تمييز الأنماط

تمييز الأنماط أوالتعهد على الأنماط Pattern recognition [1] هوأحد فروع فهم معالجة الصور الرقمية والذكاء الإصطناعي.

تهدف البحوث والتقنيات الخاصة بهذا الفهم إلى إيجاد أوتطوير تقنيات للتعهد على أنماط أوهياكل محددة في الصور الرقمية (اشارة رقمية ذات بعدين)، أوأشارات الرادار (‘شارة رقمية ذات بعد واحد).

للتعهد على نمط اوجسم في صورة (كمثال) يجب أولا الحصول على معلومات أولية a priori knowledge وإحصائية مباشرة عن الصورة التي يجب حتى تكون رقمية لنتمكن من التعامل معها بالحاسوب (وأحيانا من مصادر اخرى). كذلك يجب تصنيف المعلومات الموجودة في الصورة لتسهيل عمليات لاحقة على الصورة مثل استخلاص المعلومات.

من التطبيقات المهمة والمفيدة؛ تمييز الحروف والذي يمكن إنجازه رقميا باستعمال الحاسب أوبصريا باستعمال أجهزة وتقنيات بصرية.

تعددت في الآونة الأخيرة الأعمال والأنظمة الإلكترونية في مجال تعرّف الأشكال، ولتوضيح مفهوم التعرّف الآلي، من المفيد دراسة آلية تعرّف الأشكال لدى الإنسان: فحين يشرع الطفل في الإلمام بالمحيط الخارجي، يشرع ذهنه في المحاكمة، ليتمكّن من تعرّف بعض الأغراض المألوفة لديه، وذلك مهما تكن زاوية الرؤية، وتوضّع الأمور والمسافة الفاصلة بينه وبينها. وأكثر من ذلك، إذا استبدل بأحد هذه الأمور شيء مشابه ولكنه غير مطابق، فإن هذا الطفلقد يكون قادراً على تصنيفه ضمن المجموعة ذاتها. وتزداد سرعة وسهولة تعرّف صف الأمور حدثا نما الطفل وتطوّر دماغه. وباختصار، يتعلّم دماغ الطفل آلية تعرّف الأشكال المرئية.

تستخدم خوارزميات تعرّف الأصوات والروائح والملمس طُرَقَ تعرُّفٍ مشابهةً لتعرّف الأشكال، وكذلك خوارزميات التشخيص لدى الإنسان الناضج.

تقتضي الضرورة اليوم تصميم نظم إلكترونية أكثر قدرة من الدماغ الإنساني على التعرّف (أكثر قدرة تعني هنا، على سبيل المثال، أكثر سرعة). هناك اليوم آلات لقراءة بطاقات الطائرة والفواتير، تستطيع معالجة أكثر منعشرة وثائق في الثانية. وقد أُنجز نظام القراءة الآلية للأحرف اللاتينية المطبوعة، ويجري العمل على نظم القراءة للأحرف العربية وتلك المكتوبة بخط اليد.

كما يجري العمل في الفرز الآلي للصور الفضائية، وتعرّف الكلام، وكذلك في فرز الصور الطبية بهدف التشخيص الطبي من وجهات مختلفة، وأخيراً الدراسة الجيولوجية بهدف التنقيب عن النفط.

تتطلب هذه الإنجازات حاسوباً مهمته فحص علاقات منطقية رياضية بين التحويل المنطقي الملائم للحالة المراد تعرّفها، وبين الأشكال النموذجية المخزنة في ذاكرة الحاسوب.

نسمّي آلية بناء الأشكال النموذجية: التعلّم، وهي مجموعة عمليات إحصائية على بعض الوضعيات التجريبية تظهر من خلالها الإشياء المعروفة. يجري تطبيق عملية التعلّم هذه، في أكثر حالاتها تطوراً، بفضل برنامج حاسوبي، هدفه الحد من تدخل المشغلين، وهذا ما يسمّى بالتعلّم الذاتي. يعتبر فهم تعرّف الأشكال التطبيق الوحيد المتوافر لأساليب التعليم الذاتي.

نظم التحريك الحيوي

من المفيد فهم حتى أجهزة النظم الإلكترونية قد أثرت إلى الآن تأثيراً واضحاً في السلوك الجماعي للبشر. هذه النظم هي غالباً منظمات المرور: يحوي منظم المرور في المدن حاسوباً تُرشد مُحِسّاتٌ تكشف المركبات وتشغّل إشارات المرور. وتحوي شبكات النقل الداخلي الحديثة حافلات نقل تسير وتقف في المحطات الرئيسية بوساطة نظم مؤتمتة مشابهة.

يمكن بسهولة ملاحظة أنه حدثا كان تعقيد الأتمتة كبيراً، زادت أهمية معالجة المعلومات في الأجهزة. إنّ الجهد الذي بذله الإنسان لكي يطأ بقدمه، ومن ثمّ لكي يعيش في أوساط غير ملائمة، قد قاده إلى تطوير نظم مؤتمتة تطويراً متزايداً. يلاحظ أيضاً إدارة N.A.S.A (إدارة الطيران والفضاء الوطنية)، في الولايات المتحدة، قد موّلت مشروعاً يقضي ببناء جهاز قادر على تكييف حركاته بحسب ما يراه من خلال آلة تصوير تلفزيونية، ومن ثَم التكيّف في محيط غير معروف. سيُرسل هذا الجهاز فيما بعد إلى كوكب المريخ.

