全局對(duì)比度的圖像顯著性檢測(cè)算法

顯著性就是可以快速引起你注意的對(duì)象或者物體，在圖像或者視頻中顯著性檢測(cè)的結(jié)果往往是圖像或者視頻中對(duì)象，在神經(jīng)學(xué)科中顯著性檢測(cè)被描述為注意力機(jī)制，目的是聚焦或者縮小看到的對(duì)象場(chǎng)景重要部分，顯著性檢測(cè)可以自動(dòng)處理圖像中對(duì)象表示。顯著性檢測(cè)可以讓對(duì)象檢測(cè)，圖像分割等算法更加聰明與高效的工作。

作者認(rèn)為生物皮層對(duì)圖像對(duì)比度比較敏感，通過(guò)圖像對(duì)比度可以實(shí)現(xiàn)圖像顯著性特征提取，提出了兩種基于全局對(duì)比度的顯著性檢測(cè)方法

• 基于直方圖的對(duì)比度方法(histogram-based contrast 簡(jiǎn)稱(chēng)HC)

• 基于區(qū)域的對(duì)比度方法(region-based contrast 簡(jiǎn)稱(chēng)RC)

HC的顯著性圖生成主要是基于輸入圖像的顏色值直方圖分布，生成像素級(jí)別的顯著性值，每個(gè)像素點(diǎn)的顯著性值是它跟剩下全部圖像像素點(diǎn)的對(duì)比度之間的度量，度量公式為：

 為12，對(duì)Lab色彩空間只在L上計(jì)算，但是這種做法有很大的弊端，就是顏色的區(qū)分度下降，色彩空間多維度信息沒(méi)有有效利用，所以一般會(huì)對(duì)Lab色彩空間的三個(gè)維度同時(shí)量化生成 顏色值，然后再根據(jù)頻次優(yōu)化出現(xiàn)的顏色值范圍。確保這些顏色值可以覆蓋95%以上的像素點(diǎn)。

盡管我們可以通過(guò)建立直方圖使用色彩空間量化的方法加速全局對(duì)比度的計(jì)算，但是量化色彩空間本身就是人為的，有可能把相似的顏色量化成不同的值，為了減少這種現(xiàn)象導(dǎo)致顯著性噪聲出現(xiàn)，所以對(duì)得到顯著性值最后完成一個(gè)模糊操作，這種模糊操作選擇線(xiàn)性模型，距離當(dāng)前顯著性值最近的有最大權(quán)重值：

除了對(duì)比度之外，區(qū)域與空間關(guān)系在顯著性檢測(cè)中也扮演重要作用，高對(duì)比鄰近周?chē)ǔＪ秋@著性區(qū)域一個(gè)很強(qiáng)的證據(jù)，HC是計(jì)算像素級(jí)別的顯著性值，計(jì)算開(kāi)銷(xiāo)比較大，基于區(qū)域?qū)Ρ榷确治龅娘@著性檢測(cè)通過(guò)定義每個(gè)區(qū)域與其他區(qū)域的相似度權(quán)重得到區(qū)域顯著性值，完成顯著性檢測(cè)。RC做法需要首先生成區(qū)域，作者在論文中通過(guò)基于圖的圖像分割得到很多圖像區(qū)域，對(duì)一個(gè)區(qū)域計(jì)算顯著性值：

實(shí)驗(yàn)結(jié)果

各種不同的圖像顯著性檢測(cè)對(duì)比

顯然HC與RC的效果比較好，在相同數(shù)據(jù)集上對(duì)不同顯著性測(cè)試得到召回率：

應(yīng)用：

作者給出了兩個(gè)應(yīng)用場(chǎng)景，一個(gè)是基于圖像顯著性檢測(cè)的閾值化分割，另外一個(gè)基于顯著性的圖像語(yǔ)義分割。