تحليل الصور

الموسوعة الحرة

تحليل الصور هو استخلاص معلومات ذات دلالة من الصور ، وخاصةً الصور الرقمية، باستخدام تقنيات معالجة الصور الرقمية . [ 1 ] تتراوح مهام تحليل الصور بين البسيطة كقراءة الرموز الشريطية، والمعقدة كتحديد هوية شخص من وجهه .

تُعدّ الحواسيب ضرورية لتحليل كميات هائلة من البيانات، وللمهام التي تتطلب حسابات معقدة، أو لاستخلاص المعلومات الكمية. من جهة أخرى، تُعتبر القشرة البصرية البشرية أداةً ممتازة لتحليل الصور، لا سيما لاستخلاص المعلومات ذات المستوى الأعلى، وفي العديد من التطبيقات - بما في ذلك الطب والأمن والاستشعار عن بُعد - لا يزال من المستحيل الاستغناء عن المحللين البشريين بالحواسيب. لهذا السبب، استُلهمت العديد من أدوات تحليل الصور المهمة، مثل كاشفات الحواف والشبكات العصبية، من نماذج الإدراك البصري البشري .

رقمي

تحليل الصور الرقمية أو تحليل الصور الحاسوبي هو عملية يقوم فيها جهاز حاسوب أو جهاز كهربائي بدراسة صورة ما تلقائيًا لاستخلاص معلومات مفيدة منها. يُشار إلى أن الجهاز غالبًا ما يكون حاسوبًا، ولكنه قد يكون أيضًا دائرة كهربائية أو كاميرا رقمية أو هاتفًا محمولًا. يشمل هذا المجال تخصصات رؤية الحاسوب أو رؤية الآلة ، والتصوير الطبي ، ويعتمد بشكل كبير على تقنيات التعرف على الأنماط ، والهندسة الرقمية ، ومعالجة الإشارات . وقد تطور هذا الفرع من علوم الحاسوب في خمسينيات القرن الماضي في مؤسسات أكاديمية مثل مختبر الذكاء الاصطناعي في معهد ماساتشوستس للتكنولوجيا ، وكان في الأصل فرعًا من فروع الذكاء الاصطناعي والروبوتات .

هو التوصيف الكمي أو النوعي للصور الرقمية ثنائية الأبعاد (2D) أو ثلاثية الأبعاد (3D) . تُستخدم الصور ثنائية الأبعاد، على سبيل المثال، في تحليل رؤية الحاسوب ، بينما تُستخدم الصور ثلاثية الأبعاد في التصوير الطبي . وقد تأسس هذا المجال في الفترة ما بين الخمسينيات والسبعينيات من القرن العشرين، بفضل إسهامات رائدة من أزرييل روزنفيلد ، وهيربرت فريمان ، وجاك إي. بريسنهام ، وكينغ -سون فو . [ 2 ]

التقنيات

تُستخدم تقنيات عديدة في التحليل الآلي للصور. قد تكون كل تقنية مفيدة لنطاق محدود من المهام، إلا أنه لا توجد حتى الآن طرق معروفة لتحليل الصور تتسم بالعمومية الكافية لتغطية نطاق واسع من المهام، مقارنةً بقدرات الإنسان في تحليل الصور. ومن أمثلة تقنيات تحليل الصور في مختلف المجالات:

التعلم العميق

منذ أوائل العقد الثاني من الألفية، ساهمت أساليب التعلم العميق بشكل كبير في تطوير مجال تحليل الصور. ففي عام ٢٠١٢، حققت شبكة عصبية تلافيفية عميقة (CNN) تُعرف باسم AlexNet انخفاضًا ملحوظًا في معدلات الخطأ على معيار ImageNet لتصنيف الصور واسع النطاق، مما يُبرهن على فعالية التعلم العميق في مهام التعرف البصري. [ ٣ ] وقد أدخلت بنى لاحقة، مثل ResNet، وصلات متبقية مكّنت من تدريب شبكات أعمق بكثير، مما حسّن دقة تحليل الصور بشكل أكبر. [ ٤ ]

