KR20120024799A - 예술 작품의 창작자를 식별하는 장치 및 방법 - Google Patents

Abstract

그림의 창작자를 판정하는 방법으로서, 상기 방법은 적어도 - 디지털화 수단, 특히 스캐너의 도움으로 검사될 그림 또는 검사될 그림의 부분을 적어도 하나의 데이터 세트로 전송하는 단계, - 상기 데이터 세트(들)를 분석하여, 특징들 또는 특징들의 부분들, 특히 디지털화된 형태로 상기 데이터 세트에 포함되는 점들 또는 선들 또는 점 또는 선 그룹들 또는 패턴들을 판정하는 단계를 포함하며, 검사될 상기 특징들은 데이터베이스에 저장되고, - 상기 데이터베이스는 이들 저장된 특징들의 각각에 대해 부가적인 연관된 데이터를 포함한다.

Description

예술 작품의 창작자를 식별하는 장치 및 방법{APPARATUS AND METHOD FOR IDENTIFYING THE CREATOR OF A WORK OF ART}

본 발명은 예술 작품, 특히 그림의 기원 및 창작자를 식별하는 장치 및 방법에 관한 것이다.

예술의 세계에서, 공예품의 기원, 즉, 각 공예품이 특정 예술가에 지정될 수 있는 것은 실제의 창작자를 판정하고 공예품(이하, 예술품으로도 표기함)의 가치를 감정하는 양자를 위해 그리고 예술사가의 관점에서 매우 중요하다. 공예품(예술품)의 저자 또는 창작자와 같은 예술가는 공예품이 매각된 후에도 상실되지 않는 이 공예품에 대한 포괄적인 권리를 갖는다. 또한, 예술사가들은 예술 작품의 진정한 기원에 또한 관심이 있는데, 그 이유는 많은 경우에, 특히 더 오래된 예술 작품에서, 이들 예술 작품을 창작한 예술가가 의심의 여지 없이 더 이상 판정될 수 없기 때문이다. 이것은 사인이 없는 것 또는 위조로 인한 것, 또는 렘브란트가 훌륭한 사례인, 저명한 유명 화가들이, 예술가들에 의해 여전히 서명되었던 예술 작품의 일부 또는 전부까지도 완성했던 작업을 한 다수의 학생을 갖는 사실 때문일 수 있다. 이들 경우에, 최고의 기술 표준을 기초로 하는 조사 기술이 공예품을 확인하는데 사용된다. 따라서, 그림에 X선을 조사하는 것이 상당히 빈번하고, 적외선도 제지 공장의 워터마크를 식별하는데 종종 사용된다. UV 광이 조사된 물질들은 예술 작품의 기초가 되는 물질을 식별하는데 사용될 수도 있는 다양한 컬러의 형광성 광을 방출한다. 이로 인해, 의문시되는 예술가에 관한 결론이 도출될 수 있다. 위조여부 식별을 위한 또 다른 방법들은 열루미네슨스(thermoluminescence) 분석, 복합 화학 분석들, 또는 현미경 하에서의 예술 작품의 검사이다.

이들 방법은 그러나, 매우 복잡하고 고가이며, 또한 적절한 장소, 일반적으로 실험실, 즉, 방사선이 직원들의 건강에 손상을 주지 않는 방식으로 설계된 장소, 또는 제어된 분위기를 갖는 방에서 실행되어야 하므로, 주의 의무가 그림의 상태를 유지하기 위해 제공된다.

한편, 예술 전문가들은 종종 그들의 전문적인 눈으로만 공예품 특히 그림의 창작자를 판정할 수 있다. 그들의 트레이닝 및 전문적인 경력의 과정에서, 그들 전문가는 예술가를 특정 그림의 창작자로 식별하는 능력을 얻고 있다. 물감의 도포, 선작업(linework) 및 화법(brushwork)은 예술가에게 핵심적인 어떤 특징이며, 그 또는 그녀의 작품의 식별을 용이하게 한다. 화법은 통상적으로 그림을 그릴 때 선작업에 대해 사용되는 용어이다. 화법은 불확실한(의문시되는) 예술가에 대한 이미지의 개별 영역의 중요성을 나타낼 수 있다. 예를 들어, 그림의 선작업은 예술가가 옷에 사용해왔던 선작업보다 선작업이 얼굴에 대해 사용될 때 더욱 세밀해질 수 있다. 이것은 예술가가 얼굴 표정이나 얼굴 자체를 작업하는 것에 특히 관심이 있는 것의 표시이다. 화법은 따라서 예술가의 개인의 트레이드마크 같은 것이다. 다른 특징 중에서, 화법은 붓놀림(brushstroke), 선작업, 명도(lightness) 및 붓 압력의 강도를 포함할 수도 있다. 공예품, 특히 그림은 예술가의 그렇게 해서 창작자의 개인적인 트레이드마크의 도움으로 식별될 수 있어, 적절한 저자의 지정을 가능하게 한다. 현재, 이것은 전문가의 전문적인 눈에 의해 그림의 개인적인 검사에 의해서만 가능하다. 이러한 목적으로, 예술 전문가는 사소한 것까지 회화를 공부해야 하고 그것을 철저히 검사해야 한다. 이 프로세스는 시간 소비적이고, 일반적으로 매우 비용이 많이 드는데, 그 이유는 예술 전문가가 잘 훈련된 전문가들이기 때문이다.

따라서, 본 발명의 목적은 가능성있는 미리 정해진 예술가의 세트에서 해당 그림을 그 그림을 창작한 예술가에게 할당하는(즉, 예술가로서 정하는) 장치 및 방법을 제공하는 것이다.

상기 목적은 본 발명에 따라 그림의 창작자를 판정하는 방법에 의해 달성되며, 상기 방법은 적어도:

- 디지털화 수단, 특히 스캐너의 도움으로 검사될 그림 또는 검사될 그림의 부분을 적어도 하나의 데이터 세트로 전송하는 단계,

- 상기 데이터 세트(들)를 분석하여, 특징들 또는 특징들의 부분들, 특히 디지털화된 형태로 상기 데이터 세트에 포함되는 점들 또는 선들 또는 점 또는 선 그룹들 또는 패턴들을 판정하는 단계를 포함하며, 검사될 상기 특징들은 데이터베이스에 저장되고,

- 상기 데이터베이스는 이들 저장된 특징들의 각각에 대해 부가적인 연관된 데이터를 포함한다.

