رودمپ بینایی ماشین

بینایی ماشین (Computer Vision) از پردازش تصویر به منظور شناسایی و دسته بندی تصاویر استفاده مینماید. از این رو در رودمپ بینایی ماشین سعی می شود تا مفاهیم و تکنیک های پردازش تصویر به صورت کاربردی و به ساده ترین شیوه ممکن تشریح گردد.

پردازش تصویر، به عمل بررسی تصاویر با هدف استخراج اطلاعات از تصویر یا ایجاد نمایش دیگری از آن می گویند. واژه پردازش تصویر عموما در مورد روشی به‌کار می رود که یک عکس را به عنوان ورودی دریافت کرده و یک تصویر اصلاح شده، اعداد یا توصیفات را به عنوان خروجی در اختیار می گذارد.

امروزه روش‌های پردازش تصویر به طور وسیعی برای تمام تصاویر پزشکی با هدف تشخیص و درمان مورد استفاده قرار می‌گیرد. از آنجاییکه زمان فاکتور مهمی در درمان انواع بیماری‌ها است، شناسایی به موقع و دقیق عارضه ها درون تصاویر پزشکی بسیار اهمیت دارد.

به طور کلی سیستم‌های کلاسیک و هوشمند تشخیص بیماری با استفاده از تصاویر پزشکی از پنج مرحله اصلی تشکیل زیر شده‌اند:

اصلی‌ترین چالش در این مرحله کمبود داده‌های پزشکی در بیماری‌های خاص و محرمانگی آن‌هاست که دسترسی به آن‌ها را برای پژوهشگران این حوزه دشوار کرده است.

هدف از این مرحله، بهبود کیفیت تصاویر و از میان بردن نویزها به منظور تشخیص دقیق‌تر است. پیش‌پردازش تصویر، عملیاتی است که در نتیجه آن، تصویر اصلاح می‌شود. به طور مثال، هدف از این مرحله می‌تواند ارتقا کنتراست تصویر و کاهش نویزهای تصویر باشد.

این مرحله، نقش اساسی در پردازش تصویر ایفا می‌کند. به طور کل، بخش‌بندی تصوير عبارتست از افراز مجموعه پيكسل‌های یک تصوير به نواحی مجزايی كه نسبت به مجموعه‌ای از ويژگی ها (شدت روشنايی، بافت و رنگ) يكسان هستند يا همبستگی زيادی دارند.

در یادگیری ماشین و آمار کاهش بعد، روند کاهش تعداد متغیرهای تصادفی تحت نظر از طریق بدست آوردن یک مجموعه از متغیرهای اصلی است. کاهش ابعاد را می‌توان به دو روش انتخاب ویژگی و استخراج ویژگی تقسیم و پیاده‌سازی کرد.

در آخرین گام، ویژگی‌های استخراج شده از مرحله قبل وارد الگوریتم‌های دسته‌بندی می‌شوند تا بخش‌های مورد نظر از سایر بخش‌های تصویر شناسایی و تفکیک شوند.

تصاویر پزشکی می‌توانند انواع متفاوتی از نویزها را دارا باشند. این نویزها می‌توانند باعث ایجاد خطا در مراحل گوناگون پردازش تصویر شوند؛ زیرا مقادیر هر پیکسل از مقدار واقعی شدت در تصویر منحرف می‌شود و اطلاعات نادرستی را به الگوریتم‌ها منتقل می‌سازد. این نویزها ممکن است به علل مختلفی به وجود آمده باشند؛ به طور مثال نویزها می‌توانند نتیجه خرابی سیستم‌های کامپیوتری ثبت تصاویر باشند. همچنین مکانیزم جمع‌آوری تصاویر نیز می‌تواند باعث ایجاد خرابی‌هایی در تصویر شده باشد. برای حذف این نویزها از فیلترهای گوناگونی همچون فیلتر خطی، فیلتر میانگین، فیلتر میانه و همینطور فیلتر تطبیقی استفاده می‌شود.

علاوه بر نویزها، طبیعت فیزیولوژیکی تحت بررسی و رویه‌های مورد استفاده در تصویرسازی، سبب کاهش کنتراست و مشاهده جزییات می‌گردد. در نتیجه تفاوت‌های کوچک موجود میان بافت‌های طبیعی و غیرطبیعی در اثر اختلال، مغشوش شده و اغلب تحلیل تصاویر را دچار مشکل می‌سازد. لذا بهبود کنتراست تصویر و یا هموارسازی هیستوگرام رنگ از جمله اقدامات پیشنهادی در مرحله پیش‌پردازش تصویر است. البته باید توجه داشت که به‌کارگیری نامناسب تکنیک‌های پیش‌پردازش تصویر، ممکن است سبب افزایش نویزها یا حذف جزییات کوچک در لبه‌ها و سایر اختلالات شود.

