ما مطابقة الصور في الذكاء الاصطناعي للرؤية؟ مقدمة سريعة

عندما تنظر إلى صورتين للعنصر نفسه، مثل لوحة فنية وصورة فوتوغرافية لسيارة، فمن السهل ملاحظة أوجه التشابه بينهما. لكن الأمر ليس بهذه البساطة بالنسبة إلى الآلات.

لإجراء هذه المقارنات، تعتمد الآلات على الرؤية الحاسوبية، وهي فرع من الذكاء الاصطناعي (AI) يساعدها على تفسير المعلومات المرئية وفهمها. وتمكّن الرؤية الحاسوبية الأنظمة من اكتشاف العناصر وفهم المشاهد واستخراج الأنماط من الصور أو مقاطع الفيديو.

وعلى وجه الخصوص، تتجاوز بعض المهام المرئية تحليل صورة واحدة. فهي تتضمن مقارنة الصور للعثور على أوجه التشابه، واكتشاف الاختلافات، أو تتبّع التغييرات بمرور الوقت.

يشمل الذكاء الاصطناعي المرئي مجموعة واسعة من التقنيات، ومن بين قدراته الأساسية مطابقة الصور، التي تركز على تحديد أوجه التشابه بين الصور حتى عند اختلاف الإضاءة أو الزوايا أو الخلفيات. ويمكن استخدام هذه التقنية في تطبيقات متنوعة، منها الروبوتات والواقع المعزز ورسم الخرائط الجغرافية.

في هذه المقالة، سنستكشف مفهوم مطابقة الصور، وتقنياتها الأساسية، وبعض تطبيقاتها في العالم الحقيقي. لنبدأ!

ما هي مطابقة الصور؟#

تتيح مطابقة الصور لنظام حاسوبي فهم ما إذا كانت صورتان تحتويان على محتوى متشابه. ويمكن للبشر القيام بذلك بصورة حدسية من خلال ملاحظة الأشكال والألوان والأنماط.

أما الحواسيب فتعتمد على البيانات الرقمية. وهي تحلل الصور من خلال فحص كل بكسل، وهو أصغر وحدة في الصورة الرقمية.

تُخزَّن كل صورة على شكل شبكة من وحدات البكسل، ويحمل كل بكسل عادةً قيمًا للأحمر والأخضر والأزرق (RGB). ويمكن أن تتغير هذه القيم عند تدوير الصورة أو تغيير حجمها أو رؤيتها من زاوية مختلفة أو التقاطها في ظروف إضاءة مختلفة. وبسبب هذه الاختلافات، غالبًا ما تكون مقارنة الصور بكسلًا ببكسل غير موثوقة.

لجعل المقارنات أكثر اتساقًا، تركز مطابقة الصور على الميزات المحلية، أو الزوايا والحواف والمناطق المزخرفة التي تميل إلى البقاء مستقرة حتى عند تغير الصورة قليلًا. ومن خلال اكتشاف هذه الميزات، أو النقاط المميزة، عبر صور متعددة، يستطيع النظام مقارنتها بدقة أكبر بكثير.

تُستخدم هذه العملية على نطاق واسع في حالات استخدام مثل الملاحة وتحديد الموقع والواقع المعزز ورسم الخرائط وإعادة البناء ثلاثي الأبعاد والبحث المرئي. وعندما تحدد الأنظمة النقاط نفسها عبر صور مختلفة أو إطارات متعددة، يمكنها تتبّع الحركة وفهم بنية المشهد واتخاذ قرارات موثوقة في البيئات الديناميكية.

الشكل 1. مثال على مطابقة صور السيارات مع تحديد النقاط المميزة المتشابهة. (المصدر)

فهم كيفية عمل مطابقة الصور#

تتضمن مطابقة الصور عدة خطوات أساسية تساعد الأنظمة على تحديد المناطق المتشابهة داخل الصور ومقارنتها. وتعمل كل خطوة على تحسين الدقة والاتساق والمتانة في ظل ظروف مختلفة.