أصبح الكشف عن الأجسام في الوقت الفعلي عمليًا بفضل أطر عمل مثل YOLO (أنت تنظر مرة واحدة فقط)، التي وحدت الكشف والتصنيف في عملية شبكية واحدة. [ 5 ] في عام 2020، أثبت مُحوِّل الرؤية (ViT) أن بنى المُحوِّلات ، التي طُوِّرت في الأصل لمعالجة اللغة الطبيعية ، يُمكنها تحقيق نتائج تنافسية في تصنيف الصور عند تطبيقها مباشرةً على سلاسل من رقع الصور. [ 6 ]

في الآونة الأخيرة، مكّنت النماذج الأساسية المدربة على مجموعات بيانات واسعة النطاق من تعميم مهام تحليل الصور دون الحاجة إلى تدريب مسبق. فنموذج تجزئة أي شيء (SAM)، المدرب على أكثر من مليار قناع، قادر على تجزئة أي كائن في الصور دون الحاجة إلى ضبط دقيق خاص بكل مهمة. [ 7 ] وقد ساهمت هذه التطورات في جعل تقنيات تحليل الصور متاحة بشكل متزايد من خلال الأدوات المستندة إلى المتصفح والتطبيقات مفتوحة المصدر. [ 8 ]

التطبيقات

تتوسع تطبيقات تحليل الصور الرقمية باستمرار في جميع مجالات العلوم والصناعة، بما في ذلك:

قائم على الكائنات

تجزئة الصورة أثناء تحليل الصورة الأساسية للكائن.

يتضمن تحليل الصور القائم على الكائنات ( OBIA ) عمليتين أساسيتين: التجزئة والتصنيف. تساعد التجزئة على تجميع البكسلات في كائنات متجانسة. عادةً ما تتوافق هذه الكائنات مع خصائص فردية ذات أهمية، مع احتمال كبير لحدوث تجزئة زائدة أو ناقصة. بعد ذلك، يمكن إجراء التصنيف على مستوى الكائنات، باستخدام إحصائيات متنوعة لهذه الكائنات كخصائص في المصنف. قد تشمل هذه الإحصائيات هندسة وسياق وملمس كائنات الصورة. غالبًا ما تُفضل التجزئة الزائدة على التجزئة الناقصة عند تصنيف الصور عالية الدقة. [ 12 ]

تم تطبيق تحليل الصور القائم على الكائنات في العديد من المجالات، مثل بيولوجيا الخلية، والطب، وعلوم الأرض، والاستشعار عن بعد. على سبيل المثال، يمكنه رصد تغيرات أشكال الخلايا أثناء عملية تمايزها؛ [ 13 ] كما أنه يُستخدم على نطاق واسع في مجال رسم الخرائط لإنشاء بيانات الغطاء الأرضي . [ 12 ] [ 14 ]

عند تطبيقها على صور الأرض ، تُعرف تقنية تحليل الصور القائمة على الكائنات (OBIA) باسم تحليل الصور الجغرافية القائم على الكائنات (GEOBIA)، وهي فرع من فروع علم المعلومات الجغرافية يُعنى بتقسيم صور الاستشعار عن بُعد إلى كائنات صورية ذات دلالة، وتقييم خصائصها من خلال النطاق المكاني والطيفي والزمني. [ 15 ] [ 14 ] يُعقد المؤتمر الدولي لتقنية GEOBIA كل عامين منذ عام 2006. [ 16 ]

يتم تطبيق تقنيات تحليل الصور القائمة على الكائنات (OBIA) في برامج مثل eCognition أو مجموعة أدوات Orfeo .