이 방법으로 본 발명에 따라, 예술 전문가의 전문 지식이 데이터베이스로부터 검색된다. 그것은 단지, 이 데이터베이스에 액세스하는 관련 속도 및 데이터베이스를 검색하기 위해 사용되는 알고리즘, 및 검사될 데이터 세트의 사이즈, 및 물론 또한 얼마나 빨리 결과가 제시될 수 있는지에 관한 데이터베이스 내의 관련 데이터 세트의 수의 문제이다. 본 출원의 목적을 위해 데이터 세트 내의 특징을 판정하는 것은 데이터 세트 내의 (그 후 물론 또한 결국 검사될 그림 내의) 특징의 인식 또는 데이터 세트 내의 특징의 식별(탐색)일 것으로 이해된다.

그림이나 그림의 일부를 디지털화 수단의 도움으로 적어도 하나의 데이터 세트로 전송하는 것은 대부분의 경우에 스캐너의 도움으로 그림을 스캐닝하는 것을 수반한다. 그러나, 그 대신에 디지털 카메라를 사용하는 것도 또한 가능하다. 이것은 카메라의 도움으로 디지털화하는 것이 당해 기술분야에서 실행될 수도 있다는 이점을 갖는다. 이것은 특히 공예품을 즉, 전시 장소에서 직접 이송할 필요 없이, 디지털화된 데이터를 획득하기 위한 높은 이동성을 보증하면서 간단하고 동시에 빠른 방법이다. 스캐너는 오브젝트, 특히 그림을 체계적이고 규칙적인 방식으로 스캔하거나 측정하는 그러한 데이터 획득 장치이다. 여기에서, 복수의 개별 측정이 스캔될 오브젝트의 전체 이미지 또는 그 일부분을 생성하는데 사용된다. 3차원 공예품에는, 3D 스캐너가 사용될 수 있다. 스캔될 오브젝트가 싱크론 라이트(Synchron Light)로 조명되고, 그 후 반사된 광이 렌즈에 의해 집속되는 소위 크루즈(Cruse) 스캐너가 스캔될 오브젝트에 대해 스캔된 이미지의 절대 정색성(orthochromaticity)(트루 칼라) 및 정밀도를 보증할 수 있다. 간단한 예로서, 이것은 뛰어난 이미징 품질을 갖는 것이 특징인 시판되는 스캐너일 수 있다(용어 "뛰어난 이미징 품질"은, 현재의 신세대의 스캐너가 점증적으로 더 나은 이미징 또는 해상도 특징을 가지므로, 시간 경과에 따라 변화한다). 스캐닝 프로세스에 의해 생성된 데이터 세트는 작게 스캔된 원본으로도 세트 정밀도(해상도)에 따라 큰 저장 용량을 필요로 할 수도 있다. 이 요건은 그러나, 즉, 큰 저장 매체의 제공은 현재 저장 기술로 쉽게 비용 효율적으로 실현될 수 있다.

본 발명의 방법에 의해 디지털 형태로 데이터 세트에 물론 존재하는 특징의 스캐닝 및 판정에 의해 획득되는 데이터 세트의 현재 실행될 분석이 데이터베이스에 저장된 특징의 샘플 패턴의 도움으로 실행된다. 이들 샘플 패턴은 동일한 형태로 또는 큰 유사성을 갖고 검사될 그림에서 샘플 패턴이 발견될 수 있는지를 판정하기 위해, 검사될 그림과 비교된다.

검사될 그림 내에서 이들 특징 특히, 점들 또는 선들 또는 점 또는 선 그룹들 또는 패턴들을 판정 또는 식별하는 것은 대량의 데이터 내의 규칙성, 반복성, 유사성 또는 패턴을 인식할 능력을 필요로 하며, 유사성의 인식은 잠재적으로 가장 성공적인 전략이다. 그러한 능력은 패턴 인식의 방법론의 도움으로 제공될 수 있다. 추가의 특징은 색록(color edge), 색상의 변이 즉, 색상 변이 및 붓놀림 자체일 수 있다.

대체로, 검사될 스캔된 그림은 준비 단계들과 함께 아래에서 설명될 이미지 분석이 행해진다. 이 분석은 데이터베이스 내에 존재하는 패턴과의 후속 비교를 매우 용이하게 한다.

디지털화한 후에, 검사될 그림 또는 이미지는 준비 단계를 거친다. 특히, 이 단계는 그림 또는 이미지를 정규화하기 위해 사용되어, 이후에 그림이나 이미지가 비교될 패턴과 매칭될 수 있도록 한다. 필요한 경우, 필터를 사용하여 간섭하는 불순물(오점)이 억제될 수 있다. 또한, 이것이 후속 단계에서 유용한 경우, 이미지의 색상을 그레이스케일(계조)로 변환하는 것도 가능하다.

이어서, 이미지가 세그먼트로 세분할될 수 있어, 균질한 영역 예를 들면, 동일한 질감이나 동일한 색상을 갖는 영역이 공간 절감적인 방식으로 결합될 수 있게 한다.

이어서 특징 발췌(추출)가 후속한다. 대체로, 특징을 발췌하는 방법은 주로 가장 직관적인 또는 전문가의 오랜 세월의 전문적인 경험을 바탕으로 하는 방법이다. 중요한 특징은 특징 벡터로 더 처리될 수도 있다. 그림 내의 특징은 직선, 원호, 원, 타원, 또는 기하학적으로 묘사될 수 있는 다른 그룹일 수 있다. 창작자에 할당될 수 있는 특징은 복수의 이들 특징 또는 단일 특징으로 이루어질 수 있다.

