視覺顯著性簡介 Saliency Detection

內容轉移到博客文章系列：顯著性檢測

1.簡介

視覺顯著性包括從下而上和從上往下兩種機制。從下而上也能夠認爲是數據驅動，即圖像自己對人的吸引，從上而下則是在人意識控制下對圖像進行注意。科研主要作的是從下而上的視覺顯著性，而從上而下的視覺顯著性因爲對人的大腦結構做用瞭解還很膚淺，沒法深入的揭示做用原理因此作研究的人也相對較少。

2. 方法

顯著性檢測通常分爲空域和頻域。

空域的方法好比：特徵提取相似ltti的作法；使用圖論知識，顯著圖創建引入了馬爾科夫鏈；分層提取，並訓練SVM用做檢測；分析上下文，並模擬返回抑制；分局部，區域，全局，作多尺度對比，中心周邊直方圖；在條件隨機場框架下對特徵融合；使用RGB和Lab色彩空間互補經過稀疏編碼分析；經過競爭互補方式對多特徵分析；隨機森林迴歸學習映射到顯著度；背景多爲先驗，對背景分析，在貝葉斯框架下融合；DeepFix和Deep Gaze等深度學習算法。

頻域方法因爲難找到原理信息因此研究很少：將圖像轉換到[0，2pi]線性子空間座標，對呈現線性的特徵值分析提取；利用譜殘差，將圖像分爲顯著性信息和冗餘信息，圖像幅度上對數運算，用平均濾波和幅度譜卷積獲得冗餘信息，相減獲得顯著信息；四元相位譜方法。

3. 論文歸納