الشبه بين صورتين

يعتمد على كمية التشويه ، يمكن استخدام البحث وعمل نسبة خطأ معينة بحيث مثلا اذا كان عدد النقاط المتطابقة 90% معناه ان الصورتين متطابقتان.

اعتقد ايض انه يمكن التحويل الى ال frequency domain للكل وعمل مقارنة ولكن غير متأكد من ذلك.

توجد طرق اخرى عن طريق استخراج خصائص الصور الثابته ومقارنتها مثلا عدد الكائنات في الصورة (مربعات ، مستقيمات ، قيم الالوان )

الموضوع مازال مجال بحث وكل عام ستجد الكثير من اوراق البحث الجديدة فيه. ;كم ان له تطبيقات عديدة مثلا البصمه finger print، العلامة المائيه watermark وغيرها .

there is several methods

histogram

SIFT

تستعمل الشبكه العصبونيه لحل مثل هذا النوع من المشاكل مثلا:

لنفرض انه قمنا بعمل الصوره A وحددنا الدلائل البيانيه لها في قاعدة بيانات خاصه بها اي بمعنى اخر درجة القياسات والابعاد التي تدل عليها وثبتنا هذه القيم في قاعدة بيانات مجرى لها التحليل والتدقيق , اذا الان لدينا الاساس الحقيقي وهو ماهي مكونات الصوره A التي تعطينا تحديد كامل لها اينما ضهرت .

انظر للصوره التاليه والتي تعطينا الشكل الطبيعي والحقيقي بدون اي تعديلات او تشويه لجورج

الان على اساس هذه الصوره ناخد القيم والتي تميز جورج من حيث اجزاء الصوره وباقي المكونات داخل الصوره من خلال البيانات الحسابيه

الان لنفرض الصوره التاليه والتي قمنا بتشويه اي حاولنا ان نغير الملامح لجورج ووضعناها داخل مجموعه من الصوره الاخرى لكي نبين الاختلاف ونحدد اي هذا المدعو جورج بينها

في هذه الحاله قمنا بتشويه صور جورج ووضعنا احتمالات كثيره لشكل الوجه وهنا كان الاختلاف من حيث الملامح فكيف نستطيع ان نميز بين الصور

التابعه لجورج فقط والتي تعتبر اقرب لجورج الحقيقي نقوم بالاتي وطبعا يتم ذالك من خلال العمل على قاعدة البيانات المعطاه مسبقا مع القيام بعمليات

اخذ الاوزان وعمل القيم المثوارثه داخل هذه البيانات وايجاد اصور المتوقعه ومن ثم وضعها بشكل فردي داخل قاعدة بيانات متورثه من الصوره الاصل

لكي نستطيع ان نحصل في بعد على الصور المشوه من الصور المشوه اي كان نقول ابناء جورج الذين يشبهون والدهم والاحفاد كذالك

لاحظ الصوره التاليه

قمنا بتحديد اين الاقرب لجورج من ضمن هذه الصور الموجوده وافردنا لها قيم تقريبه تقابل القيم الحقيقه للصوره الحقيقيه

والسلام عليكم ورحمة الله وبركاته

اقتباس

الان على اساس هذه الصوره ناخد القيم والتي تميز جورج من حيث اجزاء الصوره وباقي المكونات داخل الصوره من خلال البيانات الحسابيه

بقية الامور مفهومة ولكن هذه النقطة لو سمحت

الان على اساس هذه الصوره ناخذ القيم والتي تميز جورج من حيث اجزاء الصوره وباقي المكونات داخل الصوره من خلال البيانات الحسابيه .

نعم اخ عادل لنفسر هذه الجمله بشكل دقيق اكثر :_

في موضوع الشبكات العصبونيه من اهم الاجزاء المهمه هو مايسمى الاوزان او بمعنى اخر القيم التي تحدد مدخلات القيم المراد التعامل معها بمعنى اخر لنفرض اننا نريد ان نقوم بالعمليه بشكل حقيقي فلنبدا بحساب الامور التي نريد لها ان تفيدنا في توقع الصوره المراد التحقق منها .

