ما مطابقة الصور في الذكاء الاصطناعي للرؤية؟ مقدمة موجزة

عندما تنظر إلى صورتين للشيء نفسه، مثل لوحة فنية وصورة فوتوغرافية لسيارة، يسهل ملاحظة أوجه التشابه بينهما. لكن الأمر ليس بهذه السهولة بالنسبة إلى الآلات.

لإجراء مثل 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 الأجسام وفهم المشاهد واستخراج الأنماط من الصور أو مقاطع الفيديو.

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

يشمل الذكاء الاصطناعي البصري مجموعة واسعة من التقنيات، ومن القدرات الأساسية فيه 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 هذا المقال، سنستكشف ماهية مطابقة الصور، وتقنياتها الأساسية، وبعض تطبيقاتها في العالم الحقيقي.

ما مطابقة الصور؟#

تتيح مطابقة الصور لنظام الحاسوب معرفة ما إذا كانت صورتان تحتويان على محتوى متشابه. ويستطيع البشر فعل ذلك بشكل حدسي من خلال ملاحظة الأشكال والألوان والأنماط.

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

تُخزَّن كل صورة على هيئة شبكة من وحدات البكسل، وتحتوي كل وحدة عادةً على قيم للأحمر والأخضر والأزرق (RGB). وقد تتغير هذه القيم عند تدوير الصورة أو تغيير حجمها أو مشاهدتها من زاوية مختلفة أو التقاطها في ظروف إضاءة متباينة. وبسبب هذه الاختلافات، غالبًا ما تكون مقارنة الصور بكسلًا بكسل غير موثوقة.

لجعل المقارنات أكثر اتساقًا، تركز مطابقة الصور على السمات المحلية مثل الزوايا والحواف والمناطق ذات الأنسجة، التي تميل إلى الثبات حتى عندما تتغير الصورة قليلًا. ومن خلال اكتشاف هذه السمات، أو النقاط المفتاحية، في صور متعددة، يستطيع النظام مقارنتها بدقة أكبر بكثير.

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

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

فهم آلية عمل مطابقة الصور#

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

إليك نظرة خطوة بخطوة على آلية عمل مطابقة الصور:

• اكتشاف السمات: يحدد النظام أولًا النقاط المفتاحية المميزة في الصورة، والتي تظل قابلة للتعرّف حتى عند تغير الإضاءة أو المقياس أو زاوية الرؤية. وتبرز هذه النقاط مناطق مثل الزوايا والحواف والمناطق ذات الأنسجة التي تتميز بصريًا.
• وصف السمات: تُحوَّل كل نقطة مفتاحية بعد ذلك إلى واصف، وهو متجه رقمي موجز يلتقط النمط المرئي المحيط بتلك النقطة. وتوفر هذه الواصفات طريقة موثوقة لمقارنة السمات بين الصور المختلفة.
• مطابقة السمات: تُقارن الواصفات المستخرجة من صورتين باستخدام خوارزميات مطابقة تحسب مدى تشابهها. وتقرن هذه الخطوة النقاط المفتاحية التي يبدو أنها متوافقة، وتستبعد المطابقات الأضعف أو غير الموثوقة.
• التحقق الهندسي: يتحقق النظام أخيرًا مما إذا كانت النقاط المفتاحية المتطابقة تشكل علاقة هندسية واقعية. ويزيل المطابقات غير الصحيحة (المسماة بالقيم الشاذة) باستخدام أسلوب يُعرف باسم RANSAC (الإجماع العشوائي للعينات)، ما يضمن الاحتفاظ بأزواج النقاط الموثوقة فقط. وبعد تحديد المطابقات الصحيحة، يقدّر النظام التحويل الذي يربط بين الصورتين على أفضل وجه. وغالبًا ما يكون هذا التحويل أفينيًا، إذ يصحح التغييرات مثل تغيير المقياس والتدوير والإزاحة، أو تحويلًا إسقاطيًا، يمكنه أيضًا التعامل مع تغييرات المنظور. ويسمح استخدام هذه التحويلات للنظام بمحاذاة الصور بدقة، حتى عند التقاطها من زوايا رؤية مختلفة قليلًا.

