ويمي طورت تقنية RPSSC بمزايا متعددة في معالجة الصور الطيفية الفائقة

(SeaPRwire) –   تطورت شركة ويمي هولوجرام كلاود إنك. (ناسداك: WIMI) (“ويمي” أو “الشركة”)، وهي أحد أبرز مزودي تقنية الواقع الافتراضي المعزز بالهولوجرام في العالم، تقنية راندوم باتش سباتيال سبكتروم كلاسيفاير (RPSSC) لاستغلال التكملة بين المعلومات المكانية والطيفية بشكل كامل.

يجمع بحث وتطوير تقنية RPSSC التابعة لشركة ويمي بين مرشح غابور ثنائي الأبعاد وطريقة استخراج الميزات عبر التقاط البقع العشوائية المتقاطعة (GRPC). وتستخدم أولاً تقنية RPSSC خوارزميتي تحليل المكونات الرئيسية (PCA) وLDA لتقليل بعد الصورة الطيفية المتعددة الأبعاد الأصلية، حيث تهدف هذه الخطوة إلى القضاء على المعلومات الطيفية الزائدة مع الحفاظ على المعلومات الرئيسية، وزيادة نسب المسافة بين الفئات وداخلها، وإعداد البيانات لعمليات استخراج الميزات والتصنيف في وقت لاحق. وتستخدم تقنية RPSSC بعد ذلك مرشح غابور ثنائي الأبعاد على الصورة بعد البعدة. وتستخدم مرشحات غابور على نطاق واسع في مجال رؤية الحاسوب لاستخراج الميزات المكانية الهيكلية مثل الحواف والنسيج في الصور. ومن خلال مرشح غابور، تستطيع تقنية RPSSC التقاط المعلومات النسيجية والمكانية المحلية في الصورة، مما يضع أساساً لعمليات استخراج الميزات في وقت لاحق.

تستخدم تقنية RPSSC بعد ذلك طريقة GRPC على ميزات غابور، حيث تقوم باستخراج الميزات الطيفية متعددة المستويات من الصورة عن طريق اختيار عشوائي للبقع في الصورة وإجراء عمليات تقاطع على هذه البقع. وتهدف هذه الخطوة إلى توليف المعلومات المكانية والطيفية، مما يسمح للنموذج بفهم ميزات الصورة بشكل أكثر شمولية. وأخيراً، تدمج تقنية RPSSC الميزات المكانية المستخرجة من طريقة GRPC مع الميزات الطيفية متعددة المستويات. ومن خلال هذه العملية الدمجية، يمكن للنموذج توليف المعلومات الطيفية والهيكل المكاني المحلي لتوفير تمثيل أغنى للميزات بغرض تصنيف الصور. وفي النهاية، تستخدم تقنية RPSSC تصنيف آلة الدعم المتجهي (SVM) لتصنيف الميزات المدمجة لتحقيق تصنيف دقيق للصور الطيفية المتعددة الأبعاد.

تتضمن عملية استخراج الميزات عبر طريقة GRPC طبقات متعددة، حيث تحتوي كل طبقة على الخطوات التالية:

PCA: يتم تنفيذ تحليل المكونات الرئيسية على البقع المختارة عشوائياً لاستخراج الميزات الطيفية.

تبييض: يتم تبييض الميزات الطيفية المستخرجة للحد من المعلومات الزائدة.

مشروع عشوائي: يتم مشروع الميزات المبيضة إلى فضاء أبعاد أقل عن طريق مشروع عشوائي.

استخراج ميزات تقاطعية: يتم تنفيذ عملية تقاطع في الفضاء ذي الأبعاد المنخفضة لاستخراج الميزات الطيفية متعددة المستويات.