اولا نبني قاعده بيانات تحتوي على الصوره اي محدداتها عن بقية الصور الاخرى , فهذه الصوره هي مميزات هذه الصوره عن غيرها من الصور , فلو فرضنا اننا نريد تحديد الوجه , نبدا مثلا من استدارة الوجه يعني ناخذ مقاطع للوجه في جميع الزوايا وبشكل كامل ومن ثم باقي اجزاء الوجه وقياساتها وابعادها وغير ذالك من البيانات , اتوقع انه ليس هنالك اي امر مبهم لحد الان وانها امر عادي . ننتقل الى ما بعد هذه البيانات بعد ادخالها في قاعدة البيانات فتبدا لدينا العمليات التسلسليه التي اتوقع انك تستفسر عنها .

فقبل ان نبدا في التعامل مع البيانات برمجيا يجب علينا ان نقوم ببعض الامور التي تخصها فنقوم بعملية تسمى تسويه او تدقيق للبيانات بحيث في بعض الاحيان قد نكون نسينا قيمه معينه , او توجد علامة سؤال اي لم نحصل على القيمه او قيمة صفر , فما نقوم به هنالك الكثير من العمليات الرياضيه منها ما يسمى missing valueوnoisy valueو outlier value, وتحل هذه المشاكل بمجموعه من الطرق منها ان ناخذ المتوسط للقيم في العمود ونضعها مكان الذي نريد حله وغيرها من الطرق الكثيره في علم الرياضيات .

لنفرض اننا انهينا هذه العمليه الان لدينا جزئية الخوازميه والتي تتكون من مجموعه وليس من واحده فقط حسب احتياجنا لها , الان اما ماقصدت بعمليات حسابيه فيوجد الكثير منها تحتاج شرح مطول ولكن اهم جزئيه فيها او البسيطه للفهم ولا مهونه .

لاحظ الصوره التاليه اخي :

x:- تمثل المدخلات (اي اجزاء الصوره الجديده التي نريد ان نتاكد من انها الصوره القريبه للصوره الحقيقيه

w:- الاوزان التي تثبت مدا قوة المدخل التابع للصوره او ما يسمى في علم العصبونات الامور الحسيه ومدى قدرتها لكي تعطي التفاعلات او الاستشعارات

y:- المخرجات (القيم المتوقعه

activation functions:- التفاعلات الوضيفيه عند المخرجات

الان في هذه الحاله نقوم بالعمليات الحسابيه والتي تبدا من الاوزان بين المخلات للقيم التي نريد ان نعلم هل تمثل الصوره او لا يعني :

قيم الخصائص للصوره الحقيقيه نجعلها مدخلات ونريد ان نتتحقق من القيم الجديديه للصوره الجديده ونقوم بحساب الاوزان التي تمثل قوة المدخلات ونقارنها بالقيم المراد الوصول لها بين 0 و 1 او بين -1 و 1

ثم نرا قيم التي نريدها ثم نحدد المخرجات والتي تمثل الصوره المتوقعه او النسبه الاقرب .

هذا اخي بشكل بسيط جدا يعني لم ادخل في التفاصيل الكامله ولكن اردت ان ارد عليك في اسرع وقت , صراحتا اريد ان اشرح الشبكات العصبونيه بشكل كامل ان شاء الله ولكن اولا مشكلتي مع ترجمة بعض المصطلحات

فلا اريد لها ان تصبح ثوابت فبالتالي ان شاء الله سوف اقوم باستشارت من حيث المصطلحات اللغويه لكي اشرح الموضوع بشكل صحيح ان شاء الله , والله اعلم .

اعذرني ان لم اصيب

وفقك الله

شكرا اخي حسن شرح ممتاز

درست الشبكات العصبونيه

واعرف العمليات عليها تماما ( لاتنسى انها digraph لووول)

اقتباس

يعني ناخذ مقاطع للوجه في جميع الزوايا وبشكل كامل ومن ثم باقي اجزاء الوجه وقياساتها وابعادها

ايوة وصلنا للنقطة المهمة

كيف استخرج هذه البيانات من الصورة ؟

بالنسبة لي هذه اهم نقطة

اقتباس

histogram

SIFT

عذر لم الحظ هذا الجواب سابحث عنه وارد اليك

عفوا على عدم التوضيح، فلقد كنت مستعجل عندما كتبت الرد.

لمقارنة صورتين ، يمكن استخدام طريقة بسيطة وهي استخدام histogram

(انا افترض انك تعرف ما هو histogram) :)

قصور هذه الطريقة انها تعتمد على الوان الصورة، فمثلا اذا اخذت صورتين متشابهتين لشيء معين، واحدة في النهار واخرى في الليل فستفشل هذه الطريقة.