الشكل 2. (أ) استخراج النقاط المميّزة و(ب) مطابقة السمات. (المصدر)

التقنيات الأساسية المستخدمة في مطابقة الصور#

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

مطابقة الصور المستندة إلى مطابقة القوالب#

تُعد مطابقة القوالب إحدى أبسط طرق مطابقة الصور وأكثرها مباشرة. وتُصنف عمومًا على أنها تقنية لمعالجة الصور لا طريقة حديثة للرؤية الحاسوبية، لأنها تعتمد على المقارنة المباشرة لوحدات البكسل ولا تستخرج سمات مرئية أعمق.

تُستخدم لتحديد موقع صورة مرجعية أصغر، أو قالب، داخل مشهد أكبر. وتعتمد على خوارزمية تحرّك القالب فوق الصورة الرئيسية وتحسب درجة التشابه في كل موضع لقياس مدى تطابق المنطقتين. وتُعد المنطقة ذات أعلى درجة أفضل تطابق، ما يشير إلى الموضع الأرجح لظهور الجسم في المشهد.

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

تعمل هذه التقنية جيدًا عندما يظل مقياس الجسم ودورانه وإضاءته ثابتة، ما يجعلها خيارًا مناسبًا للبيئات المنضبطة أو للمقارنات المرجعية. لكن أداءها يتراجع عندما يبدو الجسم مختلفًا عن القالب، كأن يتغير حجمه أو يدور أو يُحجب جزئيًا أو يظهر على خلفية مشوشة أو معقدة.

التقنيات التقليدية لمطابقة الصور المعتمدة على السمات#

قبل أن يصبح التعلم العميق واسع الانتشار، اعتمدت مطابقة الصور في الغالب على خوارزميات الرؤية الحاسوبية التقليدية التي تكشف النقاط المفتاحية المميّزة في الصورة. وبدلًا من مقارنة كل بكسل، تحلل هذه الأساليب تدرجات الصورة، أي التغيرات في الشدة، لإبراز الزوايا والحواف والمناطق ذات النسيج البارز.

ثم تُمثَّل كل نقطة مفتاحية مكتشفة باستخدام ملخص عددي مضغوط يُسمى واصفًا. وعند مقارنة صورتين، يقيّم المطابِق هذه الواصفات للعثور على الأزواج الأكثر تشابهًا.

تشير درجة التشابه المرتفعة عادةً إلى ظهور النقطة المادية نفسها في كلتا الصورتين. كما تستخدم المطابِقات مقاييس مسافة محددة أو قواعد تقييم للحكم على مدى تطابق السمات، ما يعزز الموثوقية الإجمالية.

فيما يلي بعض خوارزميات الرؤية الحاسوبية التقليدية الأساسية المستخدمة في مطابقة الصور:

• SIFT (تحويل السمات الثابتة المقياس): يحدد هذا الأسلوب النقاط المفتاحية بتحليل تدرجات شدة الصورة، ما يتيح التعرّف عليها حتى عند تكبير الصورة أو تصغيرها أو تدويرها.
• SURF (السمات القوية المُسرَّعة): تشبه هذه الخوارزمية SIFT، لكنها محسّنة لتحقيق السرعة. وتستخدم تقريبات سريعة للعمليات القائمة على التدرجات، ما يجعلها مناسبة للتطبيقات التي تتطلب أوقات استجابة سريعة.
• ORB (FAST الموجّه وBRIEF المُدار): يجمع هذا الأسلوب بين خوارزميتين تُسميان FAST وBRIEF. يعثر FAST بسرعة على النقاط الشبيهة بالزوايا في الصورة، بينما ينشئ BRIEF وصفًا مضغوطًا لكل نقطة لتمكين مطابقتها عبر الصور. كما يحسّن ORB الخطوتين بإضافة معالجة الدوران، ما يجعله سريعًا وموثوقًا.

الشكل 4. استخراج نقاط سمات SURF ومطابقتها بين صورتين. (المصدر)

تقنيات مطابقة الصور القائمة على التعلم العميق#

على خلاف الأساليب التقليدية التي تعتمد على قواعد محددة، يتعلم التعلم العميق السمات تلقائيًا من مجموعات بيانات كبيرة، وهي مجموعات من البيانات المرئية تتعلم نماذج الذكاء الاصطناعي الأنماط منها. وتعمل هذه النماذج عادةً على وحدات معالجة الرسومات (GPUs)، 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، ما يدعم أداءً قويًا في الظروف الصعبة.

