یادگیری Manifoldو کاربردهایی برای پردازش تصاویر و اشکال سه بعدی به روش نگاشت انتشار

ثبت تصویر چند جزئی کار دشواری است. یک رویکرد رایج، استفاده از معیارهای پیچیدگی شباهت، مانند اطلاعات متقابل است. با این حال، این اقدامات هزینه محاسباتی بالایی را در پی دارد و علاوه بر این، هندسه و پویایی مرتبط با تصاویر را غیرقابل ثبت میکند. یک رویکرد دیگر تبدیل تصاویر به یک فضای مشترک است، که در آن قوانین را میتوان به طور مستقیم مقایسه کرد.اهدافی که ما در این مقاله به دنبال آن هستیم عبارتند از: کاهش تعداد محاسبات مورد نیاز برای پردازش تصاویر واشکال سه بعدی، افزایش سرعت محاسبات و بهینه سازی پردازش تصاویر سه بعدی.در این رویکرد، پیشنهاد می کنیم تصاویر چندبعدی را با استفاده از نگاشت انتشار، برای ثبت خواص هندسی وطیفی داده ها بر اساس الگوریتمmanifoldثبت کنیم. از طریق نگاشت انتشار، داده هایmanifoldبه مجموعه ای جدید از مختصات کانونی تبدیل میشوند، که هندسه آن را به صورت یکنواخت، در میان روشها بازتاب میدهد، به طوری که تناظرهای معنیداری بین آنها برقرار شود. پس از آن، تصاویری که در این بازنمایی جدید میتوانند با استفاده از یک فاصله اقلیدسی ساده، به عنوان یک اندازه ی تشابه ثبت شوند، را مورد بررسی قرار خواهیم داد. علاوه بر این ما توانایی الگوریتم را با سازماندهی تصاویر نشان دادیم.

کلیدواژه ها:

نگاشت انتشار ، هندسه طیفی ، فاصله انتشار ، الگوریتمmanifold