A Feature Prior Tensor Nuclear Norm with Improved Bilateral Filtering Regularization for Dim and Small Target Detection

في الفضاء الشاسع والصامت للسماء، غالبًا ما تظهر طائرة بدون طيار أو صاروخ بعيد كأنها ليست أكثر من نقطة باهتة ووامضة مقابل خلفية من السحب المتلاطمة، أو حواف الجبال المسننة، أو سطح الأرض ذي الملمس المتنوع. وبالنسبة للكاميرات التي تعمل بالأشعة تحت الحمراء، والتي ترى الحرارة بدلاً من الضوء المرئي، فإن هذه الأهداف الصغيرة صعبة الرصد بشكل ملحوظ. فهي خافتة، مما يعني أنها تنبعث منها طاقة ضئيلة جدًا، وصغيرة، حيث تشغل غالبًا بضع بكسلات فقط في صورة ضخمة. ويكمكن التحدي الحقيقي ليس في العثور على الهدف، بل في تمييزه عن الخلفية. فالسماء والأرض نادرًا ما تكونان خاليتين؛ فهما مليئتان بـ "الضجيج البصري" (clutter) — مثل الحواف الحادة لسحابة، أو زاوية مبنى، أو ملمس غطاء الغابة. وبالنسبة لخوارزمية الكمبيوتر، يمكن لهذه الميزات الخلفية أن تبدو ساطعة وحادة تمامًا مثل الهدف نفسه، مما يتسبب في إطلاق النظام لإنذار كاذب، أو ما هو أسوأ، تفويت الهدف تمامًا. وهذه مشكلة حرجة لكل من الدفاع العسكري والسلامة المدنية، حيث يمكن أن يؤدي تفويت جسم صغير في مشهد معقد إلى عواقب وخيمة.

لقد حاول الباحثون طويلاً حل هذه المشكلة من خلال تعليم الحواسيب كيفية فصل "الإشارة" عن "الضجيج". تخيل الصورة ككعكة ذات طبقات: الطبقة السفلية هي الخلفية الناعمة والثابتة، والطبقة العلوية هي الهدف الساطع والحاد، والزينة (frosting) بينهما هي الضجيج العشوائي. والهدف هو تقشير الضجيج والخلفية للكشف عن الهدف. ومع ذلك، عندما تكون الخلفية مليئة بالحواف والزوايا الحادة، فإن الطرق التقليدية غالبًا ما تعاني، حيث تخطئ وتعتبر غصن شجرة طائرة. وتقترح دراسة جديدة من جامعة قوانغشي للعلوم والتكنولوجيا طريقة جديدة للتعامل مع هذا الواقع الفوضوي. فقد طور الفريق طريقة لا تكتفي بالبحث عن الهدف فحسب، بل تتعلم بنشاط تجاهل أنواع معينة من أنماط الخلفية التي تخدع النظام عادةً.

يتضمن جوهر هذا النهج الجديد استراتيجيتين رئيسيتين تعملان معًا. أولاً، أنشأ الباحثون مرشحًا رياضيًا يعمل مثل منخل ذكي. في الماضي، كانت المرشحات تعمل على تنعيم الصورة لإزالة الضجيج، لكنها كانت غالبًا ما تطمس الهدف مع الخلفية. هذا المرشح الجديد "مطور" لأنه يفهم الفرق بين المنطقة الناعمة والحافة الحادة. فهو ينظر إلى الصورة في قطع صغيرة، ويقارنها ببعضها البعض. إذا كانت قطعتان متشابهتين في السطوع وقريبتين من بعضهما البعض، فإن المرشح يعاملهما كجزء من الخلفية ويقوم بتنعيمهما. أما إذا كانت القطعة مختلفة — ربما تحتوي على نقطة صغيرة ساطعة لا تتطابق مع جيرانها — فإن المرشح يحافظ عليها. وهذا يسمح للنظام بقمع الخلفية المعقدة والمزعجة مع الحفاظ على الهدف الخافت سليمًا.