إليك نظرة خطوة بخطوة على كيفية عمل مطابقة الصور:

• اكتشاف الميزات: يحدد النظام أولًا النقاط المميزة البارزة في الصورة، والتي تظل ثابتة حتى عند تغير الإضاءة أو المقياس أو زاوية الرؤية. وهي تبرز مناطق مثل الزوايا أو الحواف أو المناطق المزخرفة التي تبرز بصريًا.
• وصف الميزات: تُحوَّل كل نقطة مميزة بعد ذلك إلى واصف، وهو متجه عددي مضغوط يلتقط النمط المرئي حول تلك النقطة. وتوفر هذه الواصفات طريقة موثوقة لمقارنة الميزات بين الصور المختلفة.
• مطابقة الميزات: تُقارن الواصفات المستخرجة من صورتين باستخدام خوارزميات مطابقة تحسب مدى تشابهها. وتقرن هذه الخطوة النقاط المميزة التي تبدو متوافقة، وتستبعد المطابقات الأضعف أو غير الموثوقة.
• التحقق الهندسي: يتحقق النظام أخيرًا مما إذا كانت النقاط المميزة المتطابقة تشكل علاقة هندسية واقعية. ويزيل المطابقات غير الصحيحة (المسماة القيم الشاذة) باستخدام طريقة تُعرف باسم RANSAC (التوافق العشوائي للعينة)، مما يضمن الاحتفاظ بأزواج النقاط الموثوقة فقط. وبعد تحديد المطابقات الصحيحة، يقدّر النظام التحويل الذي يربط الصورتين على أفضل وجه. وغالبًا ما يكون هذا تحويلًا أفينيًا، يضبط تغييرات مثل تغيير المقياس والتدوير والإزاحة، أو تجانسًا يمكنه أيضًا معالجة تغييرات المنظور. ويتيح استخدام هذه التحويلات للنظام محاذاة الصور بدقة، حتى عند التقاطها من وجهتي نظر مختلفتين قليلًا.

الشكل 2. (أ) استخراج النقاط المميزة و(ب) مطابقة الميزات. (المصدر)

التقنيات الأساسية المستخدمة في مطابقة الصور#

قبل استعراض التطبيقات العملية لمطابقة الصور، دعونا نلقِ نظرة فاحصة أولًا على تقنيات مطابقة الصور المستخدمة في أنظمة الرؤية الحاسوبية.

مطابقة الصور القائمة على مطابقة القوالب#

تُعد مطابقة القوالب إحدى أبسط طرق مطابقة الصور. وتُعتبر عمومًا تقنية من معالجة الصور بدلًا من كونها طريقة حديثة للرؤية الحاسوبية، لأنها تعتمد على المقارنات المباشرة للبكسلات ولا تستخرج ميزات مرئية أعمق.

تُستخدم لتحديد موقع صورة مرجعية أصغر، أو قالب، داخل مشهد أكبر. وتعمل باستخدام خوارزمية تمرر القالب عبر الصورة الرئيسية وتحسب درجة تشابه عند كل موضع لقياس مدى تطابق المنطقتين. وتُعتبر المنطقة ذات أعلى درجة أفضل تطابق، مما يشير إلى الموضع الأكثر احتمالًا لظهور العنصر في المشهد.

الشكل 3. نظرة على استخدام مطابقة القوالب. (المصدر)

تعمل هذه التقنية جيدًا عندما يظل مقياس العنصر ودورانه وإضاءته متسقة، مما يجعلها خيارًا مناسبًا للبيئات الخاضعة للتحكم أو للمقارنات الأساسية. إلا أن أداءها يتراجع عندما يبدو العنصر مختلفًا عن القالب، مثلما يحدث عند تغير حجمه أو تدويره أو حجبه جزئيًا أو ظهوره أمام خلفية مشوشة أو معقدة.

التقنيات الكلاسيكية القائمة على الميزات لمطابقة الصور#

قبل أن يُعتمد التعلم العميق على نطاق واسع، كانت مطابقة الصور تعتمد غالبًا على خوارزميات الرؤية الحاسوبية الكلاسيكية التي تكتشف النقاط المميزة في الصورة. وبدلًا من مقارنة كل بكسل، تحلل هذه الأساليب تدرجات الصورة، أو تغيرات الشدة، لإبراز الزوايا والحواف والمناطق المزخرفة البارزة.

يُمثَّل كل نقطة مميزة مكتشفة بعد ذلك باستخدام ملخص عددي مضغوط يُسمى واصفًا. وعند مقارنة صورتين، يقيّم المطابق هذه الواصفات للعثور على الأزواج الأكثر تشابهًا.