발췌되는 특징 및 패턴은 후속 단계에서 분급(classify)된다. 즉, 분급 프로세스에 따른다. 분급기(classifier)라고도 하는 분급 방법은 발췌된 특징 및 패턴을 등급으로 분급한다. 분급 방법은 최신 기술로부터 알려져 있다. 수동, 자동, 수치적 및 비수치적 통계 및 분포 무관(distribution-free), 또는 짝수 차원 및 학습 방법등이 알려져 있다. 다른 방법도 알려져 있으므로, 상기 주어진 방법들로 제한적인 것으로 해석되지 않아야 한다. 본 예에서, 분급은 예를 들면, 베이즈(Bayes) 분급기의 도움으로 될 수 있다. 이 분급기는 각 특징을 최대의 확률과 관계있는 정확히 하나의 등급으로 할당한다.

실제의 이미지 분석은 이미지 인식이나 이미지 해석이 현재 일어나는 이 분급을 기초로 하여 이제 일어날 수 있다. 제1 단계에서, 관련있는 것만 가시적이고, 제2 단계에서, 서로 간의 특징들의 관계가 부가적으로 가중된다.

그에 따라 인식되고 분석된 특징은 데이터베이스 내에 존재하는 특징과 비교된다. 하나 또는 복수의 일치가 발견되면, 창작자의 이름에 덧붙여서, 그림의 창작자에 대한 추가의 정보를 갖는 연관된 데이터 세트가 생성될 수 있다.

본 발명의 다른 실시예에서, 디지털화 수단, 바람직하게는 스캐너의 해상도가 마음대로 조정될 수 있다. 이 방법에서, 문제의 공예품과 디지털화 동작에서 일어나는 결국 처리될 데이터의 양의 둘 모두를 고려하는 것이 가능하다.

예술가가 그 또는 그녀의 예술 작품을 창작할 때 복잡한 방식으로 작업하기를 선호한 결과로 가늘고 아마도 매우 가벼운 선작업을 하면, 가장 미세하고 가장 작은 세부가 디지털화되고 이어서 분석될 수 있도록 이미지 분석을 실행하기 위해 고 해상도 모드를 선택하는 것이 필요해진다. 예를 들면, 공예품이 큰 캔버스 상에 작은 수의 균일 색상의 사각형으로 이루어진 다른 경우에는, 공예품의 표현력은 높을 수 있지만 공예품을 디지털화함으로써 얻어진 정보는 비교적 작고 작은 데이터량으로 완전히 캡처될 수 있다.

발명의 다른 바람직한 실시예에서, 휴(Hough) 방법이 검사될 그림이나 검사될 그림의 일부분 내의 특징을 분석 및 판정하기 위해 사용된다. 휴 방법은 명칭이 동일한 변환 즉, 휴 변환을 바탕으로 한다. 그것은 직선, 타원 및 다른 기하학적인 오브젝트를 인식하는데 유용하다. 발견될 특징은 이들 오브젝트로 이루어지거나 그들 오브젝트로 구성된다. 또한, 휴 방법은 매우 강력하여, 혼탁한 이미지에서도 즉, 기하학적인 오브젝트가 명확한 방법으로 인식될 수 없는 이미지에서도 선의 구조가 식별될 수 있게 한다. 이들 수단에 의해, 복잡한 선뿐만 아니라, 선 세그먼트 및 다른 세그먼트 및 기하학적인 오브젝트의 부분들이 판정될 수 있다.

발명의 또 다른 특히 바람직한 실시예에서, 추가의 단계에서, 방법이 데이터 세트에 포함된 특징이나 특징의 일부분의 기준 특징을 판정하며, 특징의 기준 특징은 데이터베이스에 미리 저장되거나 상기 방법 동안 생성된다. 본 출원에서, 특징의 기준 특징은 특징으로부터 동일 특징을 수정함으로써 생성된다. 기준 특징과 특징 사이의 경미한 편차만이 사람의 눈에 의해 인식될 수 있다. 검사될 그림의 기준 특징을 판정함으로써, 항상 일어날 수 있는 특징의 경미하고 작은 편차가 인식될 수 있으므로, 창작자를 잘못 식별하는 오류를 회피할 수 있다. 물론, 예술가는 그 또는 그녀 자신의 특징적인 개인 트레이드마크를 갖고, 그 또는 그녀는 유사하거나 이상적으로는 거의 동일한 방식으로 특정의 형상을 항상 그리거나 물감칠한다. 그러나, 그려지거나 물감칠된 형상에 편차가 항상 존재하게 마련이다. 이들 편차는 인식되어야 하고, 경우에 따라서는 또한 검사될 그림의 특징으로 판정되어야 한다. 기준 특징은 이미지 처리 모듈의 도움으로 생성된다. 그러한 이미지 처리 모듈은 최신 기술로부터 알려져 있다. 예를 들면(그리고, 제한적으로 해석되지 않는), 개별 선, 곡선, 직선, 각도 또는 전체 기하학적인 도형도 조작되는데, 여기에서 특징 또는 특징의 일부분이 이들 조작의 시작점이다.

매우 간단한 예에서, 특징 또는 특징의 일부분이 확대나 축소만 되며, 그에 의해 하나 이상의 특징 또는 그 일부분이 처리되는 경우가 있을 것이다. 한편으로 특징의 일부분을 확대하고, 다른 한편으로 다른 부분을 축소하는 것도 가능하다.

본 발명의 또 다른 바람직한 실시예에서, 기준 특징이 문제의 특징 또는 특징의 적어도 일부를 신장하거나 압축함으로써 생성된다. 본 실시예에서, 상술한 발명의 마지막 실시예와 반대로, 특징이 더욱 강하게 이화된다(defamiliarized). 그러나, 그러한 조작은 검사될 그림의 현재의 이미지 도형으로 인해, 특징이 공예품의 창작에 필요한 압축이나 신장을 이루었다면, 긍정적인 결과를 가질 수도 있다. 또한, 특징이나 그 일부분의 이들 조작은 한 부분이 압축되는 한편 다른 부분이 신장되는 것을 의미할 수 있다.