تتمتع تقنية RPSSC التابعة لشركة ويمي بمزايا تقنية عديدة في تحقيق الاستفادة الشاملة من الميزات الطيفية والمكانية للصور الطيفية المتعددة الأبعاد. فهي تحسن دقة التصنيف وتقلل من تعقيد النموذج وتستغل بالكامل المعلومات في الصور الطيفية لتوفير حلول أكثر فعالية للتطبيقات العملية. وتتمثل المزايا التقنية الرئيسية لتقنية RPSSC التابعة لشركة ويمي فيما يلي:

بنية بسيطة وأداء متميز: تتبنى تقنية RPSSC طريقة GRPC التي لها بنية نسبياً بسيطة، لكنها تظهر أداء متميزاً في التجارب. وهذه البنية البسيطة تجعل النموذج أسهل فهماً وتحسيناً، كما تقلل من تكلفة النشر في التطبيقات الفعلية.

استغلال كامل للميزات الطيفية والمكانية: تستغل تقنية RPSSC بالكامل الميزات الطيفية والمكانية في الصور الطيفية المتعددة الأبعاد عبر الجمع بين مرشحات غابور ثنائية الأبعاد وطرق GRPC. وهذا الاستغلال المشترك لا يحسن فقط دقة التصنيف، بل يكشف أيضاً عن أهمية الميزات الهيكلية المكانية التي غالباً ما تهمل في الطرق التقليدية.

مرونة جيدة: تؤدي تقنية RPSSC بشكل جيد في التغلب على ظاهرة التليين الزائد والتصفية الزائدة في تصنيف الصور الطيفية المتعددة الأبعاد، كما أنها قابلة للتطبيق على مجموعة متنوعة من السيناريوهات الحقيقية ولا تزال تحقق دقة تصنيف عالية حتى مع عدد محدود من عينات التدريب. وهذه مهمة للتعامل مع البيئات غير المنتظمة وغير الكاملة للبيانات في التطبيقات العملية.

توليف الميزات الطيفية والمكانية: تحقق تقنية RPSSC التوليف الفعال للميزات الطيفية والمكانية، مما يمكّن النموذج من فهم الصور الطيفية المتعددة الأبعاد بشكل أكثر شمولية. وهذا الاستغلال الشامل لا يحسن فقط دقة التصنيف، بل يعزز أيضاً قدرة النموذج على استيعاب الهيكل الداخلي للصورة، مما يوفر دعماً قوياً للتصنيفات الأكثر تفصيلاً.

قابلية للتطبيق على عينات التدريب المحدودة: يمكن لتقنية RPSSC تحقيق دقة تصنيف عالية حتى مع عينات تدريب محدودة. وهذا الميزة خاصة مهمة في التطبيقات الحقيقية لأن الحصول على بيانات موسومة على نطاق واسع قد يكون صعباً في بعض المجالات، وكفاءة تقنية RPSSC العالية تجعلها مناسبة لهذه السيناريوهات التحدية.

التغلب على التليين الزائد بفعالية: في معالجة الصور الطيفية المتعددة الأبعاد، يؤدي التليين الزائد غالباً إلى فقدان المعلومات والتأثير على دقة التصنيف، وهو ما تتغلب عليه تقنية RPSSC من خلال الاستخدام المشترك للمعلومات الطيفية والمكانية، مما يحسن دقة معالجة الصور.

يتم توفير المقال من قبل مزود محتوى خارجي. لا تقدم SeaPRwire (https://www.seaprwire.com/) أي ضمانات أو تصريحات فيما يتعلق بذلك.

القطاعات: العنوان الرئيسي، الأخبار اليومية

يوفر SeaPRwire تداول بيانات صحفية في الوقت الفعلي للشركات والمؤسسات، مع الوصول إلى أكثر من 6500 متجر إعلامي و 86000 محرر وصحفي، و3.5 مليون سطح مكتب احترافي في 90 دولة. يدعم SeaPRwire توزيع البيانات الصحفية باللغات الإنجليزية والكورية واليابانية والعربية والصينية المبسطة والصينية التقليدية والفيتنامية والتايلندية والإندونيسية والملايو والألمانية والروسية والفرنسية والإسبانية والبرتغالية ولغات أخرى. 

لدى تقنية RPSSC التابعة لشركة ويمي نطاق واسع من التطبيقات في مجال تصنيف الصور الطيفية المتعددة الأبعاد، حيث يمكن تطبيق تقنية RPSSC على الصور الطيفية عن بعد المجمعة عن طريق الأقمار الصناعية والطائرات لتصنيف تغطية ال