轉載：http://blog.youtueye.com/work/image-saliency-map.html

Itti提出的顯著圖模型是一種模擬生物體視覺注意機制的選擇性注意模型，比較適合處理自然圖像。這里的顯著值是像素點在顏色、亮度、方向方面與周邊背景的對比，所有點的顯著值構成一張顯著圖，算法流程如下：

特征的提取：先把輸入圖像表示成9層的高斯金字塔。其中第0層是輸入圖像，1到8層分別是用5*5的高斯濾波器對輸入圖像進行濾波和采樣形成的，大小分別的輸入圖像的1/2到1/256.。然后對金字塔每一層分別提取各種特征:亮度、紅色、綠色、藍色、黃色、方向，形成特征金字塔。Itti算法為了模擬感受野的中心—外周拮抗的結構，對各種特征分別在特征金字塔的不同尺度間作差。作差得到的是中心（尺度c）和外周（尺度s）的特征的對比表示中心和外周的局部方向特征的對比。

顯著圖生成： 把每一個上述得到的特征圖歸一化到區(qū)間[01]，以消除和特征相關的幅度差別。為了消除干擾噪聲突出顯著部分，對每個特征圖M分別用二維高斯差函數(shù)進行卷積，并把卷積結果疊加回原特征圖，使同種特征以側抑制的方式在空間上競爭。卷積和迭代過程進行多次，這樣可以讓少數(shù)幾個最顯著的點均勻分布在整個特征圖上，從而每個特征圖上只保留少數(shù)的幾個顯著點，在疊加多個特征圖時能把多種顯著特征的點突現(xiàn)出來。接下來分別把每一類（亮度、色度、方向）歸一化后的特征圖逐點求和（采樣到第4尺度），得到對應于每一類特征的顯著圖,綜合所有特征的顯著性，就得到對應于輸入圖像的顯著圖S.

有點暈吧，其實也沒那么復雜，就好比白茫茫的雪地上出現(xiàn)一只黑貓，那么這團黑色的東西相對人的視覺是顯著的，當然這是在顏色上的顯著性，還有諸如邊緣、紋理的差異造成的顯著性，比如在Zhang[5]的文章中的示意圖：

繼Itti之后，新的圖像顯著性算法不斷產(chǎn)生，以下是筆者收集到的一些資源：

【1】. L. Itti, C. Koch, and E. Niebur. A model of saliency-basedvisual attention for rapid scene analysis. PAMI1998.??SaliencyToolbox(MatlabCode)|Bottom-UpVisual Attention Home Page

【2】.瑞士洛桑理工學院（epfl）的帥哥Achanta?相繼在ICVS2008，CVPR 2009，ICIP 2010都有關于Saliency的文章。

Salient region detection and segmentation (ICVS 2008)(Matlabcode & win-exe)

Frequency-tuned Salient Region Detection (CVPR 2009)(Matlab& c++ code & Image Dataset &?博客園的一篇改進)

Saliency Detection using Maximum Symmetric Surround (ICIP2010)(Matlab&C++ code)

【3】.J. Harel, C. Koch, and P.Perona.?Graph-basedvisual saliency. NIPS, 2007.MatlabCode?|?PDF
【4】.S. Goferman, L. Zelnik-Manor, and A.Tal.?Context-awaresaliency detection. In?CVPR,2010.?MatlabCode?|?PDF
【5】.X. Hou and L. Zhang.?Saliencydetection: A spectral residual approach.CVPR,2007.?MatlabCode?|?PDF?|?博客園的一篇實現(xiàn)

【6】.TieLiu, Jian Sun, Nan-Ning Zheng, Xiaoou Tang and Heung-YeungShum.?Learningto Detect A Salient Object.?In Proc.IEEE Cont. on Computer Vision and pattern Recognition (CVPR),Minneapolis, Minnesota, 2007.?Project.

【7】.T. Judd and K. Ehinger and F. Durand and A.Torralba,?Learningto Predict Where Humans Look,?ICCV,2009.?Project

【8】.M.-M. Cheng, G.-X. Zhang, N. J. Mitra, X. Huang, S.-M.Hu.?GlobalContrast based Salient RegionDetection.?CVPR?2011.?Projects?(TSU的M.M同學的Sketch2Photo在我之前的文章中有介紹)
【9】.D. Gao and N. Vasconcelos,?DiscriminantSaliency for Visual Recognition from ClutteredScenes,?NIPS,2004.?MatlabCode?|?PDF
【10】.N. Bruce and J. Tsotsos.?Saliencybased on information maximization.In?NIPS,2005.?MatlabCode?|?PDF
【11】.E. Rahtu, J. Kannala, M. Salo, and J.Heikkila.?Segmentingsalient objects from images andvideos.?CVPR,2010.?MatlabCode?|?PDF
【12】.L. Zhang, M. Tong, T. Marks, H. Shan, and G.Cottrell.?Sun:A bayesian framework for saliency using naturalstatistics.?Journalof Vision, 2008.?MatlabCode?|?PDF

大家如此熱衷地研究圖像顯著性算法，那么它到底有那些應用呢，總不會只是借以證明“男人是視覺動物”這一公理吧，下面是列舉的一些應用：

圖像縮放：傳統(tǒng)的圖像縮放算法會使得圖片中的某些目標變形，加入顯著值做為能量約束可避免這一缺點，此種縮放又稱為“?液態(tài)縮放?”。
A.?R. Achanta and S.Süsstrunk,?SaliencyDetection for Content-aware Image Resizing,IEEEInternational Conference on Image Processing, 2009.

視頻編碼：同上述的圖片縮放，當16:9的視頻畫面轉為4：3的畫面時，可保持畫面中對象的清晰，又稱為“基于內(nèi)容感知?的視頻縮放”。

圖像分割：結合graphcut/grabcut，將圖片中的目標摳出。
Saliency-Seeded Region Merging: Automatic ObjectSegmentation.ACPR'11

關于圖像顯著性就介紹到這里，轉載請說明出處。

P.S.

1.本文開篇應用的圖片上的顯著區(qū)域并不是由后面的顯著性算法得到的，而是通過眼部跟蹤技術統(tǒng)計不同人群的眼睛在各時間、區(qū)域的停留時間給出的(如：國外社交網(wǎng)站個人首頁的眼動研究情況?|?運用眼動研究，優(yōu)化頁面布局)，而圖像的顯著性算法是不關注圖像觀察者的年齡、性別等差異的。

總結

以上是生活随笔為你收集整理的关于图像显著性的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。