فيما يلي بعض أساليب التعلم العميق لاستخراج سمات الصور ومطابقتها:

• استخراج السمات القائم على CNN: تتعلم هذه النماذج تلقائيًا الأنماط البصرية الأساسية من مجموعات البيانات الكبيرة. وتتعرف على السمات التي يُستبعد تغيّرها، ما يجعلها موثوقة لمطابقة الأجسام عبر مشاهد مختلفة.
• المطابقة القائمة على التضمينات: بدلًا من مقارنة وحدات البكسل مباشرةً، تحوّل هذه الطريقة الصور إلى تمثيلات رقمية موجزة تُعرف باسم التضمينات. ثم يقارن نظام المطابقة هذه التضمينات للعثور على صور متشابهة. وتتبع هذا النهج نماذج مثل FaceNet، الذي ينشئ تضمينات للتعرّف على الوجوه ومقارنتها، وCLIP، الذي يربط الصور والنصوص في فضاء مشترك لمهام مثل البحث عن الصور والمطابقة الدلالية.
• مسارات المطابقة الشاملة: غالبًا ما تجمع أنظمة التعلم العميق الحديثة بين اكتشاف النقاط المفتاحية ووصفها ومطابقتها ضمن سير عمل موحد. وتتعلم نماذج مثل SuperPoint وD2-Net النقاط المفتاحية والواصفات مباشرةً من خرائط سمات CNN، بينما يعمل SuperGlue كأداة مطابقة متعلمة تربط هذه الواصفات بموثوقية أكبر من الطرق التقليدية. وتنشئ هذه المكونات مجتمعةً مسارًا شاملًا يحقق دقة أعلى ومتانة أكبر في الظروف الصعبة مقارنةً بالأساليب الكلاسيكية القائمة على السمات.
• المطابقة القائمة على Transformer: تستخدم هذه الطريقة آليات الانتباه لربط المناطق المتناظرة عبر صورتين، ما يتيح لها محاذاة الرقع حتى عند وجود تغيرات كبيرة في زاوية الرؤية أو الإضاءة أو النسيج. وتحقق نماذج مثل LoFTR (محوّل السمات المحلية) دقة أعلى بكثير، لأن مجال الاستقبال الشامل لـ Transformer يتيح مطابقة موثوقة في المناطق قليلة النسيج أو الضبابية أو المتكررة، حيث تفشل الكواشف التقليدية. وينتج LoFTR مطابقات شبه كثيفة وعالية الثقة، ويتفوق بفارق كبير على الأساليب السابقة المتقدمة في المعايير المرجعية الداخلية والخارجية على حد سواء.
• النماذج المُركّزة على الكفاءة: تهدف نماذج مطابقة الصور الأحدث إلى تحقيق دقة عالية مع تشغيل أسرع. وصُممت نماذج مثل LightGlue للعمل بكفاءة على الأجهزة ذات القدرة الحاسوبية المحدودة مع الحفاظ على جودة مطابقة جيدة.

التطبيقات الواقعية لمطابقة الصور#

بعد أن فهمنا بصورة أفضل آلية عمل مطابقة الصور، دعونا نستعرض بعض التطبيقات الواقعية التي تؤدي فيها دورًا مهمًا.

روبوتات أذكى بفضل مطابقة الصور#

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

على سبيل المثال، يمكن لنظام روبوتي للالتقاط والوضع في مستودع استخدام مطابقة الصور لتحديد العناصر المختلفة والتعامل معها. يلتقط الروبوت الجسم أولًا، ثم يقارن صورته بعينات مرجعية للتعرّف عليه.

الشكل 5. يتعرف روبوت على الأجسام ويلتقطها بمطابقتها مع الصور المرجعية. (المصدر)

بعد العثور على المطابقة، يعرف الروبوت كيفية فرز الجسم أو وضعه على النحو الصحيح. ويتيح هذا النهج للروبوتات التعرّف على الأجسام المألوفة والجديدة من دون إعادة تدريب النظام بأكمله. 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 الخرائط باستخدام الطائرات المسيّرة والواقع الافتراضي وفحص المباني، تحتاج الأنظمة غالبًا إلى إعادة بناء نموذج ثلاثي الأبعاد من عدة صور ثنائية الأبعاد. ولتحقيق ذلك، تعتمد على مطابقة الصور لتحديد النقاط المفتاحية المشتركة، مثل الزوايا أو المناطق ذات النسيج، التي تظهر في صور متعددة.