تشير درجة التشابه القوية عادةً إلى ظهور النقطة المادية نفسها في كلتا الصورتين. كما يستخدم المطابقون مقاييس مسافة محددة أو قواعد تسجيل للحكم على مدى توافق الميزات، مما يحسن الموثوقية الإجمالية.

فيما يلي بعض خوارزميات الرؤية الحاسوبية الكلاسيكية الأساسية المستخدمة لمطابقة الصور:

• SIFT (تحويل الميزات غير المتأثرة بالمقياس): تحدد النقاط المميزة من خلال تحليل تدرجات شدة الصورة، مما يسمح ببقائها قابلة للتعرّف عند تكبير الصورة أو تصغيرها أو تدويرها.

• SURF (الميزات القوية السريعة): تشبه هذه الخوارزمية SIFT، لكنها محسّنة للسرعة. وتستخدم تقريبات سريعة للعمليات القائمة على التدرجات، مما يجعلها مناسبة للتطبيقات التي تتطلب أوقات استجابة سريعة.

• ORB (FAST الموجّه وBRIEF المدور): تجمع هذه الخوارزمية بين خوارزميتين تُسمّيان FAST وBRIEF. إذ يعثر FAST بسرعة على النقاط الشبيهة بالزوايا في الصورة، بينما ينشئ BRIEF وصفًا مضغوطًا لكل نقطة حتى يمكن مطابقتها عبر الصور. كما تحسن ORB كلتا الخطوتين بإضافة معالجة الدوران، مما يجعلها سريعة وموثوقة.

الشكل 4. نقاط ميزات SURF المستخرجة والمتطابقة بين صورتين. (المصدر)

التقنيات القائمة على التعلم العميق لمطابقة الصور#

على عكس الأساليب الكلاسيكية التي تعتمد على قواعد محددة، يتعلم التعلم العميق الميزات تلقائيًا من مجموعات بيانات كبيرة، وهي مجموعات من البيانات المرئية التي تتعلم نماذج الذكاء الاصطناعي الأنماط منها. وتعمل هذه النماذج عادةً على GPU (وحدات معالجة الرسومات)، التي توفر القدرة الحاسوبية العالية اللازمة لمعالجة دفعات كبيرة من الصور وتدريب الشبكات العصبية المعقدة بكفاءة.

يمنح ذلك نماذج الذكاء الاصطناعي القدرة على التعامل مع التغيرات الواقعية، مثل الإضاءة وزوايا الكاميرا والحجب. كما تجمع بعض النماذج جميع الخطوات في سير عمل واحد، مما يدعم أداءً متينًا في الظروف الصعبة.

فيما يلي بعض الأساليب القائمة على التعلم العميق لاستخراج ميزات الصور ومطابقتها:

• استخراج الميزات القائم على CNN: تتعلم هذه النماذج تلقائيًا الأنماط المرئية الأساسية من مجموعات البيانات الكبيرة. وتتعرف على الميزات التي يُرجح ألا تتغير، مما يجعلها موثوقة لمطابقة العناصر عبر المشاهد المختلفة.

• المطابقة القائمة على التضمينات: بدلًا من مقارنة البكسلات مباشرةً، تحوّل هذه الطريقة الصور إلى تمثيلات عددية مضغوطة تُعرف باسم التضمينات. ثم يقارن المطابق هذه التضمينات للعثور على العناصر المرئية المتشابهة. وتتبع نماذج مثل FaceNet، الذي ينشئ تضمينات للتعرف على الوجوه ومقارنتها، وCLIP، الذي يضع الصور والنصوص في فضاء مشترك لمهام مثل البحث عن الصور والمطابقة الدلالية، هذا النهج.

• مسارات المطابقة الشاملة: غالبًا ما تجمع أنظمة التعلم العميق المتقدمة اكتشاف النقاط المميزة ووصفها ومطابقتها في سير عمل موحد. وتتعلم نماذج مثل SuperPoint وD2-Net النقاط المميزة والواصفات مباشرةً من خرائط ميزات CNN، بينما تعمل SuperGlue كمطابق متعلم يقرن هذه الواصفات بدرجة موثوقية أعلى من الأساليب التقليدية. وتنشئ هذه المكونات مجتمعة مسارًا شاملًا يوفر دقة أعلى ومتانة أكبر في الظروف الصعبة مقارنةً بالأساليب الكلاسيكية القائمة على الميزات.

