تقسيم السوبر بيكسل لصور SAR هو عملية تجميع البكسلات المماثلة في صورة SAR إلى سوبر بيكسلات بناءً على معيار القياس. يمكن أن تعكس السوبر بيكسلات إلى حد معين الخصائص الدلالية للصورة، مما يقلل بشكل فعال من صعوبة فهم الصورة في المراحل التالية، وأصبح ذلك خطوة معالجة مسبقة مهمة لخوارزميات تصنيف الصور والكشف عن التغييرات وغيرها. ومع ذلك، فإن خوارزميات تقسيم السوبر بيكسل لصور SAR الحالية تعتمد في الغالب على طرق التجميع المحلية، والتي تعاني من مشكلات مثل تحديد عدد نقاط البذور مسبقًا، ونقص التكيف مع تفاصيل الصورة، والوقت الزمني الطويل الناتج عن التكرار عدة مرات. لمواجهة هذه المشكلات، قدمت هذه الورقة خوارزمية تقسيم سوبر بيكسل تكيفية ذات تكرار واحد تعتمد على خصائص الجوار تسمى ASSA، تعتمد الخوارزمية على استراتيجية تعديل نقاط البذور التكيفية القائمة على نموذج الخليط الغاوسي، مما يحقق تحديد عدد السوبر بيكسلات بشكل تكيفي ويضمن تجانس داخل السوبر بيكسل؛ باستخدام قائمة الأولويات وخصائص الجوار، تحققت عملية تقسيم السوبر بيكسل بتكرار واحد؛ في الوقت نفسه، تستخدم خوارزمية ASSA دالتين لاستيعاب الضوضاء في صور SAR وهما دالة النواة الغاوسية والمعالجة اللاحقة. تم تقييم فعالية وكفاءة الخوارزمية المقترحة من حيث التأثير البصري، والمؤشرات الكمية، ووقت التشغيل. أظهرت النتائج أنه مقارنة بخوارزميات تقسيم السوبر بيكسل الأخرى، يمكن لخوارزمية ASSA تحقيق تقسيم تكيفي للسوبر بيكسل بناءً على خصائص الصور، وزيادة كفاءة التقسيم مع توافق عالي للحدود الداخلية والتجانس. ارتفع معدل استدعاء الحدود بنسبة 11.3% و15.9% مقارنة بـ SLIC و ESOM على التوالي، وانخفض معدل الخطأ في التقسيم الناقص المصحح بنسبة 33.3% و29.4% على التوالي مقارنة بـ SLIC و ESOM.

SAR;تقسيم السوبر بيكسل;قائمة الأولويات;استراتيجية تعديل نقاط البذور التكيفية;نموذج الخليط الغاوسي