قطعه بندی تصویر مبتنی بر برش نرمالیزه گراف از دیدگاه میزان اطلاعات جداکننده

قطعه بندی تصویر، یک مسئله پایه در بینایی ماشین است. در روش مبتنی بر برش نرمالیزه گراف (Ncut)، حل این مسئله به انتخاب بردار ویژه متناظر با دومین کوچک ترین مقدار ویژه یک ماتریس خاص می انجامد. در این مقاله، ضمن بیان هم ارزی رابطه ریاضی حاکم بر مسئله بدون مربی Ncut با معیار Fisher-Rao در طبقه بندی با مربی، از نگاهی نو به مسئله انتخاب بردار ویژه پرداخته شده است. در این مقاله با پیشنهاد معیاری کارا از دیدگاه Fisher-Rao، گزینش و مرتب سازی بردارهای ویژه در مسئله هم ارز Ncut آن انجام شده است. نتایج آزمایش هم ارزی قطعه بندی تصویر بر پایه این دو معیار، ارائه قطعه بندی با اندازه Ncut کمتر و گوناگونی ارزش گذاری بردارهای ویژه را نشان می دهد.