تساعد هذه النقاط المشتركة النظام على فهم العلاقة بين الصور في الفضاء ثلاثي الأبعاد. وترتبط هذه الفكرة ارتباطًا وثيقًا بتقنية استعادة البنية من الحركة (SfM)، وهي تقنية تبني بنى ثلاثية الأبعاد عبر تحديد النقاط المفتاحية ومطابقتها في صور ملتقطة من وجهات نظر مختلفة.

إذا لم تكن المطابقة دقيقة، فقد يبدو النموذج الثلاثي 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. تحوّل HashMatch تفاصيل الصور إلى أنماط مضغوطة تُسمى رموز التجزئة، ما يسهّل تحديد المطابقات الصحيحة وإزالة القيم الشاذة، حتى عند اختلاف الإضاءة أو وجهات النظر.

عند اختبار HashMatch على مجموعات بيانات واسعة النطاق، أنتجت نماذج إعادة بناء ثلاثية الأبعاد أوضح وأكثر واقعية مع أخطاء محاذاة أقل. وهذا يجعلها مفيدة على نحو خاص لتطبيقات مثل رسم الخرائط بالطائرات المسيّرة وأنظمة الواقع المعزز (AR) والحفاظ على التراث الثقافي، حيث تكون الدقة بالغة الأهمية.

دور مطابقة الصور في الواقع المعزز#

في الواقع المعزز (AR)، غالبًا ما يمثل إبقاء الأجسام الافتراضية بمحاذاة العالم الحقيقي تحديًا. فقد تتغير البيئات الخارجية باستمرار تبعًا للظروف البيئية، مثل أشعة الشمس والطقس. ويمكن للاختلافات الطفيفة في العالم الحقيقي أن تجعل العناصر الافتراضية تبدو غير مستقرة أو في غير موضعها قليلًا.

لحل هذه المشكلة، تستخدم أنظمة الواقع المعزز مطابقة الصور لتفسير محيطها. ومن خلال مقارنة إطارات الكاميرا المباشرة بالصور المرجعية المخزنة، تستطيع هذه الأنظمة فهم موقع المستخدم وكيفية تغير المشهد.

الشكل 6. نقاط السمات المطابقة بين صورتين. (المصدر: theijes.com)

على سبيل المثال، في دراسة تناولت التدريب الخارجي بطابع عسكري باستخدام نظارات XR (الواقع الممتد)، استخدم الباحثون SIFT وأساليب أخرى قائمة على السمات لمطابقة التفاصيل المرئية بين الصور الحقيقية والمرجعية. وأبقت المطابقات الدقيقة العناصر الافتراضية بمحاذاة العالم الحقيقي على نحو صحيح، حتى عند تحرك المستخدم بسرعة أو تغير الإضاءة.

أبرز النقاط#

تُعد مطابقة الصور مكونًا أساسيًا في الرؤية الحاسوبية، إذ تتيح للأنظمة فهم العلاقة بين الصور المختلفة أو كيفية تغير المشهد بمرور الوقت. وتؤدي دورًا محوريًا في الروبوتات والواقع المعزز وإعادة البناء ثلاثي الأبعاد والملاحة الذاتية والعديد من التطبيقات الواقعية الأخرى التي تتطلب الدقة والاستقرار.

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، يُرجح أن تصبح مطابقة الصور أسرع وأكثر دقة وقدرة على التكيف.

انضم إلى مجتمعنا المتنامي واستكشف مستودع GitHub للحصول على موارد عملية في الذكاء الاصطناعي. لبناء تطبيقات بالذكاء الاصطناعي للرؤية اليوم، استكشف خيارات الترخيص. تعرّف على كيفية إسهام الذكاء الاصطناعي في الزراعة في تحويل الزراعة، وكيف يشكّل الذكاء الاصطناعي للرؤية في الرعاية الصحية المستقبل، من خلال زيارة صفحات حلولنا.