انظر أيضاً

مراجع

  1. ↑ سولومون، سي جيه، وبريكون، تي بي (2010). أساسيات معالجة الصور الرقمية: منهج عملي مع أمثلة في ماتلاب . وايلي-بلاك ويل. doi : 10.1002/9780470689776 . ISBN 978-0470844731.{{cite book}}: صيانة CS1: أسماء متعددة: قائمة المؤلفين ( رابط )
  2. ↑ كريغمان، دي جيه؛ تشيلابا، آر. (مايو 2004). "في ذكرى عزريل روزنفيلد (1931-2004)" . معاملات IEEE في تحليل الأنماط والذكاء الآلي . 26 (6): 673-673 . doi : 10.1109/TPAMI.2004.9 . ISSN 1939-3539 . 
  3. ↑ كريزيفسكي، أليكس؛ سوتسكيفر، إيليا؛ هينتون، جيفري إي. (2012). "تصنيف ImageNet باستخدام الشبكات العصبية الالتفافية العميقة". Advances in Neural Information Processing Systems . 25 : 1097–1105 . doi : 10.1145/3065386 .
  4. ^ هو كايمينغ. تشانغ، شيانغيو. رن، شاوتشينج؛ صن ، جيان (2016). التعلم المتبقي العميق للتعرف على الصور . CVPR 2016. دوى : 10.1109/CVPR.2016.90 .
  5. ↑ ريدمون، جوزيف؛ ديفالا، سانتوش؛ غيرشيك، روس؛ فرهادي، علي (2016). أنت تنظر مرة واحدة فقط: الكشف الموحد عن الأجسام في الوقت الحقيقي . مؤتمر رؤية الحاسوب وأنماط التعرف 2016. arXiv : 1506.02640 . doi : 10.1109/CVPR.2016.91 .
  6. ↑ دوسوفيتسكي، أليكسي؛ وآخرون (2021). صورة تساوي 16×16 كلمة: محولات للتعرف على الصور على نطاق واسع . ICLR 2021. arXiv : 2010.11929 . 
  7. ↑ كيريلوف، ألكسندر؛ وآخرون (2023). تجزئة أي شيء . المؤتمر الدولي للرؤية الحاسوبية 2023. arXiv : 2304.02643 . 
  8. ↑ "من الشبكات العصبية التلافيفية إلى النماذج الأساسية: كيف أحدث التعلم العميق ثورة في تحليل الصور" . موقع just build things . تاريخ الاسترجاع: 25 مارس 2026 .
  9. ^ كيدزيا، اليجا؛ ديركوفسكي ، فويتشخ (2024). "الأساليب الحديثة للأبحاث التشريحية العصبية والفيزيولوجية العصبية" . الأساليبX . 13 102881. دوى : 10.1016/j.mex.2024.102881 . ISSN 2215-0161 . بمك 11340600 . بميد 39176151 .   
  10. ↑ شي، ي.؛ شا، ز.؛ يو، م. (2008). "التصوير عن بعد في رسم خرائط الغطاء النباتي: مراجعة" . مجلة علم البيئة النباتية . 1 (1): 9-23 . doi : 10.1093/jpe/rtm005 .
  11. ↑ ويلشوت، إل آي؛ أدينك، إي إيه؛ هيستربيك، جيه إيه بي؛ دوبيانسكي، في إم؛ ديفيس، إس إيه؛ لاوديسويت، إيه؛ بيجون، إم؛ بورديلوف، إل إيه؛ أتشابار، بي بي؛ دي يونغ، إس إم (2013). "رسم خريطة لتوزيع المضيف الرئيسي للطاعون في بيئة معقدة في كازاخستان: نهج قائم على الكائنات باستخدام SPOT-5 XS وLandsat 7 ETM+ وSRTM وغابات عشوائية متعددة" . المجلة الدولية للاستشعار عن بعد وتطبيقات المعلومات الجغرافية . 23 (100): 81-94 . Bibcode : 2013IJAEO..23...81W . doi : 10.1016/j.jag.2012.11.007 . PMC 4010295. PMID 24817838 .  
  12. 1 2 ليو، دان؛ تومان، إليزابيث؛ فولر، زين؛ تشين، غانغ؛ لوندو، أليكسيس؛ شويسونغ، تشانغ؛ كايغوانغ، تشاو (2018). "دمج الخرائط التاريخية والصور الجوية لتوصيف التغيرات طويلة الأجل في استخدام الأراضي وديناميكيات المناظر الطبيعية: تحليل قائم على الكائنات باستخدام الغابات العشوائية" (ملف PDF) . المؤشرات البيئية . 95 (1): 595-605 . Bibcode : 2018EcInd..95..595L . doi : 10.1016/j.ecolind.2018.08.004 . S2CID 92025959 . 
  13. ↑ سالزمان، م.؛ هوسيل، ب.؛ هاس، م.؛ موسباخر، م.؛ شروتماير، و.س.؛ كرال-بوينتنر، ج.ب.؛ فينستربوش، م.؛ مازهاريان، أ.؛ أسينجر، أ. (2018-02-20). "طريقة جديدة للتقييم الآلي لتكوّن الخلايا النواءية وتكوين الصفائح الدموية الأولية" ( ملف PDF) . الصفائح الدموية . 29 (4): 357-364 . doi : 10.1080/09537104.2018.1430359 . ISSN 1369-1635 . PMID 29461915. S2CID 3785563 .   
  14. 1 2 بلاشكي، توماس؛ هاي، جيفري ج. كيلي، ماجي؛ لانج، ستيفان. هوفمان، بيتر. أدينك، إليزابيث؛ كيروش فيتوسا، راؤول؛ فان دير مير، فريك؛ فان دير ويرف، هارالد؛ فان كويلي، فريكي؛ تيدي ، ديرك (2014). “تحليل الصور القائمة على الكائنات الجغرافية – نحو نموذج جديد” . مجلة ISPRS للمسح التصويري والاستشعار عن بعد . 87 (100). إلسفير بي في: 180– 191. بيب كود : 2014JPRS...87..180B . دوى : 10.1016/j.isprsjprs.2013.09.014 . ISSN 0924-2716 . بمك 3945831 . PMID 24623958 .   
  15. ↑ جي جي هاي وجي كاستيلا: تحليل الصور الجغرافية القائم على الكائنات (GEOBIA): اسم جديد لتخصص جديد. في: تي بلاشكه، إس لانغ وجي هاي (محررون): تحليل الصور القائم على الكائنات - مفاهيم مكانية لتطبيقات الاستشعار عن بعد القائمة على المعرفة. سلسلة محاضرات في المعلومات الجغرافية ورسم الخرائط، 18. سبرينغر، برلين/هايدلبرغ، ألمانيا: 75-89 (2008)
  16. ↑ "الاستشعار عن بعد | عدد خاص: التطورات في تحليل الصور الجغرافية القائمة على الكائنات (GEOBIA)" . مؤرشف من الأصل بتاريخ 12-12-2013.