본 발명의 또 다른 바람직한 실시예에서, 적어도 하나의 기준 특징이 선의 곡률을 변경함으로써 생성된다.

또 다른 실시예에서, 기준 특징은 문제의 특징의 적어도 2개의 선들 사이의 각도를 변경함으로써 생성된다.

실행되는 모든 이들 조작은 특징의 진짜 특질(genuine character)을 그 실제의 목적에 즉, 공예품의 창작자 할당(지정)에 더 이상 적합하지 않게 되는 범위까지 변경하지 않아야 한다. 그러나, 가능한 기준 특징을 생성하기 위해 다른 부가적인 조작이 특징에 나타나는 변경에 덧붙여 가능하다.

더욱이, 본 발명의 방법이 그림의 일부분 즉, 그림 발췌에만 적용될 수도 있음은 물론이다. 이 경우에, 검사될 그림의 일부분(발췌)만 디지털화된다. 이것은 특별한 "특징"이 매우 현저할 때의 경우일 수 있지만, 뷰어는 이 특별한 "특징"이 원작이거나 뷰어를 호도시키기 위한 위작인지를 완전히 확신하지 못한다.

이들 방법은 예를 들면, 적어도 하나의 디지털화 수단 -바람직하게는 스캐너, 정규화 모듈, 세그멘팅 모듈, 분급 모듈 및 데이터베이스 모듈을 포함하는 장치에서 실행될 수 있다. 또한, 적어도 하나의 저장 매체 및 적어도 하나의 데이터 처리 유닛이 그러한 장치에 가능하다.

본 발명에 의하면, 유사하게 미리 정해진 예술가의 세트에서 정해진 그림을 그 그림을 창작한 예술가에게 할당(지정)하는 장치 및 방법을 얻을 수 있다.

도 1은 본 발명 방법의 플로우차트이다.
도 2는 예시적인 설명으로, 직선을 참조하여 휴(Hough) 방법을 예시한 도면이다.
도 3은 색록(color edge)의 개략적인 표시이다.
도 4는 색상 변이(color transition)의 개략적인 표시이다.
도 5는 5개의 표시된 이미지 영역을 갖는 원작의 흑백 복제본이다.
도 5a 내지 도 5e는 도 5의 표시된 이미지를 도시하는 도면이다.
도 6은 5개의 표시된 이미지 영역을 갖는 추정 위작의 흑백 복제본이다.
도 6a 내지 도 6e는 도 6의 표시된 이미지를 도시하는 도면이다.
도 7은 예술가 맥스 클라렌바흐(Max Clarenbach)의 작품의 복제본이다.
도 7a는 도 7의 발췌물이다.
도 8은 예술가 맥스 클라렌바흐의 추정 위작의 복제본이다.
도 9는 색록, 색상 변이 및 붓놀림의 개략적인 표시이다.

도 1은 본 발명에 따르는, 그리고 그에 필요한 모듈의 사용 방법의 플로우차트이다. 제1 단계에서, 검사될 그림이 디지탈화 수단(1), 본 예에서는 고해상도 스캐너의 도움으로 디지털화된다. 스캔된 그림은 아마도 매우 저명한 예술가 XY의 모형 조형물이고, 그 마지막은 골동품 매치박스의 후면에 그려져 있다. 충분한 시간이 지나면서, 공예품은 상당히 시달려왔고, 또한 매치박스가 그 원래의 목적에 따라 이전부터 사용되어 왔다는 사실은 후면의 품질에 전해지지 않고 있다. 이러한 이유로, 매우 높은 해상도가 사용되고 있다. 이들 수단에 의해, 육안으로는 식별하기 어려운 개별 그림 오브젝트는 가능한 적은 세부가 손실되었던 방식으로 디지털화되어왔다. 고 해상도가 예컨대, 기판 상의 먼지로 인해, 잠재적인 흠집이 후속하는 방법에서 더 잘 인식되고 억제될 수 있도록 하기 위해 또한 사용된다. 고 해상도로 인해 막대한 양의 데이터가 생성되기 때문에, 작은 사이즈의 그림이 이 결함을 상쇄시킨다. 또한, 현재의 기술은 전체적으로 대량의 데이터를 효율적으로 저장 및 관리할 수 있다. 이어서, 이미지는 정규화 모듈(2)의 도움으로 정규화된다. 이것은 데이터베이스(5)에 존재하는 패턴으로 밝혀지는 각각의 특징의 비교 가능성을 향상시키는 역할을 한다. 데이터베이스(5)에 존재하는 패턴들도 또한 정규화되므로, 적어도 개별 특징의 사이즈 비는 유사하다. 예술가는 항상 그 또는 그녀를 특징짓는 움직임을 실행하여 매우 동일한 방식으로 그 움직임 자체를 화법으로 나타냄으로써, 이들 움직임의 결과의 구조 및 사이즈가 대부분의 경우에 유사하게 된다.

본 예에서는, 이미지는 후속 단계에서 세그먼트로 세분할된다. 본 경우에는, 이것은 그림이 4개의 특징, 즉, 선, 원, 하트 및 태양으로 주로 이루어지므로, 완전히 적합하다. 이 방식으로 반드시 행해질 필요는 없지만 적절한 방법으로 그림을 세그먼트로 세분할함으로써, 각 그림 세그먼트에 대해 정확히 하나의 특징이 존재하게 된다. 이들 단계들을 실행하는 모듈은 세그먼팅 모듈(3)이라고 칭해진다.

