هم بخش بندی با استفاده از روش تجزیه ماتریس ساخت یافته دو مرحله ای

در این مقاله روشی دو مرحله ای برای هم بخش بندی مبتنی بر تجزیه تصویر به ماتریس مرتبه کم و پراکنده ابداع شده است. در مرحله اول که مشابه روش SMD است ابرپیکسل‎های نقشه برجسته به عنوان ماتریس پراکنده در نظر گرفته می شوند و اجزای زمینه به عنوان ماتریس با رتبه کم. در این حالت ابرپیکسل هایی که با اطمینان بالا، زمینه خوشه بندی شده اند حذف می شوند. در مرحله بعد تمام ابرپیکسل های باقی مانده از تمام تصاویر باهم در نظر گرفته می شوند. پس از وزن دهی جدید به ساختار درخت و ادغام اطلاعات، روش SMD دوباره بر روی داده های جدید اعمال می شود. در این مرحله به علت کثرت ابرپیکسل های باقی مانده از قسمت نقشه برجسته تصاویر، اعمال روش تجریه ماتریسی باعث قرار گرفتن ابرپیکسل های نقشه برجسته در ماتریس با مرتبه کم خواهد شد. به عبارتی در روش پیشنهادی با وزن دهی مناسب به نمایش درختی ابرپیکسل ها، اطلاعات همسایگی و مشابهت درون یک تصویر و بین تصاویر در روش تجزیه ماتریسی نهادینه شد، تا از طریق آن نتایج هم بخش بندی بهبود یابد. نتایج به دست آمده از به کارگیری روش پیشنهادی بر روی پایگاه تصاویر مرتبط با این حوزه، حاکی از توانمندی این روش هستند.

کلیدواژه ها:

هم بخش بندی ، شناسایی نقشه برجستگی ، تجزیه ماتریس ، درخت همسایگی