للمزيد من القراءة

  • دليل معالجة الصور من تأليف جون سي. روس، رقم ISBN 0-8493-7254-2(2006)
  • معالجة الصور وتحليلها - الطرق التباينية، والمعادلات التفاضلية الجزئية، والمويجات، والطرق العشوائية، بقلم توني ف. تشان وجيان هونغ (جاكي) شين ، رقم ISBN 0-89871-589-X(2005)
  • الرؤية الأمامية وتحليل الصور متعدد المقاييس ، تأليف بارت إم. تير هار روميني، غلاف ورقي، رقم ISBN 1-4020-1507-0(2003)
  • دليل عملي لتحليل الصور من تأليف جيه جيه فريل وآخرون، منشورات الجمعية الأمريكية لعلم الأحياء الدقيقة الدولية ، رقم ISBN 0-87170-688-1(2000).
  • أساسيات معالجة الصور بقلم إيان تي يونج، جان جيه جيربراندز، لوكاس جيه فان فليت، غلاف ورقي، ISBN 90-75691-01-7(1995)
  • تحليل الصور وعلم المعادن ، حرره بي جيه كيني وآخرون، الجمعية الدولية لعلم المعادن وجمعية ASM الدولية (1989).
  • التحليل الكمي للصور للبنى المجهرية بواسطة HE Exner & HP Hougardy، DGM Informationsgesellschaft mbH، ISBN 3-88355-132-5(1988).
  • "إعداد العينات المعدنية والمادية، المجهر الضوئي، تحليل الصور واختبار الصلابة"، كاي جيلز بالتعاون مع سترويرز إيه/إس، الجمعية الأمريكية لاختبار المواد الدولية 2006.