امروزه با افزایش روش‌های مختلف اخذ اطلاعات گسسته مانند دوربین‌های دیجیتال، پویشگرها و ماهواره‌ها، پردازش تصویر کاربرد فراوانی یافته‌است. از زمینه‌های پر کاربرد پردازش تصویر میتوان نجوم، زیست شناسی و پزشکی را نام برد. پردازش تصاویر ارسالی از ماهواره‌ها و تشخیص پلاک اتومبیل‌ها از نمونه‌های کاربردی و شناخته‌شده‌ی مسائل پردازش تصویر هستند.
در نگاه اول شاید آشکارسازی اشیا از دیدگاه انسان ، بی اهمیت تلقی شود. ما به راحتی اشیا را در محیط اطرافمان شناسایی و توصیف میکنیم، بدون اینکه برایمان مهم باشد که نحوه قرار گیری آن شی چگونه باشد، مثلا وارونه قرار گرفته باشد؛ رنگ آن و یا حتی مسدود شدن بخشی از آن هم تاثیر زیادی در نحوه تشخیص آن شی، از جانب ما ندارد. بعنوان مثال یک درخت در اشکال گوناگونی ظاهر می شود،اما توسط مغز ما بعنوان درخت شناسایی می شود.
نظریه های مختلفی در مورد نحوه شناخت انسان ارایه شده است. بسیاری از آنها، استدلالی منطقی ارایه میدهند وبه وضوح آنرا انتزاع می بخشند و اینکار باعث پذیرش راحت آنها می شود. هنوز برای کامپیوتری کردن،نحوه شناخت اشیا توسط بشر راهی طولانی در پیش رو است.
نظریه تشخیص اشیا توسط انسان اغلب در سطوح پایین پردازش بینایی قرار میگیرد. اتفاقی که در پردازش بینایی توسط انسان انجام می گیرد این است که، چطور اشیا و موجودیت های مختلف در یک تصویر توسط انسان استخراج می شود؟
گاهی اوقات برای توصیف یک شی از اصولی کاملا انتزاعی استفاده میکنیم،اما در هنگام پیاده سازی واقعی (بیولوژیکی) ؛ همین دید سطح بالا، برای ما ایجاد مشکل میکند. با این حال کامپیوتر ها می توانند شکلها را از تعدادی پیکسل درهم و برهم استخراج کنند. البته این عمل همیشه به راحتی انجام نمی گیرد. باید این واقعیت را قبول کرد که تکنیک های پردازش تصویر که امروزه مورد استفاده قرار میگیرند ، هرگز همسان با دید انتزاعی بشر عمل نمی کنند.
مشکلاتی که در این راه وجود دارند
برای این که اشکال و اشیا را ،توسط ماشین شناسایی بکنیم،باید موارد پارامترهای زیادی را بررسی بکنیم. ظاهر اشیا به دلایل مختلفی، گوناگون است. یکی از این دلایل تفاوت نحوه نگاه ما به شکل است، یعنی اینکه شکلها را میتوان از زاویه های مختلفی نگاه کرد، فراخور این کار، شکل بزرگتر ،وارونه ،کج و غیره مشاهده می شود .در شکل (زیر) برخی از این مشکلات، نشان داده شده است.
شکل : مشکلاتی که در شناسایی اشکال وجود دارد
چرخش ،بازتاب (آینه)،ترجمه ،تغییر مقیاس
یکی از مشکلات اساسی، که در شناخت اشیا وجود دارد ، این است که شکلها از نظر موقعیت قرارگیری ، چرخش ، بازتاب و غیره در حالت های مختلفی قرار میگیرند.
• چرخش: اشیا با زاویه های متفاوتی در تصویر ظاهر میشوند، که باعث می شوند نحوه نمایش آن توسط پیکسلها، تفاوت زیادی با حالت عادی داشته باشد. امکان دارد این چرخش باعث آشکارسازی نادرست، یک شکل شود.
• بازتاب: متاسفانه این مشکل هم مانند چرخش، منجر به شناخت نادرست اشیا میشود.
• تغییر ناپذیر بودن مقیاس : مقیاس های گوناگون از یک شکل باعث مشکل در شناخت شکلها میشود. شکلها هم به دلایل بسیاری امکان دارد در مقیاس ها و اندازه های گوناگونی ظاهر شوند، که با اندازه واقعی آنها متفاوت است. این مشکل برای انسان شاید بی اهمیت باشد، اما برای کامپیوتر اینطور نیست.
• ترجمه: مشکل ترجمه زمانی ایجاد می شود که یک شی در مکانهای مختلفی از یک تصویر ظاهر شود ؛ اگرچه این مشکل بظاهر جدی بنظر نمی رسد،اما باید در هنگام ایجاد یک سیستم تشخیص اشیا بدرستی حل شود.
• قیچی شدن ونداشتن مقیاس یکنواخت : این دو نیز از مشکلاتی هستند که در سر راه تشخیص درست اشیا قرار گرفته اند.
• انسداد : رفع این مشکل از رفع مشکلات قبلی که گفتیم سخت تر است.شبکه های عصبی، بسختی شکلهای مسدود را شناسایی می کنند. بخش بندی شی در اینجا مفید است، بدین گونه که هر گاه بخشی از یک شی مسدود شده بود، بقیه بخشهای آن ، اطلاعات بدرد بخور و دست نخورده ای برای شناسایی آن شی به ارایه می دهند.
• اشیا چندگانه :هنگامی که چند شی در تصویر وجود دارند،این مشکل پدید می آید.یا اینکه هنگامی که دوشی در تصویر ؛ حس شد، باید تصمیم گرفت که کدامیک شناسایی شود وکدامیک نادیده گرفته شود.
• روشنایی :مشکلی که همیشه در کار با تصویر بوجود می آید،شرایط نوردهی وتغییرات روشنایی است. نور تاثیر زیادی در رنگ دارد و مسلما بر روی شناخت اشیا نیز تاثیر می گذارد. چشم انسان بصورت خودکار میزان روشنایی را تنظیم میکند، کامپیوتر ها هنوز این قابلیت را ندارند و این موجب به کاهش توانایی سیستم ها در شناخت اشیا می شود.
