Imágenes multiespectrales aplicadas al análisis forense de documentos

Contenido principal del artículo

Gaston Gerardo Narcotti

Resumen

Este trabajo presenta un enfoque de bajo costo para la adquisición y el análisis de imágenes multiespectrales aplicadas al examen forense de documentos. A diferencia de los sistemas convencionales basados ​​en cámaras hiperespectrales especializadas y costosas, la metodología propuesta emplea la cámara  modificada de un teléfono inteligente que opera en modo de espectro completo, combinada con un conjunto de filtros de paso de banda estrecha para capturar bandas espectrales discretas que abarcan desde la región visible hasta la del infrarrojo cercano. Se describe un flujo de trabajo completo, que incluye la adquisición de imágenes, la calibración radiométrica mediante un modelo de corrección polinómica, la selección de canales a partir de datos RAW, el registro de imágenes y la construcción del cubo de datos multiespectrales. El conjunto de datos resultante se procesa utilizando herramientas de software de código abierto, lo que permite tanto la visualización como el análisis de la información espectral. El estudio se centra en técnicas analíticas prácticas y accesibles, como la extracción de curvas de reflectancia y métodos de clasificación supervisados ​​y no supervisados, para diferenciar tintas, sustratos y características de los documentos. Los resultados experimentales demuestran que, a pesar de las limitaciones en la resolución espectral, el sistema propuesto es capaz de revelar diferencias entre materiales visualmente similares, lo que respalda su aplicabilidad en escenarios forenses. La metodología propuesta ofrece una alternativa rentable que facilita la adopción de técnicas de imagen multiespectral en el análisis forense de documentos, ampliando su accesibilidad más allá de los laboratorios especializados.

##plugins.themes.bootstrap3.displayStats.downloads##

##plugins.themes.bootstrap3.displayStats.noStats##

Detalles del artículo

Sección

Investigación especializada

Cómo citar

1.
Narcotti GG. Imágenes multiespectrales aplicadas al análisis forense de documentos. ReCiF [Internet]. 30 de octubre de 2026 [citado 31 de octubre de 2026];5(2). Disponible en: https://recif.unam.mx/index.php/revista/article/view/229

Referencias

1. Gowen AA, O’Donnell CP, Cullen PJ, Downey G, Frias JM. Recent applications of chemical imaging to pharmaceutical process monitoring and quality control. Eur J Pharm Biopharm. 2008;69(1):10–22. doi:10.1016/j.ejpb.2007.10.013

2. Exline DL, et al. Forensic applications of chemical imaging: latent fingerprint detection using visible absorption and luminescence. J Forensic Sci. 2003;48(5):2002333.

3. Jordan J, Angelopoulou E, Maier A. A novel framework for interactive visualization and analysis of hyperspectral image data. J Electr Comput Eng. 2016;2016:2635124. doi:10.1155/2016/2635124

4. Kise M, et al. Multispectral imaging system with interchangeable filter design. Comput Electron Agric. 2010;72(2):61–68. doi:10.1016/j.compag.2010.02.005

5. Edelman GJ, et al. Hyperspectral imaging for non-contact analysis of forensic traces. Forensic Sci Int. 2012;223(1-3):28–39. doi:10.1016/j.forsciint.2012.09.012

6. Tucker CJ. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sens Environ. 1979;8(2):127–150.

7. Xue J, Su B. Significant remote sensing vegetation indices: a review of developments and applications. J Sens. 2017;2017:1–17.

8. Gowen AA, O’Donnell CP, Cullen PJ, Downey G, Frias JM. Hyperspectral imaging—an emerging process analytical tool for food quality and safety control. Trends Food Sci Technol. 2007;18(12):590–598.

9. Qin J, Burks TF, Zhao X, Niphadkar N, Ritenour MA, Bonn WG. Detection of citrus canker using hyperspectral reflectance imaging with spectral information divergence. J Food Eng. 2009;93(2):183–191.

10. Delaney JK, Zeibel JG, Thoury M, Littleton R, Palmer M, Morales KM, et al. Visible and infrared imaging spectroscopy of Picasso’s Harlequin Musician: mapping and identification of artist materials in situ. Appl Spectrosc. 2010;64(6):584–594.

