بهبود الگوريتم تشخيص نقشه برجستگي مبتني بر CRF با استفاده از ويژگي‌هاي مبتني بر تجزيه ماتريس

يكي از مراحل پردازشي مهم در سيستم بينايي انسان آشكارسازي نقشه برجستگي يك صحنه مي‌باشد. با توجه به اينكه نقشه برجستگي تصوير مي‌تواند در الگوريتم‌هاي مانند بخش‌بندي، فشرده‌سازي و بازيابي تصوير كاربرد داشته باشد، ارائه يك مدل كارآمد براي تشخيص برجستگي مورد توجه محققين قرار گرفته است. عليرغم اينكه تاكنون كارهاي زيادي در اين زمينه انجام شده است، اما تاكنون يك مدل موثر و كارآمد كه بتواند با محاسبات كم نقشه برجستگي تصوير را آشكار كند، ارائه نشده است. براي اين منظور، ما يك الگوريتم ساده و تحت نظارت براي شناسايي نقشه برجستگي با استفاده از ميدان تصادفي شرطي (CRF) و نشانه‌هاي برجستگي پيشنهاد مي‌كنيم. در روش پيشنهادي براي آموزش CRF از ويژگي‌هاي كنتراست محلي، مركز سوگيري و پس‌زمينه‌اي استفاده شده است، علاوه بر اين سه ويژگي براي كارايي بهتر، ويژگي‌ جديدي مبتني بر تجزيه ماتريس به كار گرفته شده است. در ادامه CRF با توجه به ويژگي‌هاي 20 تصوير كه به تصوير ورودي نزديك هستند، آموزش مي‌بيند. در نهايت برجستگي تصوير ورودي با توجه به وزن‌هاي محاسبه شده در مرحله آموزش، نشانه‌هاي برجستگي تصوير ورودي و مبناي درستي محاسبه مي‌شود. روش پيشنهادي در دقت و سرعت اجراي الگوريتم نسبت به ساير روش‌ها برتري دارد.