Pursuing automated classification of historic photographic papers from raking light photomicrographs

International audience; Surface texture is a critical feature in the manufacture, marketing, and use of photographic paper. Raking light reveals texture through a stark rendering of highlights and shadows. Though close-up raking light images effectively document surface features of photographic paper, the sheer number and diversity of textures used for historic papers prohibits efficient visual classification. This work provides evidence that automatic, computer-based classification of texture documented with raking light is feasible by demonstrating an encouraging degree of success sorting a set of 120 images made from samples of historic silver gelatin paper. Using this dataset, four university teams applied different image-processing strategies for automatic feature extraction and degree of similarity quantification.All four approaches successfully detected strong affinities and outliers built into the dataset. The creation and deployment of the algorithms was carried out by the teams without prior knowledge of the distributions of similarities and outliers.These results indicate that automatic classification of silver gelatin photographic paper based on close-up texture images is feasible and should be pursued. To encourage the development of other classification schemes, the 120-sample “training” dataset used in this work is available to other academic researchers at http://www.PaperTextureID.org.; La textura superficial es un rasgo crítico en la manufactura, comercialización y uso de papel fotográfico. La luz rasante revela la textura a través de una representación nítida de áreas luminosas y sombras. A pesar de que las imágenes con luz rasante documentan efectivamente las características superficiales del papel fotográfico, la cantidad misma y la diversidad de texturas usadas en papeles históricos hace imposible una clasificación visual eficiente. Este trabajo proporciona evidencias de que la clasificación automática de la textura documentada con luz rasante, realizada por computadora es factible al demostrar un motivante grado de éxito al clasificar un grupo de 120 imágenes hechas de muestras de papel histórico de gelatina de plata. Usando esta base de datos, cuatro equipos universitarios aplicaron diferentes estrategias de procesamiento de imágenes para la extracción automática de rasgos y cuantificación del grado de similitud. Las cuatro estrategias detectaron con éxito afinidades fuertes así como los casos atípicos incluidos en la base de datos. Los equipos crearon y usaron algoritmos sin conocimiento previo de las similitudes y los casos lejanos al promedio. Estos resultados indican que la clasificación automática de papel fotográfico de gelatina de plata basada en imágenes que muestran acercamientos de la textura es viable y debería realizarse. Para incentivar el desarrollo de otros esquemas de clasificación el grupo de 120 muestras de “entrenamiento” usado en este trabajo está disponible para otros investigadores en http://www.PaperTextureID.org.; La texture de la surface du papier photographique est une caractéristique essentielle de sa fabrication, de sa commercialisation et de son utilisation. La lumière rasante révèle la texture du papier par un rendu saisissant des lumières et des ombres. Bien que les gros plans en lumière rasante documentent efficacement les caractéristiques de la surface des papiers photographiques, le nombre et la diversité des textures des papiers historiques empêchent une classification visuelle efficace. Le présent travail démontre que la classification automatique par ordinateur de textures documentées avec une lumière rasante est possible, en démontrant un degré encourageant de succès dans le tri d'un ensemble de 120 images réalisées à partir d'échantillons de papiers historiques au gélatino-bromure d'argent. À partir de ce groupe d'images, quatre équipes universitaires ont appliqué différentes stratégies de traitement d'image afin d'extraire automatiquement des caractéristiques et de quantifier le degré de similitude des papiers. Les quatre approches ont chacune réussi à détecter de fortes affinités, ainsi que des images avec caractéristique aberrante intégrées dans le groupe. La création et le déploiement des algorithmes ont été réalisés par les équipes sans connaissance préalable de la répartition des similitudes et des images aberrantes. Ces résultats indiquent que la classification automatique des papiers photographiques au gélatino-bromure d'argent basée sur des gros plans de texture est possible et doit être poursuivie. Pour encourager le développement d'autres systèmes de classification, les données des 120 échantillons utilisées dans ce travail sont mises à la disposition d'autres chercheurs scientifiques à l'adresse suivante: http://www.PaperTextureID.org.