أما الاستراتيجية الثانية فتعالج المشكلة المحددة للزوايا والحواف، وهي المصادر الأكثر شيوعًا للإنذارات الكاذبة. فقد قدم الباحثون طريقة جديدة لقياس "قوة" الزاوية أو الحافة في الصورة. ومن خلال تحليل كيفية تغير الضوء في اتجاهات مختلفة حول نقطة ما، يمكن للنظام تحديد ما إذا كان ينظر إلى زاوية حادة لمبنى أو منحنى ناعم. ثم يستخدمون هذه المعلومات لإخبار الكمبيوتر بأن يكون حذرًا للغاية مع هذه المناطق، مما يعني فعليًا للخوارزمية: "هذه الحافة الحادة هي على الأرجح مجرد جزء من المشهد، وليست هدفًا". وهذا يمنع النظام من التشتت بالتعقيدات التفصيلية للخلفية، مثل المخطط المتعرج لجبل أو تقاطع طريقين.

ولاختبار فكرتهم، طبق الفريق طريقتهم على ستة سيناريوهات مختلفة من الواقع، تتراوح من هدف يطير فوق أرض مسطحة إلى آخر يناور بالقرب من الأفق. وقارنوا نتائجهم مع ست طرق رائدة أخرى من طرق الكشف. كانت النتائج البصرية مذهلة؛ ففي الصور التي تركت فيها الخوارزميات الأخرى وراءها هالة من الضجيج المتبقي أو أخطأت الهدف تمامًا، أنتجت الطريقة الجديدة صورة نظيفة حيث يبرز الهدف بوضوح مقابل خلفية داكنة وناعمة. وقد قاس الباحثون نجاح طريقتهم باستخدام مقاييس محددة تحدد مدى جودة قمع الخلفية ومدى تعزيز إشارة الهدف. وفي كل حالة اختبار تقريبًا، تفوقت طريقتهم على الآخرين، محققة أعلى الدرجات في قمع الخلفية. وفي سيناريو محدد يتضمن تحرك هدف من القرب إلى البعد، قللت طريقتهم من ضجيج الخلفية بشكل أكبر بكثير من أي من التقنيات المنافسة.

ومع ذلك، فقد كان الباحثون حذرين في الإشارة إلى أن طريقتهم ليست حلاً مثاليًا لكل موقف. ففي المشاهد التي تكون فيها الخلفية نفسها مليئة بأنماط هيكلية متكررة تشبه الهدف كثيرًا، واجه النظام أحيانًا صعوبة في التمييز بينهما، مما أدى إلى معدل أعلى قليلاً من الإنذارات الكاذبة. بالإضافة إلى ذلك، في السيناريوهات التي تكون فيها الخلفية نظيفة بالفعل والهدف ساطعًا للغاية، أدت عملية الترشيح القوية التي طبقتها الخوارزمية أحيانًا إلى تنعيم حواف الهدف بشكل زائد، مما جعله أقل وضوحًا قليلاً. وتشير هذه النتائج إلى أنه بينما تعد الطريقة فعالة للغاية في البيئات المعقدة والمزدحمة، إلا أنها قد تحتاج إلى مزيد من التطوير لظروف مثالية محددة.

في النهاية، يوضح هذا العمل أنه من خلال الجمع بين تقنية ترشيح ذكية وفهم أعمق لهندسة الصورة، يمكن للمرء رؤية ما لا يُرى. توفر الطريقة الجديدة وسيلة أكثر موثوقية للكشف عن الأهداف الخافتة والصغيرة في الضجيج البصري الفوضوي للعالم الحقيقي. ومن خلال تعليم الكمبيوتر التعرف على الأشكال المحددة التي تسبب الارتباك وتجاهلها، قدم الباحثون أداة يمكن أن تجعل أنظمة المراقحة بالأشعة تحت الحمراء أكثر دقة وموثوقية، مما يضمن عدم ضياع أضعف الإشارات في السماء وسط الضجيج.