술관, 박물관에서 미술품의 모니터링에 따른 알고리즘의 선택적 적용이 미술품 보존 관리에서의 손상 검출 효율성을 향상시킬 수 있음을 확인하였다. 이러한 연구 결과는 미술관과 박물관에서 실제 작품 보존 관리 시스템을 구축할 때 효과적인 알고리즘 선택의 기준을 제시할 수 있을 것으로 기대된다.
Abstract
This study aimed to examine the condition of oil paintings by applying feature point detection algorithms to monitor their preservation status and assess potential damages. Over time, artworks are subject to natural deterioration and damage from environmental factors. Current conservation methods mainly rely on expert visual inspections and periodic photography, which are time-consuming, costly, and lack objectivity. To address these challenges, this study evaluates the performance of feature detection algorithms (SIFT, ORB, AKAZE, and BRISK) on a dataset of oil paintings with six types of damage: cracks, yellowing, wrinkles, delamination and flaking, fading, and loss of flatness. The algorithms were assessed based on detection rate, processing time, new feature detection rate, and memory usage. ORB demonstrated the highest detection rate and fastest processing speed, making it ideal for real-time monitoring. The results suggest that selective application of these algorithms in art galleries and museums could enhance the efficiency of damage detection, offering useful criteria for selecting effective algorithms in real-world art conservation management systems.
참고문헌 (17)
- Odlyha M., "Environmental research for art conservation(ERA)", Journal of Thermal Analysis and Calorimetry, 49(3), pp.1571~1584 (1997)
- J-W. An, "A study on the damage types of oil paintings", Master, pp.2016
- "ICOM Korea"[URL]
- B-R. Heo, "Study on the eco-friendly design paradigm & product design change element through construction of eco-friendly design-roadmap and 3 key elements analysis", Korea Science & Art Forum, 14(0), pp.459~478 (2013)
- M-J. Kim, "A definition of conservation, pattern of deterioration, and conservatory environment", Journal of Museum Studies, 4, pp.158~177 (2001)
- Ravaud E., "Development of a versatile XRF scanner for the elemental imaging of paintworks", Applied Physics A, 122, pp.1~7 (2016)
- E-J. Kim, "Case studies for the conservation of contemporary art", The Korean Society of Science & Art, 18, pp.149~160 (2014)
- Y. Chung, "Plans for improving functions of conservation science at the National Museum of Korea", Conservation Science in Korea, 19, pp.99~116 (2018)
- Crkvenjakov, D. K., "Image processing and the analysis of paintings—The case of Serbian baroque icons", IEEE BITS the Information Theory Magazine, 2(1), pp.122~123 (2022)
- H-Y. Na, "U-net and mask R-CNN-based masonry crack detection for length measurement", Master, pp.2022
- Y-J. Lee, "Realtime facial expression data tracking system using color information", Journal of Korea Computer Application, 9(7), pp.159~170 (2009)
- J-S. Jang, "A study on the sacrum detection technique for spine image analysis", Workshop of the Korean Electrical Society, pp.27~28 (2021)
- Münke F. R., "A review of adaptable conventional image processing pipelines and deep learning on limited datasets", Machine Vision and Applications, 35(25) (2024)
- Lowe D. G., "Distinctive image features from scaleinvariant keypoints", International Journal of Computer Vision, 60, pp.91~110 (2004)
- Rublee E., "ORB: An efficient alternative to SIFT or SURF", 2011 International conference on computer vision, pp.2564~2571 (2011)
- Alcantarilla P. F., "Fast explicit diffusion for accelerated features in nonlinear scale spaces", IEEE Trans. Patt. Anal. Mach. Intell, 34(7), pp.1281~1298 (2011)
- Leutenegger S., "BRISK: Binary robust invariant scalable keypoints", 2011 International conference on computer vision, pp.2548~2555 (2011)