هدف نهایی يک سيستم خودکار ناحيه‌بندی تصوير، تقليد از سيستم بينايی انسان در افراز معنی دار تصوير است. اما انسان می تواند مدل اشياء مختلف را تصور کند و به کمک اين تصور، مناظر پيش روی خود را به صورت سلسله مراتبی ناحيه‌بندی کند. به‌ عنوان مثال، انسان ميتواند در يک تصوير از جمعيت مجموعه‌ای از مردم، اشخاص مختلف، يا عناصری از اشخاص از قبيل چهره، لب‌ها و غيره را مشخص کند. تقليد از چنين سيستم پيچيده‌ای مشکل است. به همين دليل روش‌های متداول ناحيه‌بندی تصوير بيشتر روی جنبه‌های بينايی اوليه تصاوير مانند لبه‌ها، رنگ، بافت، حرکت (برای ويديو) يا ترکيب‌های مختلفی از اين جنبه‌ها تکيه دارند.
بخش‌بندی تصوير كاربرد گسترده‌ای در بينايی ماشين، سنجش از دور، شناسايی هدف و تحليل تصاوير پزشكی دارد. بخش‌بندی تصوير در بسياری از تحقيقات پزشكی و كاربردهای كلینيكی از قبيل تعيين حجم عضو يا غده مورد مطالعه، تجسم و تحليل ساختارهای آناتوميكی، ادغام اجزا مختلف اطلاعات و تثبيت، نگاشت عملكرد مغز و بخش‌بندی زيرساختارهای مغز، به عنوان اصلی‌ترین مرحله پردازش مطرح است.

تکنیک‌های خوشه‌بندی در بخش‌بندی تصاویر به ویژه تصاویر حوزه پزشکی بسیار پرکاربرد هستند. واژه خوشه، به گروهی از داده‌های مشابه هم اشاره دارد. تجزیه و تحلیل خوشه‌ها، عبارت است از شناسایی گروه‌هایی از داده‌ها که شباهت درون-گروهی در هر یک از خوشه‌ها و تفاوت بین داده‌ها در خوشه‌های مختلف، حداکثر است. الگوریتم‌های خوشه‌بندی در کاربردهای تصویری، براساس کل تصویر و درنظر گرفتن فاصله میان داده‌ها که در اینجا پیکسل‌های تصویر هستند، عمل می‌کند. این فاصله بر اساس تفاوت کنتراست، رنگ، هیستوگرام خاکستری و ویژگی پیکسل‌های همسایگی یک پیکسل، تعیین می‌شود. لذا خوشه‌بندی تصاویر رنگی از تصاویر خاکستری ساده‌تر هستند زیرا هرچه تفاوت میان ناحیه‌ها و کنتراست میان آن‌ها بیشتر باشد، الگوریتم‌های خوشه‌بندی بهتر عمل می‌کنند.

معروف‌ترین و رایج‌ترین تکنیک در خوشه‌بندی داده‌ها روش کا-میانگین است که برای تصاویر رنگی می‎تواند نتایج قابل قبولی به وجود بیاورد. از این الگوریتم برای بخش‌بندی تصاویر ام آر مغز و شناسایی تومورهای مغزی استفاده شده‌ است. اما روش کا-میانگین محدودیت‌های بسیاری در بخش‌بندی سایر تصاویر دارد. این الگوریتم قادر به شناسایی الگوهای غیرکروی با اندازه‌های متفاوت نیست. همچنین در تصاویر خاکستری به دلیل نزدیک بودن طیف‌های رنگی و پایین بودن کنتراست تصاویر نمی‌تواند به خوبی عمل کند.

به دلیل شباهت ظاهری میان اجزای متفاوت داخلی بدن مانند رگ‌های خونی، استخوان‌ها، بافت‌های ماهیچه‌ای، تومورهای سرطانی و غیره، بخش‌بندی تصاویر پزشکی مسئله‌ای چالش برانگیز است. گاهی هدف از بخش‌بندی تصویر، جدا نمودن ناحیه‌های متفاوت تصویر ورودی از یکدیگر است؛ به طور مثال در پژوهش‌ کول و همکاران هدف از بخش‌بندی تصویر ام آر مغز جدا نمودن ماده سفید، ماده خاکستری و فضاهای مایعی بین نخاع مغز بوده است.

