نهج هجين جديد لتصحيح الألوان المخصص وشبكات الالتفاف المتكررة لتحسين صور تحت الماء

لماذا تهم الصور_underwater_الأوضح

سواء كان علماء أحياء بحرية يقومون بمسح الشعاب المرجانية، أو مهندسون يفحصون كابلات تحت الماء، أو غطاسون يشاركون فيديو من رحلة عطلة نهاية الأسبوع، يواجه الجميع نفس المشكلة: تبدو الصور تحت الماء غالبًا ضبابية ومائلة إلى الأزرق‑الأخضر وقليلة التفاصيل. تقدم هذه الدراسة طريقة جديدة لتنظيف تلك الصور بحيث تبدو المشاهد تحت السطح أقرب إلى ما نراه في الهواء النقي، مما يساعد المراقبين البشريين والأنظمة الحاسوبية على فهم العالم البحري بشكل أفضل.

مشكلة التقاط الصور تحت الماء

الماء أكثر من مجرد نسخة أكثر كثافة من الهواء. أثناء انتقال الضوء خلاله، تُمتص وتنتثر ألوان معينة أكثر من غيرها. تتلاشى الأحمريات والصفراء سريعًا مع العمق أو المسافة، بينما تنتقل الأزرق والأخضر لمسافات أبعد، ولهذا تبدو الكثير من المشاهد تحت الماء زرقاء وباهتة. تشتت الجزيئات الدقيقة الضوء في جميع الاتجاهات، مما يقلل التباين ويخفي التفاصيل الدقيقة. لا تلاقي هذه التأثيرات استياء المصورين العاديين فحسب، بل تضعف أيضًا أداء الخوارزميات التي تحاول اكتشاف الأشياء أو رسم قاع البحر أو مراقبة الحياة البحرية من الصور والفيديو.

الحيل الموجودة ولماذا تقصر

حاول الباحثون العديد من الاستراتيجيات لإصلاح صور تحت الماء. تعتمد بعض الطرق على معادلات فيزيائية تصف كيف يُمتص الضوء ويُشتت، محاولة عكس تلك العملية. تضبط طرق أخرى السطوع والتباين، أو تغير توازن الألوان، أو تعمل في فضاءات لونية خاصة تفصل بين السطوع واللون. تستخدم تقنيات أحدث التعلّم العميق، حيث تُدرّب الشبكات العصبية على مجموعات كبيرة من الصور تحت الماء لتتعلم كيف يبدو "الصورة الجيدة". ومع ذلك، فإن كثيرًا من هذه الأساليب إما سلاسل معالجة مصممة يدويًا بخطوات ثابتة أو شبكات عصبية تعمل مرة واحدة فقط. تصادف صعوبة عندما تتغير ظروف المياه، أو يكون الإضاءة غير متناسقة، أو يوجد ضجيج قوي، لأنها لا تستطيع التكيف بسهولة أو تحسين مخرجاتها عبر عدة تكرارات.

مسار هجين من المشاهد المعكّرة إلى الواضحة

يقترح المؤلفون طريقة هجينية تجمع بين نقاط قوة تصحيح الألوان التقليدي وشبكة عصبية تلافيفية متكررة حديثة، نوع من نماذج التعلّم العميق مصمم لصقل توقعاته مرارًا وتكرارًا. أولاً، تحلل مرحلة تصحيح الألوان المخصصة كيف تضعفت الأطوال الموجية المختلفة وتعمل على ضبط كل قناة لونية وفقًا لذلك. بدلاً من تعزيز الأحمر بلا تمييز أو تقليل الأزرق، تُقدّر هذه المرحلة مدى تلاشي الضوء في تلك البيئة البحرية المحددة وتعيد نغمات لونية أكثر طبيعية. ثم تُحوّل الصورة إلى فضاء لوني يحاكي إدراك الإنسان، يفصل بين السطوع الإجمالي ومكونات اللون، مما يسهل تصحيح التشوهات دون تدمير التفاصيل.

السماح للشبكة بإعادة زيارة الصورة

بعد التصحيح اللوني الأولي، تُمرَّر الصورة المحسّنة عبر شبكة عصبية متكررة. على عكس الشبكة التقليدية التي تحلل الصورة مرة واحدة، تعيد هذه البنية تغذيتها إلى داخلها، مما يسمح للنموذج بإعادة التفكير في المشهد عبر عدة تكرارات. مع كل مرور، تُشَدّد الحواف، وتُنظف الضوضاء، وتتحسّن التباينات مع محاولة تجنب خلق هالات صناعية أو مناطق مفرطة التعزيز. خطوات معالجة إضافية تُنعِّم الضجيج بطريقة تحمي الحدود بين الكائنات، ومعالجة متخصصة لقناتي الأزرق والأخضر تساعد في تصحيح اختلال اللون الأكثر شيوعًا تحت الماء. ينتقل خط المعالجة الكلي بهذا الشكل من صور خام ملوّنة إلى تمثيلات أوضح وأكثر دقة تدريجيًا.

دليل من مشاهد بحرية متنوعة

للحكم على مدى فاعلية الطريقة، اختبر الباحثون نهجهم على مجموعات صور تحت الماء عامة ومتنوِّعة، شملت مشاهد تركيبية وحقيقية، وكذلك صور ثابتة وفيديو. قيّموا الجودة بمقاييس معيارية تقارن الحدة والتشابه البنيوي ومستويات الضجيج، وأيضًا بواسطة درجات لا تتطلب صورة مرجعية مثالية—وهو أمر مهم في المحيط حيث نادراً ما يتوفر منظر "صحيح" تمامًا. عبر صور الشعاب المرجانية والتماثيل على قاع البحر والأسماك السابحة والغطاسين، أنتج نهجهم باستمرار درجات أعلى من التقنيات المنافسة وقدم صورًا اعتبرها المشاهدون البشر أوضح وأكثر لونًا وغنىً بالتفاصيل.

ماذا يعني هذا لرؤية ما تحت البحر

بعبارات بسيطة، تُظهر الدراسة أن تصحيح الألوان بعناية أولًا ثم السماح لشبكة ذكية بصقل النتيجة بشكل متكرر يؤدي إلى صور تحت الماء تبدو أكثر طبيعية وتكشف معلومات أكثر. بينما قد تواجه الطريقة صعوبات في ظروف الظلام الشديد ومقاييس الجودة الحالية ليست انعكاسًا تامًا للحكم البشري، فإن هذا النهج الهجين يوفر بالفعل دفعة عملية لمهام مثل اكتشاف الأشياء والتفتيش والمراقبة البيئية تحت السطح. مع مزيد من التحسينات وطرق أفضل لتقييم جودة الصور، قد تصبح أدوات كهذه مكونات قياسية في كاميرات وروبوتات تحت الماء، مما يمنحنا نافذة أوضح إلى المحيطات.

الاستشهاد: Natarajan, D., Sudhakaran, P. & Bereznychenko, V. A novel hybrid customized color correction and Recurrent Convolutional Neural Networks approach for underwater image enhancement. Sci Rep 16, 14006 (2026). https://doi.org/10.1038/s41598-026-44535-z

الكلمات المفتاحية: التصوير تحت الماء, تحسين الصور, تصحيح الألوان, التعلّم العميق, الرؤية البحرية