بهبود الگوریتم تشخیص نقشه برجستگی مبتنی بر crf با استفاده از ویژگی ‌های مبتنی بر تجزیه ماتریس

با توجه به اینکه نقشه برجستگی تصویر می‌تواند در الگوریتم‌های مانند بخش‌بندی، فشرده‌سازی و بازیابی تصویر کاربرد داشته باشد، ارائه یک مدل کارآمد برای تشخیص برجستگی مورد توجه محققین قرار گرفته است. علیرغم اینکه تاکنون کارهای زیادی در این زمینه انجام شده است، اما تاکنون یک مدل موثر و کارآمد که بتواند با محاسبات کم نقشه برجستگی تصویر را آشکار کند، ارائه نشده است. برای این منظور، ما یک الگوریتم ساده و تحت نظارت برای شناسایی نقشه برجستگی با استفاده از میدان تصادفی شرطی (crf) و نشانه‌های برجستگی پیشنهاد می‌کنیم. در روش پیشنهادی برای آموزش crf از ویژگی‌های کنتراست محلی، مرکز سوگیری و  پس‌زمینه‌ای استفاده شده است، علاوه بر این سه ویژگی برای کارایی بهتر، ویژگی‌ جدیدی مبتنی بر تجزیه ماتریس به کار گرفته شده است. در ادامه crf با توجه به ویژگی‌های 20 تصویر که به تصویر ورودی نزدیک هستند، آموزش می‌بیند. در نهایت برجستگی تصویر ورودی با توجه به وزن‌های محاسبه شده در مرحله آموزش، نشانه‌های برجستگی تصویر ورودی و مبنای درستی محاسبه می‌شود. روش پیشنهادی در دقت و سرعت اجرای الگوریتم نسبت به سایر روش‌ها برتری دارد.