11. Liang H. Advances in multispectral and hyperspectral imaging for archaeology and art conservation. Appl Phys A. 2012;106(2):309–323.

12. Klein J, Hill B, Merhof D. Multispectral imaging: aberrations and acquisitions from different viewing positions. In: Proceedings of the IEEE International Conference on Image Processing (ICIP). 2016.

13. Klein M, Aalderink B, Padoan R, De Bruin G, Steemers T. Quantitative hyperspectral reflectance imaging. Sensors. 2008;8(9):5576–5618.

14. Lapray PJ, Wang X, Thomas JB, Gouton P. Multispectral filter arrays: recent advances and practical implementation. Sensors. 2014;14(11):21626–21659.

15. Cosentino A. Multispectral imaging of pigments with a digital camera and 12 interferential filters. e-Preserv Sci. 2015;12:1–7. 16. Imai FH, Berns RS. Spectral estimation using trichromatic digital cameras. Proc SPIE. 1999;3648:42–49. doi:10.1117/12.336597

17. Hashimoto M, Kishimoto J. Two-shot type 6-band still image capturing system using commercial digital camera and custom color filter. In: Proc Colour Graphics Imaging Vis. 2008;4(1):538–541.

18. Dichter DW. Low-cost visible light spectral imaging. J Int Colour Assoc. 2021;27.

19. Czempiel T, Roddan A, Leiloglou M, Hu Z, O'Neill K, Anichini G, et al. RGB to hyperspectral: spectral reconstruction for enhanced surgical imaging. Healthc Technol Lett. 2024;11(6):307–317. doi:10.1049/htl2.12098

20. Rueda H, Lau D, Arce GR. Multispectral compressive snapshot imaging using RGB image sensors. Opt Express. 2015;23(9):12207. doi:10.1364/OE.23.012207

21. Tiuftiakov NY, Kalinichev AV, Khairullina E, Gigiadze EK, Peshkova MA, Tumkin II. Simple and cost-efficient classification of ballpoint pen inks using digital color analysis. Anal Chem. 2021;93(12):5015–5019.

22. Bennett EP, Mason JL, McMillan L. Multispectral bilateral video fusion. IEEE Trans Image Process. 2007;16:1185–1194.

23. Ormaechea O, Villazón A, Escalera R. A spectrometer based on smartphones and a low-cost kit for transmittance and absorbance measurements in real time. Opt Pura Apl. 2017;50(3):239–249.

24. Gao J, Wang H, Guo S, Chen S, Zhou X, Chen Q, et al. Development of a smartphone-based multispectral imaging system and its performance validation through radiodermatitis assessment. Appl Opt. 2025;64(12):3158.

25. Ding H, Chen C, Zhao H, Yue Y, Han C. Smartphone-based multispectral imager and its potential for point-of-care testing. Analyst. 2019;144(14):4380–4385.

26. Stuart MB, Davies M, Hobbs MJ, Boone NA, Stanger LR, et al. Low-cost hyperspectral imaging with a smartphone. J Imaging. 2021;7(8):136.

27. Dissanayake D, Herath V, Godaliyadda GMR, Ekanayake MP, Bandara C, Prabhath GW. Design of a multispectral imaging system for industrial applications. 2019. doi:10.13140/RG.2.2.36834.68800

28. Bianco G, Bruno F, Muzzupappa M. Multispectral data cube acquisition of aligned images for document analysis using a filter-wheel camera with focus control. J Cult Herit. 2013;14(3):190–200.

29. Reinhard E, Ward G, Pattanaik S, Debevec P. High dynamic range imaging: acquisition, display, and image-based lighting. 2nd ed. Morgan Kaufmann; 2010.

30. Matasaru C. Mobile phone camera possibilities for spectral imaging [Internet]. Itä-Suomen yliopisto; 2014 [cited 2026 Apr 4]. Available from: https://erepo.uef.fi/handle/123456789/14467.

Artículos similares

También puede Iniciar una búsqueda de similitud avanzada para este artículo.