بازخوانی تصاویر باستانی با فناوری پردازش داده‌های ماهواره‌ای ناسا
فناوری پردازش تصویر ماهواره‌ای ناسا که برای تحلیل داده‌های فضایی طراحی شده بود، اکنون به باستان‌شناسان کمک می‌کند تا نقش‌نگاره‌های محوشده را بازیابی کنند.
فناوری‌های فضایی همواره در خدمت کشف ناشناخته‌های خارج از زمین بوده‌اند، اما گاهی همین ابزارها مسیر تاریخ‌نگاری روی زمین را تغییر می‌دهند. یکی از این ابزارها، روشی برای پردازش تصاویر ماهواره‌ای است که سال‌ها پیش توسط ناسا برای تحلیل داده‌های چندطیفی توسعه یافت. این تکنیک که با نام «کشش همبستگی‌زدایی» یا DStretch شناخته می‌شود، اکنون به باستان‌شناسان اجازه می‌دهد جزئیاتی را در نقش‌نگاره‌های سنگی و غارنوشته‌های قدیمی مشاهده کنند که با چشم غیرمسلح به‌هیچ‌وجه قابل تشخیص نیستند.
فناوری فضایی در خدمت باستان‌شناسی
تکنیک DStretch در ابتدا برای مأموریت‌های رباتیک مریخ و تحلیل تصاویر ماهواره‌ای زمین طراحی شده بود. هدف اصلی این روش، تقویت تضاد رنگی در تصاویری است که تفاوت‌های بصری بسیار اندکی دارند. در باستان‌شناسی، بسیاری از نقاشی‌های غارها بر اثر گذشت زمان، فرسایش، رطوبت یا ته‌نشین شدن مواد معدنی محو شده‌اند. چشم انسان در تشخیص تفاوت‌های ظریف بین رنگدانه‌های اکسید آهن و رنگ پس‌زمینه سنگ محدودیت دارد. این الگوریتم با تغییر فضای رنگی و تقویت کنتراست میان پیکسل‌ها، خطوط محو را آشکار می‌کند.
چگونه تصاویر محو بازیابی می‌شوند؟
باید توجه داشت که این فناوری تصویر جدیدی خلق نمی‌کند و تصاویر گمشده را «بازسازی» نمی‌کند. کارکرد اصلی آن، تقویت داده‌های موجود در تصویر دیجیتال است. به زبان ساده، اگر اثر بسیار ضعیفی از یک رنگدانه روی سنگ باقی مانده باشد، DStretch آن را با کنتراست بسیار بالا به نمایش می‌گذارد تا ساختار کلی نقش برای محققان قابل درک شود.
به عنوان یک مثال ملموس، فرض کنید در یکی از محوطه‌های تاریخی ایران مانند غار «دوشه» در لرستان، نقوشی بر اثر رسوبات آهکی نیمه‌شفاف پوشانده شده باشند. با استفاده از این پردازش دیجیتال، می‌توان تفاوت‌های طیفی بسیار کوچک بین لایه‌ی آهکی و رنگدانه زیرین را شناسایی کرد. این موضوع به باستان‌شناس کمک می‌کند تا بدون آسیب زدن به لایه فیزیکی، طرح اصلی را روی مانیتور مشاهده کند.
محدودیت‌ها و دقت علمی در تحلیل داده‌ها
استفاده از این ابزار نیازمند دقت در تفسیر است. تقویت بیش از حد کنتراست ممکن است نویزهای تصویری یا بافت‌های طبیعی سنگ را به شکلی نمایش دهد که شبیه به خطوط انسانی به نظر برسند. بنابراین، نتایج به‌دست‌آمده از این پردازش همواره باید توسط متخصصان باستان‌شناسی و با تطبیق با سایر شواهد میدانی تایید شوند.
انتظار می‌رود با پیشرفت مدل‌های یادگیری ماشین و ترکیب آن‌ها با این روش‌های کلاسیک پردازش تصویر، دقت جداسازی لایه‌های رنگی افزایش یابد. در حال حاضر، این ابزار به عنوان یک پیش‌نیاز حیاتی برای مستندسازی محوطه‌هایی شناخته می‌شود که در معرض تخریب طبیعی قرار دارند.
کاربرد هوش مصنوعی و پردازش تصویر در داده‌های بومی
در ایران که مهد تمدن‌های کهن و محوطه‌های باستانی گسترده است، استفاده از زیرساخت‌های پردازش تصویر اهمیت دوچندان پیدا می‌کند. هوش مصنوعی نهال با فراهم آوردن دسترسی به مدل‌های پیشرفته بین‌المللی و توسعه زیرساخت‌های پردازش داده، امکان تحلیل‌های مشابه را برای پژوهشگران و سازمان‌های داخلی تسهیل کرده است. ایجنت‌های هوشمند می‌توانند در دسته‌بندی و تحلیل حجم عظیمی از تصاویر دیجیتال به متخصصان کمک کنند تا الگوهای تکرار شونده در هنرهای صخره‌ای را با سرعت و دقت بیشتری شناسایی کنند.
این دسترسی در یک بستر فارسی و با پرداخت تومانی، محدودیت‌های فنی و مالی را برای تیم‌های پژوهشی کاهش می‌دهد. استفاده از دستیارهای هوشمند برای تحلیل داده‌های بصری، نه تنها در باستان‌شناسی بلکه در هر حوزه‌ای که با داده‌های تصویری پیچیده سرکار دارد، راهکاری کارآمد برای استخراج دانش از دل اطلاعات محو و مبهم است.
منبع: spinoff.nasa.gov