발견된 특징은 이제 등급(classes)으로 분급되는데, 여기에서 등급들은 각각의 분류 모듈(4)에서 실행되는 분급 방법에 의해 최대의 확률과 관계가 있다. 선은 따라서 {선}의 등급에 할당되고, 원은 {원}의 등급에 할당된다. 그러나, 하트 및 태양은 데이터베이스 내에 등급으로 저장되지 않을지도 모르고 결국 발견되지 않을 것이다. 이제 특징들이 잘못된 등급에 할당될 위험성이 있다. 예를 들어, 하트가 {삼각형}의 등급 또는 {변형된 삼각형}의 등급에 할당될 수 있다. 그러나, 하트의 오브젝트가 발견될 예술가의 특징인 경우, 그것은 전부 {하트}의 등급으로서 데이터베이스에 그리고 잘못된 등급 즉, {변형된 삼각형}의 등급인 경우 동일한 데이터베이스에 십중팔구 또한 저장된다. 이것은 데이터베이스에 존재하는 특징이 당연한 일로서 분급기(4)에 의해 자신의 등급으로 또한 할당되었기 때문에, 동일성 또는 큰 유사성의 경우에, 분급기(4)는 일반적으로 동일한 분급을 실행한다. 오브젝트 하트의 부분들만 특징으로 식별될 경우, 그들 부분은 적절한 등급에 할당된다. 하트는 인접한 직선을 갖는 타원체 세그먼트로 세분할될 수 있다. 태양은 쉽게 이해될 수 있는 바와 같이, 원과 다수의 인접한 삼각형으로 세분할될 수 있다. 이들 세분할은 그들의 적절한 등급에 할당된다. 삼각형이 일정한 특징적인 방법으로 그려지면, 대응하는 패턴이 데이터베이스에 존재하게 되고, 언제나 거기에서 발견될 것이다.

특징의 패턴을 보유하는 데이터베이스(5)는 임의의 시판되고 있는 데이터베이스일 수 있다. 필수적인 것은 비교될 특징을 제공하는 각각의 모듈에의 인터페이스의 제공이다. 본 예에서 사용되는 데이터베이스(5)는 특히 아래의 4개의 특징 즉, 선, 별, 이중 화살표 및 하트를 포함한다. 데이터베이스로부터의 하트는 검사되는 그림에서 발견될 수 있는 하트와 거의 같다. 검사될 그림에서 태양은 데이터베이스에서 발견되는 태양과 큰 유사성을 갖는다. 그러나, 그들이 동일하지 않기 때문에, 오브젝트 태양(여기에서 도시하지 않음)을 그 후 데이터베이스(5)의 특징과 비교되는 그 구성 성분으로 더욱 세분할하기 위해 중간 단계가 사용된다. 이것에 의해, 데이터베이스 내의 태양과 검사될 그림 내의 태양의 연관성이 확인될 수 있다. 데이터베이스(5)에서 원 오브젝트에 대한 매치가 존재하지 않는다. 데이터베이스(5)에서 발견되는 모든 특징이 동일한 창작자를 나타내기 때문에, 본 예에 대한 결과는 명백하였다. 예술가는 실제로 예술가 XY였다. 결과(6)의 생성에는 데이터베이스(5)에 또한 존재하는 추가의 정보가 덧붙여져 있어, 쿼리(Query,문의)가 예술가를 판정할 뿐만 아니라 작품에 대한 추가의 정보 및 예술가의 영향력을 제공하고, 이 정보를 디스플레이 스크린과 같은 출력 모듈을 통해 또는 종이로 출력한다.

도 2는 직선을 참조하여 휴(Hough) 방법을 예시적인 방법으로 설명한다. 빈 박스(픽셀)는 백색과 같은 하나의 색상으로 되어 있고, X(픽셀)로 표시된 박스는 흑색과 같은 다른 색상으로 되어 있다. 사람의 눈은 픽셀이 모두 동일한 사이즈가 아니더라도, 제시된 발췌에서 체크 표시(tick)를 쉽게 인식한다. 체크 표시는 서로 접촉하는 2개의 직선으로 이루어질 수 있다. 직선은 좌표계의 원점으로부터의 수직 거리 r 및 대응하는 연계선과 좌표축 사이의 각도 φ에 의해 수학적으로 정의될 수 있다. 그림의 픽셀로의 세분할은 본 목적에 적합한 좌표계이고, 좌표계의 원점은 하부 좌측 코너에 있으며, 수평은 값 x(i)를 갖고 수직은 값 y(i)를 갖는다(i는 연속된 자연수이다). 도 2에 도시된 발췌물은 수평 방향으로 13개의 픽셀을 가지므로, i는 1에서 13까지의 값 즉, x(1), x(2), …, x(13)을 갖는다. 수직 방향으로 12개의 픽셀을 볼 수 있는데, 그 이유는 i에 대해 1 내지 12 의 값, 즉, y(1), y(2), …, y(12)가 존재하기 때문이다. 사람의 눈으로 쉽게 인식 가능한 직선은 값 쌍들 {x(2),y(10)}, {x(3),y(9)}, {x(4),y(8)}, {x(5),y(7)}, {x(6),y(6)}, {x(7), y(5)}, {x(8),y(4)}, {x(9), y(3)}을 갖는 픽셀을 가로질러 연장하고, 그 위에서 직선은 상이한 방향으로 방향을 바꾼다. 추가의 픽셀들은 본 발췌에서 채색된다 즉, X로 나타난다. 이 직선은 값 쌍 (r, φ)의 열로 표현될 수 있다. 모든 값 조합 (r, φ)는 거기에 나타나는 픽셀이 모두 동일한 색상인지의 여부에 관해 간단히 체크된다. 이 색상이 이들 픽셀의 주위의 색상과 상이하면, 직선은 가시적이고 뷰어(viewer)에게 그림 내의 직선을 나타낸다. 이들 수단에 의해, 그림 내에 제공되는 모든 직선이 발견될 수 있다. 다른 기하학적인 형상이 다른 수학적인 공식에 의해 통제되지만, 동일한 방법으로 역시 발견되고 판정될 수도 있다. 직선이 폭에서 하나의 픽셀로 제한되지 않으면, 인접한 픽셀이 또한 직선으로서 또는 직선의 일부분으로서 인식된다. 이것은 2개의 직접적으로 인접하여 접촉하는 직선이 뷰어에 의해 넓은 직선으로 인식되기 때문이다. 공간 없이 인접하는 이들 직선의 수가 많을수록, 그림 내의 선으로서 뷰어에 의해 보여지는 직선이 더 두꺼워진다.