اولین گام برای بخش‌بندی تصویر با معرفی عملگر روبرتز (لبه‌یاب روبرتز) در سال ۱۹۶۳ برداشته شد. این عملگر با شناسایی لبه‌ها از بین بخش‌های مختلف تصویر عمل می‌کند. روش‌های بسیار دیگری در سال‌ها بعد برپایه ناحیه، حدآستانه، شباهت، خوشه‌بندی و …. معرفی گردید. اما هنوز هیچ روش جامعی برای تمام تصاویر وجود ندارد، بلکه باید با توجه به ماهیت تصاویر و هدف مورد نظر از الگوریتم‌های متفاوتی استفاده نمود.

برای بخش‌بندی تصوير دو روش مرسوم وجود دارد. اين دو روش عبارتند از روش‌هاي مبتنی بر عدم پيوستگی و روش‌های مبتنی بر شباهت. بطور معمول ارتباط ميان دو ناحيه مجاور توسط عدم پيوستگی در شدت روشنايی، رنگ يا بافت مشخص می شود. می توان اين عدم پيوستگی ها را آشکار کرد و به عنوان مرز نواحی در نظر گرفت. روش‌های مبتنی بر شباهت به مقايسه شباهت ميان پيکسل‌ها و نواحی مورد نظر می‌پردازند. از جمله روش‌های مبتنی بر شباهت می توان روش‌های آستانه گذاری، رشد ناحيه، تقسيم و ترکيب و روش‌های خوشه بندی به منظور افراز پيکسل‌های تصوير در يک فضای ويژگی را نام‌ برد.

چهار کلاس اصلی برای روش‌های موجود در بخش‌بندی تصاویر عباتند از:

• روش‌های مبتنی بر دسته‌بندی:

روش‌های مبتنی بر دسته‌بندی، پیکسل‌های موجود در تصویر را بر اساس شباهت در برخی ویژگی‌ها در خوشه‌های گوناگون قرار می‌دهد. در این رویکرد بعد از بررسی کردن هر پیکسل آن را به کلاسی که بیشترین شباهت را با اعضای آن نسبت به سایر کلاس‌ها دارد، تخصیص می‌دهد. این روش‌ها به دو گروه یادگیری با نظارت و بدون نظارت تقسیم می‌شوند که روش‌های یادگیری بدون نظارت با عنوان خوشه‌بندی شناخته می‌شوند.

• روش‌های مبتنی بر لبه:

روش مبتنی بر لبه به دنبال شناسایی مرزهای شیء مورد نظر به کمک یک عملگر لبه‌یاب است.

• روش‌های مبتنی بر ناحیه:

روش های مبتنی بر ناحیه، تصویر را به گونه‌ای تقسیم می‌کند که پیکسل های مجاور از نظر شدت شبیه به هم باشند. از جمله روش‌های معروف مبتنی بر ناحیه، روش تبدیل حوضچه است. این روش تصوير را به نواحی دارای توزيع شدت روشنايی يکنواخت افراز می کند. بخش‌بندی تصوير با استفاده از تبديل حوضچه از نوعی روش رشد ناحيه مبتنی بر گراديان استفاده می کند؛ به عبارتی ابتدا مقدار گراديان شدت روشنايی تصوير محاسبه شده و سپس تبديل حوضچه روی آن اعمال می شود. در تصوير گراديان شدت روشنايی، مقادير مربوط به نقاط لبه نسبت به مقادير مربوط به ساير نقاط بيشتر است. بنابراين خطوط حوضچه در محل لبه ها قرار می گيرند.

• روش‌های ترکیبی یا سطح بالا:

مدل‌های ترکیبی یا سطح بالا نیز علاوه بر اطلاعات تصویر، از خواص دیگری مانند مدل منحنی و خواص منحنی مرز برای بخش‌بندی تصویر استفاده می کنند.

هدف از استخراج ویژگی کسب اطلاعات بیشتر از مجموعه داده ورودی در فضایی با بعد کمتر است. پیش از اجرای الگوریتم‌های دسته‌بندی باید بهترین ویژگی‌ها برای توصیف داده‌ها را استخراج نمود. به طور کلی فرآیند دریافت داده‌های ورودی و تخصیص صحیح آن‌ها به یکی از کلاس‌های خروجی، به دو مرحله تقسیم می‌شود: انتخاب ویژگی و سپس دسته‌بندی.

