视觉显著性简介 Saliency Detection

内容转移到博客文章系列：显著性检测

1.简介

视觉显著性包括从下而上和从上往下两种机制。从下而上也可以认为是数据驱动，即图像本身对人的吸引，从上而下则是在人意识控制下对图像进行注意。科研主要做的是从下而上的视觉显著性，而从上而下的视觉显著性由于对人的大脑结构作用了解还很肤浅，无法深刻的揭示作用原理所以做研究的人也相对较少。

2. 方法

显著性检测一般分为空域和频域。

空域的方法比如：特征提取类似ltti的做法；使用图论知识，显著图建立引入了马尔科夫链；分层提取，并训练SVM用作检测；分析上下文，并模拟返回抑制；分局部，区域，全局，做多尺度对比，中心周边直方图；在条件随机场框架下对特征融合；使用RGB和Lab色彩空间互补通过稀疏编码分析；通过竞争互补方式对多特征分析；随机森林回归学习映射到显著度；背景多为先验，对背景分析，在贝叶斯框架下融合；DeepFix和Deep Gaze等深度学习算法。

频域方法由于难找到原理信息所以研究不多：将图像转换到[0，2pi]线性子空间坐标，对呈现线性的特征值分析提取；利用谱残差，将图像分为显著性信息和冗余信息，图像幅度上对数运算，用平均滤波和幅度谱卷积得到冗余信息，相减得到显著信息；四元相位谱方法。

3. 论文概括