در این مقاله روشی دو مرحلهای برای همبخشبندی مبتنی بر تجزیه تصویر به ماتریس مرتبه کم و پراکنده ابداع شده است. در مرحله اول که مشابه روش SMD است ابرپیکسلهای نقشهبرجسته به عنوان ماتریس پراکنده در نظر گرفته میشوند و اجزای زمینه به عنوان ماتریس با رتبه کم. در این حالت ابرپیکسلهایی که با اطمینان بالا، زمینه خوشهبندی شدهاند حذف میشوند. در مرحله بعد تمام ابرپیکسلهای باقی مانده از تمام تصاویر باهم در نظر گرفته میشوند. پس از وزن دهی جدید به ساختار درخت و ادغام اطلاعات، روش SMD دوباره بر روی دادههای جدید اعمال میشود. در این مرحله به علت کثرت ابرپیکسلهای باقی مانده از قسمت نقشهبرجسته تصاویر، اِعمال روش تجریه ماتریسی باعث قرار گرفتن ابرپیکسلهای نقشهبرجسته در ماتریس با مرتبه کم خواهد شد. به عبارتی در روش پیشنهادی با وزن دهی مناسب به نمایش درختی ابرپیکسلها، اطلاعات همسایگی و مشابهت درون یک تصویر و بین تصاویر در روش تجزیه ماتریسی نهادینه شد، تا از طریق آن نتایج همبخشبندی بهبود یابد. نتایج به دست آمده از به کارگیری روش پیشنهادی بر روی پایگاه تصاویر مرتبط با این حوزه، حاکی از توانمندی این روش هستند.