Random Indexing for Image Change Detection: A Distance-Threshold Vocabulary Approach

تخيل أنك محقق يحاول رصد الفروقات بين صورتين لنفس المدينة التُقطتا بفارق سنوات. ربما بُنيت حديقة جديدة، أو هُدم مبنى قديم. هذا هو عالم الاستشعار عن بُعد وكشف التغيير، وهو مجال يستخدم فيه العلماء الأقمار الصناعية لمراقبة سطح الأرض بمرور الوقت. وللقيام بذلك، غالبًا ما يقارنون بين "المتجهات الطيفية" — وهي مجرد أرقام معقدة تصف لون وسطوع كل بكسل في الصورة.

لفترة طويلة، كانت أفضل طريقة لإيجاد التغييرات هي ببساطة طرح أرقام صورة من الأخرى، وهي طريقة تسمى تحليل متجه التغيير (CVA). الأمر يشبه مقارنة إيصالين سطراً بسطر. ومع ذلك، فإن فكرة أحدث تسمى الفهرسة العشوائية (Random Indexing) حققت نجاحاً باهراً في علوم الحاسوب لفهم اللغة البشرية. في هذا النظام، يحصل كل "كلمة" على "بطاقة هوية" فريدة (متجه من الأرقام)، ويتم بناء معنى الجملة عن طريق جمع بطاقات الهوية للكلمات المحيطة بها.

السؤال الكبير الذي يطرحه هذا البحث هو: هل يمكننا استخدام خدعة "هوية الكلمات" الذكية هذه مع الصور؟ هل يمكننا تحويل البكسلات إلى كلمات، وإعطاؤها بطاقات هوية عشوائية، ثم معرفة ما إذا كان "الجوار" المحيط بالبكسل يتغير بمرونة بمرور الوقت؟ يبدو هذا تطابقاً مثالياً، ولكن كما اكتشف المؤلفون، فإن تحويل صورة مستمرة وناعمة إلى قائمة من "الكلمات" أصعب مما يبدو.

---

لغز البكسل: عندما تضيع "الكلمات"

بدأ الباحثون بفكرة بسيطة وشبه بديهية. لاستخدام خدعة الفهرسة العشوائية على الصور، احتاجوا أولاً إلى تحويل ملايين ألوان البكسلات المستمرة إلى قائمة ثابتة وصغيرة من "الكلمات المرئية". كانت محاولتهم الأولى هي استخدام أداة رياضية شائعة تسمى تجميع k-means. تخيل أن لديك كيساً من الكرات الملونة المختلطة وتريد فرزها في 20 دلوًا؛ تحاول طريقة k-means إيجاد 20 "مركزًا" للألوان وفرز كل كرة في الدلو الأقرب لهذا المركز.

ظن الفريق أن هذا سيعمل بشكل مثالي. لكن عندما جربوه على صور أقمار صناعية حقيقية التُقطت بفارق سنوات، انهار النظام. والسبب هو: حتى لو لم تتغير قطعة من العشب على الإطلاق، فإن الإضاءة أو مستشعر الكاميرا قد يجعلها تبدو مختلفة قليلاً في اليوم الثاني. في نظام k-means، هذا الاختلاف الضئيل كافٍ لدفع البكسل من جانب إلى آخر من "خط الدلو". فجأة، تحصل نفس قطعة العشب على "بطاقة هوية" مختلفة تماماً في الصورة الثانية. الأمر يشبه أن تكتب قصة، وفي كل مرة تستخدم فيها كلمة "قطة"، يقرر الكمبيوتر استبدالها بكلمة "كلب" لمجرد أنك كتبتها بشكل مختلف قليلاً. لقد ارتبك النظام بسبب هذه التحولات الطفيفة غير الضارة لدرجة أنه لم يستطع التمييز بين التغيير الحقيقي وبين خلل في الكاميرا.

حل "القائد": قاعدة أكثر تسامحاً

لإصلاح ذلك، استبدل المؤلفون مصنف k-means الصارم بقاعدة أكثر مرونة يسمونها تجميع المسافة العتبية (أو تجميع القائد - distance-threshold/leader clustering).

تخيل أنك تنظم حفلة وتوزع الضيوف على الطاولات. بدلاً من محاولة إيجاد 20 طاولة مثالية مسبقاً، تترك الضيوف يصلون واحداً تلو الآخر. الضيف الأول يجلس في طاولة جديدة ويصبح هو "القائد". ينظر الضيف التالي إلى القادة الموجودين؛ فإذا كان قريباً بما يكفي من أحد القادة (ضمن مسافة محددة، لنقل 5 أقدام مثلاً)، فإنه ينضم إلى طاولة ذلك القائد. أما إذا كان بعيداً جداً عن الجميع، فإنه يبدأ طاولة جديدة ويصبح هو "قائداً" جديداً.

هذا التغيير البسيط أحدث فارقاً جذرياً. ولأن القاعدة تعتمد على مسافة ثابتة بدلاً من عدد ثابت من الطاولات، فإن البكسل الذي يتزحزح قليلاً بسبب ضجيج الكاميرا يظل في نفس الطاولة. وهذا يحافظ على "بطاقة الهوية" الخاصة به عبر كلتا الصورتين. وقد أثبت المؤلفون رياضياً أن هذه الطريقة تخلق "نطاق استقرار"، مما يعني أنه طالما أن الضجيج أصغر من قدر معين، فإن هوية البكسل لن تتقلب. هذا الاستقرار هو السر الذي جعل النظام بأكم له يعمل.