도 3은 색록의 개략적인 표시이며, 색조 백색 및 흑색 각각이 영역을 채운다. 흑색의 색상 영역이 값 x1에서 시작하여 x2, 색록에서 종료한다. 백색 색상 영역은 x2에서 시작하여 x3에서 종료한다. RGB 색상 공간에서 값들의 전개가 아래에 또한 개략적으로 도시되며, 여기에서 (굵게 나타낸 세 자리로 된 RBG 수에서) R값만이 x에 대한 값으로 나타내는 색상 영역의 길이로 도시된다. RGB 색상 공간에서, 백색 영역은 자신과 연관된 RGB 코드 (255,255,255)를 갖고, 흑색 영역은 자신과 연관된 RGB 코드 (0,0,0)을 갖는다. 곡선 전개는 비교적 간단한다. 흑색 색상 영역은, 이 영역에서 곡선이 일정하고 연속적인 그 전체 길이에 대해 RGB 값 (0,0,0)을 갖는다. 색록에서, 길이 값 x2에서, 불연속점이 존재한다. 전체 백색 영역에서, 곡선은 즉, 다시 일정하고 연속적인 RGB 값 (255,255,255)를 갖는다. 그러한 곡선 전개는 특징으로서 그에 따라 데이터베이스에 데이터 세트로서 저장될 수 있다. 물론 허용 오차가 또한 부가 정보로서 데이터 세트내에 저장될 수 있으므로, 데이터베이스 내에 저장된 특징으로부터 검사될 그림 내의 특징의 작은 편차가 인식된다.

도 4는 색상 변이의 개략적인 표시이다. 색상 변이는 좌측에서 우측으로 나타나는 바와 같이 백색에서 흑색으로의 변이로서 도시된다. 색상 변이는 그레이스케일(계조)를 통해 연속적으로 진행한다. RGB 색상 공간에서의 값들의 전개가 또한 아래에 개략적으로 도시되며, 여기에서 (굵게 나타낸 세 자리로 된 RGB 수에서) R값만이 길이 x를 따라 도시된다. RGB 값은 (0,0,0)에서 (255,255,255)로 연속적으로 값이 변한다. 이 경우에, 곡선 전개는 아래 식에 따라 선형 그레디언트(linear gradient)를 갖는 직선이다:

R = a*x,

여기에서, a는 곡선의 그레디언트이다.

그러한 곡선 전개는 특징으로서 그에 따라 데이터베이스에 데이터 세트로서 저장될 수 있다. 물론 허용 오차가 또한 이 경우에 데이터 세트내에 부가 정보로서 포함될 수도 있으므로, 데이터베이스 내에 저장된 특징으로부터 검사될 그림 내의 특징의 작은 편차가 인식된다.

도 5 및 도 6은 3개의 그림으로부터의 여러 가지 발췌를 도시하며, 여기에서, 원작과 추정 위작 사이의 차이는 예시적인 설명의 도움으로 명백하게 될 것이다.

1963년에 조 게오르게 뮐러(Joh. George Muller)에 의해 그려진 원작 그림 Stahlrohr(금속 튜브)와 동일한 테마를 다루는 추정 위작은 실시예를 참조하여 본 발명의 방법을 설명하는 역할을 한다. 이러한 목적으로, 원작(번호 2009 03 17-3으로 표시됨) 및 이 예술가의 원작 특징의 특정 부분이 디지털화되었다. 전체적으로 보면, 5개의 특징적인 영역이 백색 사각 프레임으로 나타나 있다. 또한, 그들 각각은 혼동을 방지하기 위해 번호 코드가 부여되어 있다. 번호 코드는:

? 2009 03 17 -3-001,

? 2009 03 17 -3-002,

? 2009 03 17 -3-003,

? 2009 03 17 -3-004, 및

? 2009 03 17 -3-005

이다.

2개의 추정 위작이 동일한 방법으로 다루어져 있다. 식별 코드 2009 03 17 -2를 갖는 그림에서, 그리고 식별 코드 2009 03 17- 3-1을 갖는 그림에서, 다시 5개의 그림 영역이 사각형 프레임으로 강조(highlighted)되어 있다. 이들 그림 영역은 그러나, 원작 그림의 특징적인 영역과 필적하게 되도록 특별히 선택되어 있다. 사용된 식별 코드는 아래의:

? 2009 03 17 -2-001,

? 2009 03 17 -2-002,

? 2009 03 17 -2-003,

? 2009 03 17 -2-004, 및

? 2009 03 17 -2-005

이다.

도 5의 원작 그림에서, 아래의 5개의 그림 발췌는 백색 프레임으로 나타내고 있다:

1. 도 5a는 색조(color tint) 오렌지색, 백색, 회색, 자색, 흑색 및 황토색의 양식화된 튜브와 이들 색조의 여러 가지 중간 색조(shade)를 도시하는 그림의 하부 우측 사분면의 그림 발췌(식별 코드 2009 03 17 -3-001)이다. 이 그림 발췌에서, 흑색 수평선에서 종료하는 어두운 영역에서 밝은 영역으로의 색상 변이가 특히 예술가의 기법에서의 특징이며, 그에 따라 데이터베이스에 저장되는 특징이다. 상부에서 하부로의 색상 변이는 어두운 색조(흑색)에서 밝은 색조(황-백색)으로 연속적으로 변화한다. 이 정도의 정밀도를 갖는 색상 변이를 생성하기 위해서는, 특별한 기술 및 예술적인 재능을 필요로 할 뿐만 아니라 정교한 기법이 필요하다. 그러한 연속적인 변이는 RGB 색상 공간에서의 기능에 의해 정확한 방법으로 또한 연속적인 전개로 표현될 수 있고, 그에 따라 쉽게 디지털화될 수 있다.

2. 도 5b는 또한 하부 우측 사분면에서, 그러나 첫 번째 그림 발췌의 좌측에서 전체적으로 흑색이고 중간을 향해 변위된 그림 발췌를 도시한다. 이 발췌에서, 예술가의 화법 특징은 가시적이고, 여기에서는 균일한 색상 밀도로 반영된다. 다시, 이것은 수학적인 함수에 의해 묘사될 수 있다.

