Attività 2.3 Analisi dei pigmenti di superfici dipinte tramite clustering di dati multi-spettrrali

Poicché l’obiettivoo finale dello studio consiste nel forniire supporto alle attività di restauratori e storici deell’arte per l’analisi di pigmenti di superfici pittoriche, verrrà utilizzata una tecnica che connsente una visualizzazione bidimensionale di dati normalmente muultidimensionali, fornendo dunque la possibilità di estrapolare risultati e formulare considerazioni da semmplici osservazioni.

Gran parte degli studi precedenti è riferito a dati provenienti da immmagini sateellitari che consentono la caratterizzazione della copertura del suolo. Nel nostro caso, invece, i dati sono acquisiti con scanner multispettrali prototipali realizzaati internamente al grupppo ed utilizzati su dipinnti di notevole valenza storico-artistica, come ad esempio il “Ritratto di Lionello d'Este” una tempera su tavoola (28×19cmm2) del Pisaanello, dipinta attornoo al 1441 e attualmente conservata all'Accademia Carrara di Bergaamo.

Dall’ inizio degli anni ’90, gli algoritmi di classificazioone basati sulle reti neurali artificiali si sono rivelati uno strumento di analisi molto utile in contrapposizione agli algoritmi statistici classici. Le reti neurali artificiali (ANNN -Artificiaal Neural Neetwork) hanno il compito di elaborare l'output in base agli input ricevuti e propagare il segnale generato agli altri neuroni (le unità) cui sono connesssi. Tra le tecniche di rete non supervisionata verrà utilizzata la rete SOM (Self Organizing Map) che ha la caratteristica di auto-organizzarsi rispetto ai dati che le vengono forniti in ingresso. Al termine dell’analisi, la rete SOM avrà classificato i dati in ingresso - i pigmenti - in modo che dati simili siano associati alla stessa unità di dati (neurone), o comunque a neuroni vicini, mentre dati molto diversi siano associati a neuroni fra loro molto distanti.