بردار ویژگی باید به نحوی تعریف شود که اطلاعات مهمی درباره‌ی اندازه، شکل، جهت‌گیری فضایی و رنگ ناحیه مورد نظر دربرداشته باشد. در سال ۲۰۱۶ ستیو و همکاران از یک شبکه همگشتی چند نمایه برای آموزش بدون نظارت ویژگی‌ها استفاده شده‌است. در این روش با استفاده از تصاویر سه‌بعدی و تومورهای کاندید شده، سه تکه تصویر در جهات مختلف وارد شبکه می‌شوند و در نهایت ویژگی‌های ادغامی هر سه جهت استخراج شده‌است.

در پردازش تصویر، استخراج ویژگی فرم خاصی از کاهش بُعد است. از آنجاییکه ویژگی‌ها رفتار تصویر را نشان می‌دهند و کاهش تعداد آن‌ها در ذخیره‌سازی اطلاعات نیز سودمند است، استخراج ویژگی‌های مفید موجب بهبود عملکرد الگوریتم‌های دسته‌بندی و همینطور صرفه‌جویی در زمان می‌شود. روش‌های استخراج ویژگی به سه گروه اصلی تقسیم می‌شود:

• ویژگی‌‌های آماری:

این ویژگی‌ها از توزیع آماری نقاط نتیجه می‌شوند. این ویژگی‌ها موجب افزایش سرعت و کاهش پیچیدگی می‌شوند. روش‌هایی چون منطقه‌بندی، مشخصه مکانی و گذرگاه و فاصله در این گروه قرار دارند.

• ویژگی‌های تبدیل سراسری و توسعه سری:

این ویژگی‌ها نسبت به تغییر شکل‌هایی چون چرخش و انتقال ثابت هستند. به طور کل یک سیگنال پیوسته شامل اطلاعاتی بیش از آن که برای هدف دسته‌بندی مورد استفاده قرار بگیرد، می باشد. استفاده ترکیب خطی از توابع ساده شده و به خوبی تعریف شده، یک راه برای نمایش سیگنا‌ل‌ها است. ضرایب ترکیب خطی، سری‌های فشرده شده از سیگنال اولیه را به خوبی ارائه می‌دهند. تبدیلات فوریه، والش هادامارد، گابور، ویولت و غیره در این گروه قرار دارند.

• ویژگی‌های هندسی و توپولوژیکی:

این ویژگی‌ها می‌توانند خصوصیات سراسری و محلی اجسام را نشان دهند و تلرانس بالایی نسبت به تغییرات و انحرافات دارند. ویژگی‌های توپولوژیکی ممکن است اطلاعاتی در مورد کانتورهای اجسام را کد کنند یا به اطلاعاتی از اینکه چه چیزهایی یک جسم را می‌سازند نیاز داشته باشند.

در انتهای این مرحله یک بردار از ویژگی‌ها بر هر بخش از تصویر که در مرحله قبلی جداسازی شده‌اند، از تصویر استخراج می‌شود. درواقع در این گام داده‌های تصویری را با استفاده از رویکردهای مناسب به داده‌های عددی تبدیل می‌کنیم.

مزایا و معایب روش‌های ذکر شده در جداول زیر بیان گردیده است:

کاهش نویز یک فرآیند حذف نویز از سیگنال است‌. این سیگنال می‌تواند مربوط به یک تصویر، ویدئو یا یک فایل صوتی باشد. تمام دستگاه‌های ضبط کردن ویژگی هایی دارند که آن‌ها را در معرض نویز قرار می‌دهد. نویز میتواند بصورت تصادفی یا نویز سفید باشد.

هدف از بین‌بردن نویز‌ها از سیگنال، بازسازی تصویرِ تحریف شده و برگرداندن آن به حالت اصلی خود بر اساس مدل‌های ایده‌آل است. تحریف تصویر می تواند ناشی از موارد زیر باشد:

نویز همیشه در تصویر دیده می شود و اساسا تصویر بدون نویز وجود ندارد. به ویژه مواردی که تصاویر در محیط های دارای میدان مغناطیسی متداخل تولید می شوند. نسبت سیگنال به نویز (SNR) برای مقایسه ی سطح سیگنال به سطح نویز، استفاده می شود و بر اساس دسی بل بیان می شود.