الطريقة الاخرى استخدام خوارزمية SIFT ، حيث تقوم هذه الطريقة على ايجاد ما يسمى features في الصورة، فمثلا، اذا اردت ان ترى ما هي الصور المشابهة لصورة معينة، ستقوم بإيجاد الـ features لكل الصور الموجودة عندك وتقارنها للصورة التي تبحث عنها. والصورة التي تطابق اكبر عدد من الـ features هي الصورة الاقرب.

تكتب هذه الكلمات في تعليمات الماتلاب:

Building an Image Comparison Tool

ستجد مثال بسيط على الموضوع.

<_<

اقتباس

حيث تقوم هذه الطريقة على ايجاد ما يسمى features في الصورة، فمثلا، اذا اردت ان ترى ما هي الصور المشابهة لصورة معينة، ستقوم بإيجاد الـ features لكل الصور الموجودة عندك وتقارنها للصورة التي تبحث عنها. والصورة التي تطابق اكبر عدد من الـ features هي الصورة الاقرب

هذا ما أريد أن افهمه ولكن .... يبدو ان الجميع هنا يتحدث بطريقة عامة

ابحث عن المواصفات العامة

ابحث عن الخصائص

قارن في البيانات الاساسية الخ

اقتباس

Building an Image Comparison Tool

للاسف المثلاب غير موجود لدي في الوقت الراهن

موفقين يا شباب

romanof كتب:

شكرا اخي حسن شرح ممتاز

درست الشبكات العصبونيه

واعرف العمليات عليها تماما ( لاتنسى انها digraph لووول)

لا اخ عادل ما نسيت ماعليك زود :wink:

طيب من المعروف انك عندما تريد ان تبني قاعدة بيانات من مثل هذا النوع من الامور يجب عليك مبدئيا ان تقوم بشيء اسمه clssification

واتوقع انك تعرفه اخي

وهذا رابط يوضح ماهوا الموقصود به على الوجه البشري

human face

ومن حيث التفاصيل التي تريدها في شكل البيانات وماهي المدخلات وما هي خصائص هذه الصور لكي تبني عليها قاعدة البيانات التي تريد فعليك ان تفصل هذه الصور بشكل دقيق لكي تعرف ,

وحتى انك تستطيع ان تعمل امر اجمل, ولكنه صعب نوعا ما وقد حاولت ان افكر به سابقا لكنني وجدت انه ضخم جدا ويحتاج الى جهد كبير او بالاحرى الى فريق كامل :S , وهوا ان اعمل نظام

يقوم على بناء قاعدة بيانات لكل صوره مهما كانت من خلال قراءة الصور ومن ثم عمل هذه القاعده من البيانات بناء عليها , ساشرح لك بمثال :

لنفرض اننا نريد ان نبحث عن صوره معينه والتي يكون فيها شخص يصلي ونريد ان نجدها من خلال الصوره وليس من خلال النص فماذا برايك نعمل , فكرت في اننها نستطيع ان نبني قاعدة بيانات من خلال صوره اصليه تحتوي على حركات الصلاه طبعا بوجود شخص يقوم بها , ومن خلال هذا البرنامج وهذه البيانات نستطيع ان نبحث عن اي صوره تمثل شخص يصلي وفي كل الوضعيات للصلاه , وغيرها من التحليلات .........ولكن !!!!! هنالك العديد من المشاكل في مثل هذا النوع من الامور اولها واهمها انك لن تستطيع ان تحصر كل ما تريد في قاعدة بيانات , وانك وان قمت بذالك لن تستطيع ان تجمع كل الصور الصحيحه فمنها ما يكون بنفس وضعية الصلاة ولكن لاشياء اخرى , وغيرها من المشاكل .

فلذالك شعرت انني دخلت في متاهات لذالك ابعدت هذه الفكره عني , وسلامتك اخي .

موفق ان شاء الله

اها رابط رائع

اذا المسالة تعتمد على نوعية الصور

فإذا كانت الصور عبارة عن أوجه فطريقة مقارنتها

تختلف عن الصور التي تشكل مناظر حيوانات

غير الصور التي تشكل زهور الخ...

romanof كتب:

اذا المسالة تعتمد على نوعية الصور

فإذا كانت الصور عبارة عن أوجه فطريقة مقارنتها

تختلف عن الصور التي تشكل مناظر حيوانات

غير الصور التي تشكل زهور الخ...