• المطابقة القائمة على Transformer: تستخدم هذه الطريقة آليات الانتباه لربط المناطق المتناظرة عبر صورتين، مما يتيح لها محاذاة الرقع حتى في ظل تغيرات كبيرة في وجهة النظر أو الإضاءة أو النسيج. وتحقق نماذج مثل LoFTR (المحوّل للميزات المحلية) دقة أعلى بكثير، لأن مجال الاستقبال العالمي في Transformer يتيح مطابقة موثوقة في المناطق منخفضة النسيج أو الضبابية أو المتكررة، حيث تفشل الكاشفات التقليدية. وينتج LoFTR مطابقات شبه كثيفة وعالية الثقة، ويتفوق بفارق كبير على الأساليب السابقة المتقدمة في كلا المعيارين الداخلي والخارجي.

• النماذج المركزة على الكفاءة: تهدف نماذج مطابقة الصور الأحدث إلى توفير دقة عالية مع تشغيل أسرع. وصُممت نماذج مثل LightGlue للعمل بكفاءة على الأجهزة ذات القدرة الحاسوبية المحدودة، مع الحفاظ على جودة مطابقة جيدة.

التطبيقات العملية لمطابقة الصور#

والآن بعد أن أصبح لدينا فهم أفضل لكيفية عمل مطابقة الصور، دعونا نلقي نظرة على بعض التطبيقات الواقعية التي تؤدي فيها دورًا مهمًا.

روبوتات أكثر ذكاءً مدفوعة بمطابقة الصور#

غالبًا ما تعمل الروبوتات في بيئات مزدحمة ومتغيرة، حيث تحتاج إلى فهم العناصر الموجودة وكيفية ترتيبها. ويمكن لمطابقة الصور مساعدة الروبوتات على فهم العناصر التي تراها من خلال مقارنتها بالصور المخزنة أو المرجعية. ويسهّل ذلك على هذه الروبوتات التعرف على العناصر وتتبع حركتها والتكيف حتى عند تغير الإضاءة أو زوايا الكاميرا.

فعلى سبيل المثال، في مستودع، يمكن لنظام روبوتي لالتقاط العناصر ووضعها استخدام مطابقة الصور لتحديد العناصر المختلفة والتعامل معها. يمسك الروبوت عنصرًا أولًا، ثم يقارن صورته بالعينات المرجعية للتعرف عليه.

الشكل 5. يتعرف روبوت على العناصر ويلتقطها من خلال مطابقتها بالصور المرجعية. (المصدر)

بمجرد العثور على المطابقة، يعرف الروبوت كيفية فرز العنصر أو وضعه بطريقة صحيحة. ويتيح هذا النهج للروبوتات التعرف على العناصر المألوفة والجديدة على حد سواء دون إعادة تدريب النظام بالكامل. كما يساعدها على اتخاذ قرارات أفضل في الوقت الفعلي، مثل تنظيم الرفوف أو تجميع الأجزاء أو إعادة ترتيب العناصر.

تحسين إعادة البناء ثلاثي الأبعاد من خلال مطابقة أفضل للصور#

في مجالات مثل رسم خرائط الطائرات المسيّرة والواقع الافتراضي وفحص المباني، تحتاج الأنظمة غالبًا إلى إعادة بناء نموذج ثلاثي الأبعاد من صور ثنائية الأبعاد متعددة. ولتحقيق ذلك، تعتمد على مطابقة الصور لتحديد النقاط المميزة المشتركة، مثل الزوايا أو المناطق المزخرفة، التي تظهر عبر عدة صور.

تساعد هذه النقاط المشتركة النظام على فهم العلاقة بين الصور في الفضاء ثلاثي الأبعاد. وترتبط هذه الفكرة ارتباطًا وثيقًا بـ Structure from Motion (SfM)، وهي تقنية تبني هياكل ثلاثية الأبعاد من خلال تحديد النقاط المميزة ومطابقتها عبر الصور الملتقطة من وجهات نظر مختلفة.