SNR بالا به معنی تصویر با کیفیت بهتر است. وجود نویز در تصویر علاوه بر شکست در برآورده کردن کیفیت تصویر مورد انتظار کاربر، یک بار اضافی برای فرآیند رمزنگاری و فشرده سازی سیگنال به وجود می آورد که موجب افزایش حجم مورد نیاز برای ذخیره سازی می شود. با در نظر گرفتن موارد ذکر شده حذف نویز از تصویر یک مکانیزم اصلی در فرآیند پردازش تصویر است.

نویز تصویر یک اثر جانبی اجتناب ناپذیر است که در اثر ضبط تصویر اتفاق می افتد. در یک دوربین دیجیتال، اگر نور که به لنز وارد می شود با سنسور ناسازگار باشد، نویز تصویر ایجاد می کند. حتی اگر نویز در یک تصویر قابل مشاهده نباشد، نوعی نویز تصویری وجود دارد. هر نوع دستگاه الکترونیکی یک سری نویز دریافت و ارسال می کند و به آن چیزی که در حال ایجاد شدن است انتقال می دهد. بنابراین، برای حذف نویز، فیلترها مورد نیاز هستند. فیلترها انواع مختلفی دارند؛ مانند فیلتر هموارساز خطی، فیلتر میانه، فیلتر وینر و فیلتر فازی. در انتها فیلتر پرکاربرد هموار ساز خطی و فیلتر میانه مورد مطالعه قرار خواهد گرفت.

فیلتر هموارساز خطی: برای حذف نوع خاصی از نویز استفاده میشود. فیلترهای متوسط یا گاوس برای این منظور مناسب هستند. فیلترهای خطی همچنین تمایل دارند که لبه های تیز را خنثی کنند، خطوط و سایر جزئیات تصویر را از بین ببرند و در حضور نویز وابسته به سیگنال ضعیف عمل کنند. فیلترهای هموارکننده تصویر را مات می کنند؛ زیرا سطوح روشنایی پیکسل‌ها را با توجه به همسایه‌هایشان تغییر می دهند. در واقع میزان وضوح تصاویر کم می شود. به دلیل این اختلال، فیلترهای خطی فقط در عمل برای کاهش نویز رضایت بخش هستند.

فیلتر میانه: الگوریتم فیلتر میانه به شرح زیر است:

نویز تصویر یک اثر جانبی اجتناب ناپذیر است که در اثر ضبط تصویر اتفاق می افتد. در یک دوربین دیجیتال، اگر نور که به لنز وارد می شود با سنسور ناسازگار باشد، نویز تصویر ایجاد می کند. حتی اگر نویز در یک تصویر قابل مشاهده نباشد، نوعی نویز تصویری وجود دارد. هر نوع دستگاه الکترونیکی یک سری نویز دریافت و ارسال می کند و به آن چیزی که در حال ایجاد شدن است انتقال می دهد. بنابراین، برای حذف نویز، فیلترها مورد نیاز هستند. فیلترها انواع مختلفی دارند؛ مانند فیلتر هموارساز خطی، فیلتر میانه، فیلتر وینر و فیلتر فازی. در انتها فیلتر پرکاربرد هموار ساز خطی و فیلتر میانه مورد مطالعه قرار خواهد گرفت.

فیلتر هموارساز خطی: برای حذف نوع خاصی از نویز استفاده میشود. فیلترهای متوسط یا گاوس برای این منظور مناسب هستند. فیلترهای خطی همچنین تمایل دارند که لبه های تیز را خنثی کنند، خطوط و سایر جزئیات تصویر را از بین ببرند و در حضور نویز وابسته به سیگنال ضعیف عمل کنند. فیلترهای هموارکننده تصویر را مات می کنند؛ زیرا سطوح روشنایی پیکسل‌ها را با توجه به همسایه‌هایشان تغییر می دهند. در واقع میزان وضوح تصاویر کم می شود. به دلیل این اختلال، فیلترهای خطی فقط در عمل برای کاهش نویز رضایت بخش هستند.

فیلتر میانه: الگوریتم فیلتر میانه به شرح زیر است:

بدلیل اینکه دستگاه‌های تصویربرداری و شرایط تصویربرداری متفاوت است، تصاویر اسکن شده خروجی عموما دارای شدت نور یکسانی نمی‌باشند. برای حل این مشکل می‌توان از روش‌های ساده مانند هیستوگرام استفاده کرد که در آن میزان نور تصویر به هیستوگرام ویژه تبدیل خواهد شد.