نعم صحيح

ولكن العمليات مازالت تجري في هذا النوع ليزيد من عمليه المقارنه بين الصور

اي بمعنى اخر توسيع نطاق المقارنه , وهذا ما حدث الان باستخدام هذه الطريقه لمعرفة انواع

الاسماك وفصائلها باستخدام المسح بالاقمار الصناعيه وتعقب الاسماك وتصنيفاتها

فضهر انواع كثيره من الاسماك لم تكن معروفه سابقا والسبب انه عندما تم ادخال

انواع الاسماك المعروفه لم يتم مقارنتاها بالاسماك الموجوده في البحار

والسبب ان هذه الاسماك لم تكتشف من قبل , لذالك تقول الابحاث العلميه انه من الافضل

استخدام طرق جديده لعمل انواع توقعيه للاسماك غير المكتشفه باستخدام طرق الذكاء الاصطناعي

بما يسمى طرق الاستنتاج

اخي عادل الموضوع فيه تفاصيل كثيرة لذلك كل الذي استطيع ان اعمله ان اعطيك صورة عامه

عموما اخي الملف المرفق عبارة عن ورقة بحث علميه جديده 2008 تتكلم عن موضوع استرجاع الصور وهو احد التطبيقات المهم لمقارنة الصور .

الملف مفيد جدا ولكنه لا يعطيك تفاصيل.

استفيد منه كمقدمه و اذا اردت تفاصيل استخدم المراجع التي اشار اليها بالاضافة الى الكلمات المفتاحيه لتعرف اين تجد المعلومات التي تحتاجها

بالتوفيق

2008_Image_retrieval__Ideas__influences__and_trends_of_the_new_age.pdf

يمكن ايضا معرفة تشابه صورتين في حالة حدوث تحول لهما ( transformation : scale ,rotate ,...etc) عن طريق الimage registration او ال Moment Invariants.

http://en.wikipedia.org/wiki/Image_registration

http://en.wikipedia.org/wiki/Image_moments

http://homepages.inf.ed.ac.uk/rbf/CVonline...SHER/mominv.htm

http://zoi.utia.cas.cz/affine-moment-invariants

<_<

حل تقني، الشرح سهل، التطبيق أصعب، إذا كان لديك برنامج فوتوشوب يمكنك "رؤية" الشرح (الفوتوشوب لتوضيح الفكرة)

افتح الصور الثلاث على الفوتوشوب

الخطوة الأولى، إزالة الشواش

Chaos removal

من قائمة الفلاتر اختر الفلتر

Noise > Median

اختر قيمة مناسبة لإزالة الشوائب الصغيرة

هذا يكافئ تخفيض مستوى الحساسية "العصبية" للقيم اللونية، وبالتالي إزالة الـ chaos

الخطوة الثانية التكتل اللوني

Color Banding

اختر الأمر التالي:

Image < adjustment <postrize

القيمة 4 قد تكفي، حاول أن تختار قيم قريبة من 4

الهدف هو خلق حزم لونية، وبالتالي تنسجم الكتلة الواحدة ضمن قيمة لونية واحدة

الذي حصلنا عليه الآن هو مساحات لونية يمكن توصيفها هندسيا (المساحة، الشكل، الموقع، اللون) بشكل أسهل بكثير من عملية مقارن للصور الحقيقية، فتصبح المقارنة على أشكال هندسية بدلا من نقاط، يمكنك لاحقا تحويلها إلى النمط vector image والمقارنة رياضيا بين مخططات المساحات

أظن أن التطبيق البرمجي صعب، ولكن الفكرة النظرية واضحة

عملت منذ فترة على مشروع كهذا يهتم بالتعرف على الأشكال (ذكاء صناعي)، وقد حققت بعض النجاح فيه لكني لم أتابع فيه، لذلك يمكنك الوثوق بأن الموضوع تمت تجربته ولو بشكل جزئي، توقفت عند طبيعة بنية المعلومات الإدراكية (توصيف الذاكرة والوعي) لأن الموضوع بدأ يتضخم ولم أتابع من حينها

عملت بحث في هذا الموضوع والان باعمل في مشروع عن face recognition using pca

انتهيت من عمل المعادلات الرياضية و استخدمت الشبكات العصبية والنتائج كانت سليمة مئة بالمئة

استخدمت برنامج الماتلاب ولكني اجد صعوبة في عمل واجهة للبرنامج gui فاي حد بيقدر يساعدني ياريت يراسلني

راجع هذا:

/index.ph...=191004&hl=

فيه شرح فيديو عن الواجهات.