النتائج: جيد، ولكن ليس مثالياً

مع وجود هذه "المفردات" الجديدة القائمة على "القائد"، بنى الفريق نظاماً كاملاً لكشف التغيير. واختبروه في أربعة سيناريوهات واقعية مختلفة تماماً:

1. أراضٍ زراعية مروية في أوريغون (باستخدام صور طيفية فائقة).
2. نهر في الصين (أيضاً صور طيفية فائقة).
3. خليج سان فرانسيسكو (باستخدام صور رادارية ترى من خلال السحب).
4. منطقة حرائق غابات التقطتها أقمار Sentinel-2.

قارنوا طريقتهم الجديدة بالطريقة التقليدية القديمة "طرح الأرقام" (CVA). كانت النتائج متسقة ولكنها كانت متواضعة: الطريقة الجديدة من الفهرسة العشوائية كانت جيدة جداً، لكنها لم تتفوق على الطريقة القديمة.

• في مجموعة بيانات النهر، سجلت الطريقة الجديدة AUC قدره 0.906، بينما سجلت الطريقة القديمة 0.944.
• في الأراضي الزراعية، حصلت الطريقة الجديدة على 0.924، بينما حصلت القديمة على 0.986.

وجد المؤلفون أن طريقتهم الجديدة تقترب باستمرار من أداء الطريقة الكلاسيكية لكنها لا تتجاوزها. وأدركوا أنه عند مقارنة صورتين فقط، تظل الطريقة القديمة هي الملكة لأنها تستخدم كل ذرة من معلومات اللون، بينما تضطر الطريقة الجديدة للتخلص من بعض المعلومات لتحويل البكسلات إلى "كلمات".

الأعطال الخفية والأسرار المفتوحة

أثناء بناء هذا النظام، اكتشف الفريق بعض الأخطاء البرمجية والأسئلة المفتوحة التي لا تقل إثارة عن الحل نفسه.

أولاً، وجدوا فشلاً يُعرف بـ "المتجه المتدهور" (degenerate vector). في نظامهم، استخدموا طريقة احتمالية لإنشاء بطاقات الهوية العشوائية، مما يعني أن بعض الأرقام في البطاقة قد تكون صفراً. وأدركوا أنه إذا أصبحت المفردات كبيرة جداً (مثل الـ 43 "كلمة" الخاصة بالنهر)، فهناك احتمال كبير (حوالي 58%) أن تنتهي إحدى بطاقات الهوية العشوائية بكونها أصفاراً بالكامل. بطاقة الهوية التي تتكون من أصفار فقط هي بطاقة عديمة الفائدة؛ إنها تشبه ورقة بيضاء. إذا حصل جسم شائع في المشهد على بطاقة هوية فارغة، فلن يتمكن النظام من رؤيته على الإطلاق، مما يؤدي إلى انهيار عملية الكشف. لقد أصلحوا ذلك ببساطة عبر إخبار الكمبيوتر: "إذا حصلت على بطاقة فارغة، ارمِها واسحب غيرها". هذا الإصلاح الصغير جعل النتائج أكثر موثوقية بكثير.

ثانياً، وهو الأهم، اكتشفوا عدم استقرار كبيراً لم يتمكنوا من حله بالكامل. يعتمد نظام تجميع "القائد" على الترتيب الذي يتم به زيارة البكسلات. إذا قمت بخلط البكسلات وزرتها بترتيب عشوائي مختلف، فقد تحصل على مجموعة مختلفة قليلاً من "القادة" (الطاولات). وجد المؤلفون أن هذا الترتيد العشوائي يمكن أن يغير النتيجة النهائية بشكل كبير. في مجموعة بيانات النهر، يمكن أن يؤدي تغيير الترتيب إلى تذبذب الدقة من رقم سيء للغاية وهو 0.736 إلى رقم ممتاز وهو 0.943. جربوا ثلاث حيل مختلفة لإصلاح ذلك — مثل زيارة البكسلات الأكثر استقراراً أولاً أو تنعيم البيانات — لكن لم تنجح أي منها بشكل أفضل من مجرد ترك العشوائية تحدث. واعترفوا بأن هذا هو أكبر مشكلة مفتوحة في عملهم.

المستقبل: مراقبة الأرض في الوقت الفعلي

إذاً، هل هذه الطريقة هي الفائزة؟ بالنسبة لمقارنة صورتين محددتين، الإجابة هي "ليس تماماً بعد". فالطريقة الكلاسيكية لا تزال أكثر دقة. ومع ذلك، يجادل المؤلفون بأن القوة الحقيقية للفهرسة العشوائية لا تكمن في مقارنة لقطتين، بل في مشاهدة فيلم طويل.

لأن الفهرسة العشوائية تعمل ببساطة عن طريق جمع الأرقام معاً، فهي عملية تزايدية (incremental). يمكنك تحديث "معنى" البكسل مع وصول صور جديدة دون الحاجة أبداً إلى إعادة تحليل التاريخ بأكم. تخيل قمراً صناعياً يحدث خريطته للأرض كل يوم، حيث يضيف معلومات جديدة إلى إجمالي تراكمي، بدلاً من إعادة قراءة الكتاب بأكمله في كل مرة تُضاف فيها صفحة جديدة. يعتقد المؤلفون أنه بينما لا تتفوق طريقتهم الحالية على الطريقة القديمة في المقارنة الواحدة، فإن قدرة "البث" (streaming) هذه قد تكون نقطة تحول لمراقبة السلاسل الزمنية الطويلة، مثل تتبع حرائق الغابات على مدار أشهر أو مراقبة نمو مدينة عاماً بعد عام.

في النهاية، هذه الورقة البحثية هي قصة فكرة واعدة اصطدمت بحائط، ووجدت طريقة ذكية لتسلقه، وأدركت أنها بينما قد لا تكون العداء الأسرع في سباق قصير، إلا أنها قد تكون الأفضل في سباق الماراثون الطويل.