3. 도 5c: 이 그림 발췌는 예술가가 색상 변이를 생성했던 다른 예를 도시한다. 그림 발췌는 그림의 하부 좌측 사분면이고 튜브의 표면에서 그림자가 어떻게 플레이하는지를 도시한다. 동일한 것을 도 5a에 도시된 그림 발췌에 대해 적용한다. 즉, 수학적인 함수의 도움으로 색상 변이를 쉽게 설명할 수 있다. 이 함수는 모든 RGB 값이 완만하고 연속적인 방식으로 변화하기 때문에, 3차원 RGB 공간에서의 적절한 선형 곡선이다.

4. 도 5d: 네 번째 그림 발췌는 그림의 상부 좌측 사분면이고 상이한 색상 영역을 분리하는 색록의 예술가의 처리를 도시한다. 각 장소에서 색상 영역은 각 색상 영역의 색조(tint)로 신중하게 변화하는 색록에 의해 분리된다. 색상 영역 자체는 도 5b에 앞서 도시된 바와 같이 도처에 동일한 색조를 갖는다. 이들 특징 즉, 그 색조가 인접한 그림 영역에 대응하는 색록에 의해 분리된 균일하게 채색된 그림 영역이 예술가의 그림 예술의 추가의 특징이다.

제1 색상 영역의 RGB 값과 제2 색상 영역의 RGB 값은 그들 각각의 색상 영역의 각가 내에서 일정하다. 그러나, RGB 값은 색록에서 급격하게 변화한다. 이것을 설명하는 수학적인 함수가 이 장소에서 불연속성을 갖는다.

5. 도 5e: 그림의 상부 우측 사분면으로부터의 다섯 번째 그림 발췌는 튜브의 세이딩(shading)을 도시하며, 그에 따라 예술가가 명(bright)에서 암(dark)로의 색상 변이의 도움으로 그림자 플레이의 일루전(illusion)을 생성하는 방법을 상당히 명확히 예시한다.

이들 5개의 그림 발췌는 예술가 J. G. 뮐러의 여러 가지 특징을 포함하는 데이터베이스에 저장되는 데이터 세트의 일부분, 즉, 색록의 구조, 색상 변이의 구조 및 색상 영역 전반에 걸쳐 균일한 색조를 보증하는 화법이다. 본 예에서는, 따라서, 상기 언급한 5개의 그림 발췌가 특징의 예로서 데이터베이스에 저장된다.

도 6은 진위가 검사될 예술가 J. G. 뮐러에 의한 공예품의 추정 위작의 복제본을 도시한다. 다시, 5개의 그림 영역이 예를 들어, 스캔된 후에, 본 발명에 따르는 방법의 도움으로 데이터베이스에 저장된 예술가의 특징과 비교된다. 물론, 그림을 전체로서 다루거나, 프로그램의 도움으로 랜덤 세그먼트로 세분할함으로써 이 절차를 자동으로 하는 것도 또한 가능하다. 이들 세그먼트는 그 후 본 발명의 도움으로 가능한 특징에 대해 개별적으로 검사된다.

도 6a는 추정 위작의 제1의 특징적인 그림 영역(2009 03 17 -2-001)을 도시한다. 전체 그림을 볼 때, 색록은 황-녹색 색상 영역으로부터 황색 색상 영역을 분리하는 그림 영역에서 뷰어에 의해 인식된다. 그러나, 색록은 예술가 J. G. 뮐러에 의한 그림에서와 동일한 방법으로 2개의 색상 영역을 분리하지 않는다. 오히려, 색록 자체가 인접하는 색상 영역보다 더 진한 색조(tint)를 가지며, 자체 내의 인접한 녹색 색상 띠(strip)가 균일한 채색을 나타내지 않는다. 데이터베이스에 저장된 데이터 세트와의 비교는 여기에 제시된 데이터 세트와의 긍정적인 일치를 결과로 나타내지는 않는다. 이 경우에, 특징으로서의 색록으로 인해, 2개의 분리된 색상 영역이 전체에 걸쳐 동일한 색조를 갖는다. 이것은 상술한 선택 기준을 갖는 함수에 의해 설명될 수 없다.

도 6b는 튜브의 표면 상의 그림자 플레이를 도시한다. 이 발췌는 도 5c의 것과 매우 유사하지만, 색조가 점진적으로 변화하는 것이 아니라 변이가 더욱 급격하다. RGB 색상 공간에서의 대략적으로 선형 곡선으로서 이것을 설명하는 것은 지극히 불가능하다. 따라서, 특징이 이 그림 발췌와 연관될 수 있는 데이터베이스에서 발견될 수 없다.

도 6c 및 도 6d는 색록을 도시한다. 여기에 도시된 표시가 도 5a의 그림 발췌의 것과 비교되면, 이 경우에도, 색록의 구조의 특징이 데이터베이스에 저장된 특징과 일치하지 않는다.

도 6e는 색상 변이를 도시한다. 상기와 동일한 것이 적용된다.

상기 도시된 그림 발췌 및 원작과 추정 위작의 비교는 그림의 창작자가 본 발명의 방법의 도움으로 어떻게 판정 또는 부정될 수 있는지를 인상적인 방법으로 도시한다.

도 7 및 도 7a는 1880년에 노이스(Neuss)에서 태어나서 1952년에 위틀라에(Wittlaer)에서 사망한 예술가 막스 클라렌바흐에 의한 작품의 복제본을 도시한다. 막스 클라렌바흐는 독일 화가이자 뒤셀도르프에서의 "손더번드(Sonderbund)"의 공동 창립자이었다. 그의 미묘한 회화 방법은 주로 인상파 화가에 의해 영향을 받았다. 제시된 복제본 및 연관된 발췌는 눈으로 덮여진 강 풍경을 도시하는 풍경화이다. 이 그림은 예술가가 자신의 붓놀림 및 화법으로 어떻게 식별될 수 있는지를 인상적인 방법으로 도시한다. 일정하게 반복되는 붓놀림, 반원 형태 및 에너지의 충만, 아마 좌측에서 우측으로 행해져서 우측편에 물감의 축적으로 종료하는 것을 여기에서 명확히 볼 수 있다.