أتمنى أن نبدأ في الموضوع يعني تطبيق عملي فهذه الفكرة أيضا أعمل عليها ويمكن للجميع المساهمه بمايعرف ونبدأ بمشروع تعرف على الصور من خلال الصور

أخي حسان من ناحية حجم البيانات وعدد الصور التي يمكن دراستها وأخذ قيمها فهذا أمر بسيط يمكن عمل نظام بحث مثل جووجل يقوم المستخدم بوضع رابط للصورة وبعدها يتم إدخال الصورة في برنامج يقوم بأخذ البيانات ومن ثم يمكن أن نقوم يدويا بإضافة بيانات عن هذه الصوره من ناحية ماذا تمثل أو تفاصيل إضافية ,

نحتاج في البدايه برامج تعمل على اللينكس مثل الجافا أو الماتلاب أو البايثون لكي أستطيع ربطها مع موقع إلكتروني بحيث يتم جمع أكبر حجم من البيانات

كما نحتاج لبرنامج يقوم بما قاله الأخ عربي عربي فهي فكرة ممتازه كبدايه

والبرنامج الثاني كما قال الأخ حسان يقوم بأخذ القيم من الصور

ثم نفكر بخوارزميه تقوم بمقارنة القيم مع القيم المتوفره وإعطاء نتائج ....

هل يمكن أن نتم هذا العمل كمشروع مفتوح المصدر ؟

مثل ما ذكرت يمكن الاستعانة بما يسمى ال moments invariants

جربتها واشتغلت بشكل سليم، عيبها انها تاخذ وقت طويل high time complexity . الطريقة و الكود موجودان في الفصل 11 من كتاب Gonzale

الفكرة بشكل عام :

اثبت حجم الصور .

استخرج ال moments invariants لكل صورة واقارنهم (تطبيق لمعادلات رياضيه) . مع نسبة خطأ معينه استطيع ان اقول ان الصور متشابهه او لا.

الMoments Invariants للصورة هي نفسها حتى اذا حركنا translate دورنا rotate او قلبنا mirrorاو كبرنا او صغرنا scale الصورة.

يبقى فقط معالجة موضوع ال Noise بانواعها للصورة .

شكرا لك أخي إبراهيم , أين هو الكود وهل يمكنك التعديل عليه وهل يمكنك أن تكون من مطوري هذه الفكرة ؟

أريد الكود بشكل برنامج يمكن تنفيذه عن طريق الكوماند لاين في اللينكس يمكن إذا وضعت البرنامج هنا أن أقوم بسؤال الأخوه في منتدى اللينكس لتحويل البرنامج إلى كوماند لاين

من ناحية الوقت مش مشكله يوخد وقت ثانيه أو ثانيتين أو حتى لمدة خمس ثوان لآنو رح يكون الموقع بيتا (تجريبي ) وأكيد إللي بدو يجرب رح يتوقع إنو يوخد وقت في البدايه ولكن مع الزمن يصبح لدينا محرك بحث جيد ومفيد :)

السلام عليكم

انا اعمل على نفس هذه الفكره

ارجوا التواصل

السلام عليكم

أخ حسان يمكن يكون الأمر غريب لكن أجد صعوبة لما يكون الشرح بالعربي لأنه في درا ستنا ندرس بالفرنسي ونحن لا نترجم أبدا يعني ممكن بلإنجليزي لكن عربي صعبة خصوصا المصطلحات العلمية ونفس الشئ أنا لما أريد أن أعبر عن رأيي لا أعرف ترجمتها بالعربي.

فيما يخص الموضوع أنت تقصد أن تعمل ِ classifieur بالشبكة العصبونية أو combinaison de classifieur?

ثانيا هي صورة واحدة هل l'apprentissage في الشبكة العصبونية يتم بخصائص هذه الصورة. و لو ممكن شرح أكثر لعملية prétraitement

ibr_exn كتب:

يمكن ايضا معرفة تشابه صورتين في حالة حدوث تحول لهما ( transformation : scale ,rotate ,...etc) عن طريق الimage registration او ال Moment Invariants.

<_<

هل لك اخي ان تشرح لي قليلا طريقة image registration

الموضوع طويل قليلا، يمكن الرجوع لتعليمات الماتلاب و لكتب Gonzalez ستجدي الشرح النظري بالاضافة الى اكواد ماتلاب. واذا وجدت نقطة غير واضحه يمكن وضع استفسار هنا.