تعرّف النصوص

opticul character recognition (OCR)

وهوفي المعلوماتية: تقانة إدخال النصوص إلى الحاسوب بواسطة قارئ الوثائق. في البداية، تعطي الماسحة الضوئية صورة رقمية للنص المراد تعرّفه، ثمّ يستخدم برنامج تعرّف الحروف الفهم المخزنة حول شكل الأحرف منفردة، ليحوّل الصورة الرقمية إلى مجموعة رموز داخلية يمكن تخزينها ومعالجتها في الحاسوب. تتطلب أنظمة تعرّف الحروف ضوئياً OCR من حيث المبدأ أشكالاً خاصة للحروف، ولكن معظم الأنظمة الحالية تتعرّف الحروف اللاتينية المطبوعة بالبنوط المعيارية، والخط المكتوب باليد أيضاً. تُستخدم قارئات الحروف ضوئياً OCR، على سبيل المثال، في شركاتٍ عدة مثل شركة الكهرباء والغاز لإدخال المعلومات المحصلة والمكتوبة على بطاقات قراءة العدادات، وكذلك في الأنظمة المساعدة للإنسان لتعرّف خط اليد للمستثمرين وغيرها من الأنظمة.

فهم الصورة

image understanding

The face was automatically detected by special software.

من الوظائف الهامة لتعرّف الأشكال عمليات فهم الصورة ومحتوياتها وما تمثله الأشكال فيها والعلاقات بينها، باستخدام قواعد الفهم knowledgebases وعمليات البحث search ومطابقة الأشكال pattern matchingفي إطار نظم الذكاء الصنعي، التي تجري باستخدام برمجيات خاصة يستطيع الحاسبوب تعرّف الأشكال داخل الصورة وفهم ما يرى.

وهناك أربع منهجيات لاستخراج الخواص العامة في الصورة بغية فهم محتواها:

المعالجة الهرمية من أسفل إلى أعلى

وهذه المعالجة مناسبة للحالات البسيطة التي تحتوي على عدد محدد من الأمور المعروفة سابقاً.

المعالجة الهرمية من أعلى إلى أسفل

وهي تناسب البحث المباشر عن هدف معين أوشيء محدد الأبعاد.

ـ المعالجة غير الهرمية وفيها يراقب جميع جزء من أجزاء النظام باستخدام كيفية التحكم الموزع، وذلك لتحسين عمله على حسب الحاجة.

أسلوب اللوح الأسود

blackboard approach وفيه يجري التفاعل بين جميع الأجزاء عن طريق قاعدة بيانات عامة تسمى اللوح الأسود، وهذا الأسلوب مفيد عند الاحتفاظ بالكثير من الافتراضات ومتابعتها في مستويات مختلفة.

وقد اهتمت معظم الأبحاث التي جرت في مجال الرؤية الصنعية بالصعوبات الناتجة عن تحويل الأشكال ثلاثية الأبعاد إلى صور ثنائية البعد، يستطيع الحاسوب بوساطتها تعرّف الأشكال.

تحتوي بعض نظم الرؤية على محلل الصور «ثنائية البعد» الذي يستخدم طريقة مطابقة القوالب templates matching. والنطقب المخزن في الذاكرة على صورة أرقام ثنائية هوتعبير عن الشكل الخارجي لجسم معين. وعن طريق عملية المقارنة التي تجري في أثناء البحث ومطابقة الأشكال تحدث عملية التعرّف، وتتسم عملية المطابقة بالصعوبة نتيجة ثبات النطقب في الحجم والاتجاه. ويمكن التغلب على هذه الصعوبة عن طريق تخزين أحجام مختلفة واتجاهات عديدة للنطقب أوتغيير حجم ووضع النطقب المخزن، باستخدام برمجيات خاصة لمطابقة حجم ووضع الجسم أوالشكل المراد تعرّفه. إذا بساطة عملية المقارنة جعلتها أساس معظم نظم الرؤية في الصناعة والأهداف العسكرية.

انظر ايضا

Compound term processing
Computer-aided diagnosis
Data mining
List of numerical analysis software
Predictive analytics
Prior knowledge for pattern recognition
Template matching
Neocognitron

قراءات اخرى

Keinosuke Fukunaga, (1990) Statistical Pattern Recognition, Morgan Kaufmann, ISBN 0-12-269851-7.
Christopher M. Bishop, (2006) Pattern Recognition and Machine Learning, Springer, ISBN 0-387-31073-8.
Sergios Theodoridis, Konstantinos Koutroumbas, (2009) Pattern Recognition (4th edition), Elsevier, ISBN 978-1-59749-272-0.
Phiroz Bhagat, (2005) Pattern Recognition in Industry Elsevier, ISBN 0-08-044538-1.
Dietrich Paulus and Joachim Hornegger (1998) Applied Pattern Recognition (2nd edition), Vieweg. ISBN 3-528-15558-2
Juergen Schuermann: Pattern Classification: A Unified View of Statistical and Neural Approaches, Wiley&Sons, 1996, ISBN 0-471-13534-8
Sholom Weiss and Casimir Kulikowski (1991) Computer Systems That Learn, Morgan Kaufmann. ISBN 1-55860-065-5