إذا لم تكن المطابقة دقيقة، فقد يبدو النموذج ثلاثي الأبعاد الناتج مشوهًا أو غير مكتمل. ولهذا السبب، يعمل الباحثون على تحسين موثوقية مطابقة الصور لإعادة البناء ثلاثي الأبعاد، وقد أظهرت التطورات الحديثة نتائج واعدة.

ومن الأمثلة المثيرة للاهتمام HashMatch، وهي خوارزمية أسرع وأكثر متانة لمطابقة الصور. وتحول HashMatch تفاصيل الصورة إلى أنماط مضغوطة تُسمى رموز التجزئة، مما يسهل تحديد المطابقات الصحيحة وإزالة القيم الشاذة حتى عند اختلاف الإضاءة أو وجهات النظر.

عند اختبارها على مجموعات بيانات واسعة النطاق، أنتجت HashMatch نماذج إعادة بناء ثلاثية الأبعاد أنظف وأكثر واقعية مع عدد أقل من أخطاء المحاذاة. وهذا يجعلها مفيدة بصورة خاصة لتطبيقات مثل رسم خرائط الطائرات المسيّرة وأنظمة AR والحفاظ على التراث الثقافي، حيث تُعد الدقة أمرًا بالغ الأهمية.

دور مطابقة الصور في الواقع المعزز#

عندما يتعلق الأمر بـالواقع المعزز (AR)، غالبًا ما تمثل المحافظة على محاذاة العناصر الافتراضية مع العالم الحقيقي تحديًا. ويمكن أن تتغير البيئات الخارجية باستمرار تبعًا للظروف البيئية، مثل ضوء الشمس والطقس. وقد تجعل الاختلافات الطفيفة في العالم الحقيقي العناصر الافتراضية تبدو غير مستقرة أو خارجة عن موضعها قليلًا.

لحل هذه المشكلة، تستخدم أنظمة AR مطابقة الصور لتفسير محيطها. ومن خلال مقارنة إطارات الكاميرا المباشرة بالصور المرجعية المخزنة، يمكنها فهم موقع المستخدم وكيف تغير المشهد.

الشكل 6. نقاط الميزات المتطابقة بين صورتين. (المصدر: theijes.com)

فعلى سبيل المثال، في دراسة شملت تدريبًا ميدانيًا على الواقع المعزز بأسلوب عسكري باستخدام نظارات XR (الواقع الممتد)، استخدم الباحثون SIFT وأساليب أخرى قائمة على الميزات لمطابقة التفاصيل المرئية بين الصور الواقعية والمرجعية. وقد حافظت المطابقات الدقيقة على محاذاة العناصر الافتراضية مع العالم الحقيقي بصورة صحيحة، حتى عندما تحرك المستخدم بسرعة أو تغيرت الإضاءة.

أهم النقاط المستخلصة#

تُعد مطابقة الصور مكونًا أساسيًا في الرؤية الحاسوبية، إذ تمكّن الأنظمة من فهم العلاقة بين الصور المختلفة أو كيفية تغير المشهد بمرور الوقت. وتؤدي دورًا حاسمًا في الروبوتات والواقع المعزز وإعادة البناء ثلاثي الأبعاد والملاحة الذاتية والعديد من التطبيقات الواقعية الأخرى التي تكون فيها الدقة والاستقرار أمرين أساسيين.

بفضل نماذج الذكاء الاصطناعي المتقدمة مثل SuperPoint وLoFTR، أصبحت أنظمة اليوم أكثر متانة بكثير من الأساليب السابقة. ومع استمرار تطور تقنيات التعلم الآلي ووحدات الرؤية المتخصصة والشبكات العصبية ومجموعات البيانات، من المرجح أن تصبح مطابقة الصور أسرع وأكثر دقة وقابلية للتكيف.

انضم إلى مجتمعنا المتنامي واستكشف مستودعنا على GitHub للحصول على موارد عملية في مجال الذكاء الاصطناعي. وللبناء باستخدام الذكاء الاصطناعي المرئي اليوم، استكشف خيارات الترخيص لدينا. وتعرّف على كيفية إسهام الذكاء الاصطناعي في الزراعة في تحويل الزراعة، وكيف يعمل الذكاء الاصطناعي المرئي في الرعاية الصحية على رسم ملامح المستقبل، من خلال زيارة صفحات حلولنا.