تقييم جودة الصورة الاعمى بناءً على ميزات إحصائية

لماذا تهم جودة الصور في الحياة اليومية

من مكالمات الفيديو إلى الفحوصات الطبية، يعتمد عالمنا على الصور الرقمية. ومع ذلك، غالبًا ما تُضغط هذه الصور أو تُنقل أو تُفلتر بطرق قد تضر بما نراه دون أن نشعر. قبل أن تقرر خدمة بث أو تطبيق كاميرا أو نظام مستشفى كيفية تخزين الصورة أو إصلاحها، يحتاج إلى طريقة سريعة للحكم على مدى جودة تلك الصورة لمشاهد بشري، حتى عندما لا تتوفر نسخة "أصلية" مثالية. تعرض هذه الدراسة طريقة جديدة لتقييم جودة الصورة تكون فعّالة ومرتبطة ارتباطًا وثيقًا بكيفية استجابة أعيننا للضوء والتباين.

فحص الجودة دون مرجع مثالي

يقيس المهندسون عادةً جودة الصورة بمقارنة صورة مشوهة بأصل خالٍ من العيوب، وحساب فروق بسيطة مثل متوسط مربع الخطأ أو نسبة إشارة إلى ضوضاء الذروة. هذه الأرقام سهلة الحساب لكنها كثيرًا ما تختلف عن رأي البشر: فالتغييرات الصغيرة قد تكون غير مرئية، وبعض المناطق أهم من غيرها، وليس كل تغيير يبدو كضرر. في العديد من الأنظمة الواقعية، مثل مكتبات الصور أو بث الفيديو الحي، تكون النسخة الأصلية مفقودة، فيصبح التحدي تقييم الجودة "الأعمى": تحديد مدى جودة صورة مفردة قائمة بذاتها دون أي مرجع للمقارنة.

السماح للمشاهد الطبيعية بوضع المعيار

تقوم الطريقة الجديدة المسماة BIQABSF على فكرة أن الصور العادية للمشاهد الطبيعية تشترك في أنماط إحصائية مستقرة. تؤدي التشوهات مثل الضبابية أو الضوضاء أو الضغط القاسي إلى إزعاج هذه الأنماط بطرق مميزة. حاولت أدوات سابقة، مثل طريقة شائعة تُدعى BRISQUE، التقاط هذا عن طريق تحليل قيم السطوع في مناطق محلية من الصورة بعد تطبيعها لتقارب توزيعًا على شكل جرس. ومع ذلك، تفترض BRISQUE أن هذه القيم المطبوعة مركزة تمامًا حول الصفر، وهو مثالي لا يتحقق دائمًا في الصور الحقيقية، مما قد يجعل تقديراتها أقل دقة.

رؤية الصور من خلال التباين، لا السطوع الخام

تقدم BIQABSF تغييرين أساسيين لتتوافق بشكل أفضل مع الرؤية البشرية. أولًا، بدلًا من العمل مباشرةً بقيم السطوع، تحوّل كل بكسل إلى قيمة تباين لوغاريتمية تعكس مدى سطوعه أو ظلامه بالنسبة إلى الصورة ككل. تستجيب أعيننا تقريبًا بطريقة لوغاريتمية للضوء، لذا يوافق هذا التحويل الرياضيات مع الإدراك ويزيل الاعتماد على الإضاءة المطلقة للمشهد. ثم، في كل حي صغير من الصورة، يطرح الأسلوب المتوسط المحلي ويقسم على التباين المحلي، مولّدًا خريطة من قيم التباين المطبعة محليًا التي تكون أقل ارتباطًا بين بكسل وآخر وأسهل في نمذجتها إحصائيًا.

التقاط البصمات الإحصائية الدقيقة

بمجرد بناء خريطة التباين المطبوعة، يدرس المؤلفون كيفية توزيع قيمها عبر الصورة. بدلًا من فرض تماثل التوزيع تمامًا حول الصفر، يقومون بملاءمة عائلة منحنيات أكثر مرونة يمكن أن تتحرك وتميل، مما يلتقط حقيقة أن الصور الحقيقية غالبًا ما تنحرف قليلًا في اتجاه ما. كما يفحصون كيف تتفاعل قيم التباين المجاورة على امتداد اتجاهات مختلفة، مثل الأزواج الأفقية والعمودية والقطرية. من هذه الملاءمات يستخلصون مجموعة مضغوطة من الميزات الرقمية التي تلخّص شكل البيانات وانتشارها ولا تماثلها على مقياسين مختلفين. تُغذّى هذه الميزات إلى نموذج انحدار متجه الدعم، الذي تم تدريبه على درجات رأي بشري للتنبؤ بكيفية تقييم المشاهد النموذجي لجودة الصورة.

اختبار الطريقة

قيّم الفريق BIQABSF على عدة قواعد بيانات صور كبيرة ومعروفة حيث سبق أن قيّم متطوعون بشريون آلاف الصور المتدهورة بالضبابية والضوضاء وآثار الضغط وتشوهات أخرى. عبر أربع مجموعات بيانات، احتلّت الطريقة الجديدة مراكز متقدمة باستمرار بين الأساليب "بدون مرجع"، غالبًا ما تطابق أو تتجاوز أنظمة التعلم العميق الحديثة مع استهلاك حسابي أقل بكثير. كما عممت جيدًا عند تدريبها على قاعدة بيانات واحدة واختبارها على أخرى بمزيج مختلف من التشوهات، مما يشير إلى أن إحصاءات التباين التي تستخدمها تلتقط شيئًا أساسيًا حول مظهر الصور الحقيقية عندما تكون نظيفة أو متضررة.

ماذا يعني هذا لتقنية الحياة اليومية

بعبارات بسيطة، توضح الدراسة أنه من خلال النظر إلى كيفية تصرّف التباين في الصورة ونمذجة انحرافاته الطفيفة عن توزيع الجرس المرتّب، يمكن للحاسوب تقدير مدى جودة تلك الصورة لدى البشر دون أن يرى أصلًا. وبما أن BIQABSF مدمج وسريع وقابل للتفسير، فهو مناسب للأدوار العملية مثل مراقبة جودة فيديو البث، توجيه إعدادات الكاميرا في الهواتف، أو تمييز الصور الطبية منخفضة الجودة قبل التشخيص. تشير الدراسة إلى أن الميزات الإحصائية المصممة بعناية، المبنية على طريقة عمل أعيننا، لا تزال قادرة على منافسة الشبكات العصبية الثقيلة في مهمة تقييم جودة الصور في العالم الحقيقي.

الاستشهاد: Ji, W., Chen, X. Blind image quality assessment based on statistical features. Sci Rep 16, 14756 (2026). https://doi.org/10.1038/s41598-026-42799-z

الكلمات المفتاحية: جودة الصورة, تقييم أعمى, إحصاءات المشاهد الطبيعية, ميزات التباين, رؤية الحاسوب