도 8은 예술가 M. 클라렌바흐의 화법 기법의 추정 위작을 도시한다. 하늘을 더욱 가까이 검사하면, 의심할 필요 없이 이 그림의 창작자가 다른 방법으로, 즉, 항상 좌측에서 우측으로가 아닌 상부에서 하부로 자신의 붓놀림을 행한 것을 알 수 있다. 또한, 개별 붓놀림은 특징적인 곡선 및 그에 의해 생성된 물감의 축적을 나타내지 않는다.

도 9는 가능한 특징 색록, 색상 변이 및 붓놀림 사이의 다른 가능한 비교를 도시한다.

Claims (14)

1. 그림의 창작자를 판정하는 방법으로서, 상기 방법은 적어도,
   a) 디지털화 수단, 특히 스캐너의 도움으로 검사될 그림 또는 검사될 그림의 부분을 적어도 하나의 데이터 세트로 전송하는 단계, 및
   b) 상기 데이터 세트(들)를 분석하여, 특징들 또는 특징들의 부분들, 특히 디지털화된 형태로 상기 데이터 세트에 포함되는 점들 또는 선들 또는 점 또는 선 그룹들 또는 패턴들을 판정하는 단계?여기서, 검사될 상기 특징들은 데이터베이스에 저장됨?;
   를 포함하며,
   상기 데이터베이스는 이들 저장된 특징들의 각각에 대해 부가적인 연관된 데이터 세트를 포함하는 것을 특징으로 하는 그림의 창작자를 판정하는 방법.
2. 제1항에 있어서, 상기 디지털화 수단의 해상도는 자유롭게 조정 가능한 것을 특징으로 하는 그림의 창작자를 판정하는 방법.
3. 선행 청구항 중 어느 한 항에 있어서,
   검사될 상기 그림의 특징들 또는 검사될 상기 그림의 부분들을 분석 및 판정하기 위해 휴(Hough) 방법이 사용되는 것을 특징으로 하는 그림의 창작자를 판정하는 방법.
4. 선행 청구항 중 어느 한 항에 있어서,
   상기 데이터 세트에 포함된 상기 특징들 또는 상기 특징들의 부분들 중 적어도 하나의 기준 특징들을 판정하는 단계를 더 포함하고,
   상기 특징들의 기준 특징들은 상기 데이터베이스에 미리 저장되거나 본 방법 동안 생성되는 것을 특징으로 하는 그림의 창작자를 판정하는 방법.
5. 선행 청구항 중 어느 한 항에 있어서,
   상기 기준 특징들은 상기 특징들 또는 상기 특징들의 부분들 중 적어도 하나를 조작함으로써 생성되는 것을 특징으로 하는 그림의 창작자를 판정하는 방법.
6. 선행 청구항 중 어느 한 항에 있어서,
   적어도 하나의 기준 특징이 문제의 특징 또는 상기 특징의 적어도 일부의 확대나 축소에 의해 상기 특징으로부터 생성되는 것을 특징으로 하는 그림의 창작자를 판정하는 방법.
7. 선행 청구항 중 어느 한 항에 있어서,
   적어도 하나의 기준 특징이 문제의 특징 또는 상기 특징의 적어도 일부의 신장이나 압축에 의해 상기 특징으로부터 생성되는 것을 특징으로 하는 그림의 창작자를 판정하는 방법.
8. 선행 청구항 중 어느 한 항에 있어서,
   적어도 하나의 기준 특징이 문제의 특징의 선 또는 상기 특징의 선의 적어도 일부의 곡률을 변경함으로써 상기 특징으로부터 생성되는 것을 특징으로 하는 그림의 창작자를 판정하는 방법.
9. 선행 청구항 중 어느 한 항에 있어서,
   적어도 하나의 기준 특징이 문제의 상기 특징의 적어도 2개의 선들 사이의 각도를 변경함으로써 상기 특징으로부터 생성되는 것을 특징으로 하는 그림의 창작자를 판정하는 방법.
10. 제1항 내지 제9항 중 어느 한 항에 따라 동작하는 그림의 창작자를 판정하는 장치로서,
    상기 장치는 적어도 하나의 디지털화 수단(1), 정규화 모듈(2), 세그먼팅 모듈(3), 분급 모듈(4) 및 데이터베이스 모듈(5)을 포함하는 것을 특징으로 하는 그림의 창작자를 판정하는 장치.
11. 적어도 하나의 데이터 처리 유닛, 적어도 하나의 메모리, 적어도 하나의 디지털화 수단(1), 정규화 모듈(2), 세그먼팅 모듈(3), 분급 모듈(4) 및 데이터베이스 모듈(5)을 포함하는 컴퓨터 시스템으로서,
    상기 데이터 처리 유닛은 제1항 내지 제9항 중 어느 한 항에 따르는 방법에 따라 동작하는 방식으로 설치된 프로그램을 갖는 것을 특징으로 하는 컴퓨터 시스템.
12. 제1항 내지 제9항 중 어느 한 항에 따르는 방법을 실행하도록 적용된 명령들을 포함하는 컴퓨터 프로그램.
13. 컴퓨터 프로그램 코드 수단을 갖는 컴퓨터로 판독 가능한 매체를 포함하는 컴퓨터 프로그램 제품으로서,
    컴퓨터 프로그램의 각 로딩 후에, 제1항 내지 제9항 중 어느 한 항에 따르는 방법을 상기 프로그램에 의해 컴퓨터가 실행하게 하는 컴퓨터 프로그램 제품.
14. 전자 반송 신호 상에 컴퓨터 프로그램을 포함하는 컴퓨터 프로그램 제품으로서,
    컴퓨터 프로그램의 각 로딩 후에, 제1항 내지 제9항 중 어느 한 항에 따르는 방법을 상기 프로그램에 의해 컴퓨터가 실행하게 하는 컴퓨터 프로그램 제품.

Images