视觉显著性算法概述

《视觉显著性算法概述》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、关于自底向上的显著性方法的综述报告人：周静波2012年08月30日报告提纲研究现状算法模型介绍实验结果及分析结论研究现状研究现状基于视觉注意的显著性区域检测对于图像分析过程有着非常重要的意义。注意是人类信息加工过程中的一项重要的心理调节机制，它能够对有限的信息加工资源进行分配，使感知具备选择能力。如果能够将这种机制引入图像分析领域，将计算资源优先分配给那些容易引起观察者注意的区域，这样必将极大的提高现有的图像处理分析方法的工作效率。显著性区域检测正是在这个基础上提出并发展起来的。研究现状显著性检测一般分为两类自下而上

2、基于数据驱动的显著性区域突现自上而下任务驱动的目标突现本报告只关注自下而上的显著性检测算法研究现状Achanta将这些算法分成三类基于低层视觉特征，代表性算法是文献[1]中提出的模拟生物体视觉注意机制的选择性注意算法(Itti算法)没有基于任何生物视觉原理的纯数学计算方法，如Achanta等[4]提出的全分辨率算法(AC算法)和Hou等[5]提出的基于空间频域分析的剩余谱算法(Spectralresidualapproach,SR)将前两种进行融合的方法，代表性算法是Harel等[6]提出的基于图论的算法(Graph

3、-basedvisualsaliency，GBVS)研究现状Goferman将显著性分析算法分成以下三类考虑局部特征的，如Itti算法和GBVS算法考虑整体性的，如SR算法和Achanta等[3]提出的算法(IG算法)局部与整体结合的，如Goferman等[7]和Liu等提出的算法算法模型介绍Itti模型Itti模型中,显著值是像素点在颜色、亮度、方向方面与周边背景的对比值。该模型包括两个步骤:特征提取显著图生成AIM模型AIM（Attention-basedonInformationMaximization）模型利

4、用香农的自信息度量，将图像的特征平面变换到对应于视觉显著性的维度上。AIM假设：一个视觉特征的显著性就是该特征相对于它周围其他特征提供的信息的差别度。根据香农定理，图像特征对应的自信息通过下面的公式进行计算为特征的概率密度函数。GBVS模型GBVS（Graph-BasedVisualSaliency）模型是在Itti的模型基础之上运用马尔可夫随机场的特点构建二维图像的马尔可夫链，通过求其平衡分布而得到显著图算法步骤：特征的提取：与Itti算法类似显著图生成：马尔可夫链方法FTS模型FTS（Frequency-Tune

5、dSaliency）模型是由Achanta等人提出的一种自底向上的显著性检测方法，通过局部颜色和亮度特征的对比多尺度方法求像素点显著值。将原始图像由SRGB颜色空间转化成CIE颜色空间，然后显著性映射定义为其中为图像特征的几何平均向量，为对原始图像的高斯模糊，采用的二项式核。为范数，为像素点坐标。SR模型SR（SpectralResidual）模型是由Hou等人提出来的，基于空间频域分析的算法之一，显著图通过对剩余谱做傅里叶逆变换得到。剩余谱定义为其中，为原图二维傅里叶变换得到的频域空间，为局部平均滤波器（一般n取3

6、）PQFT模型PQFT（PhaseSpectrumofQuaternionFourierTransform）模型是由Guo等人在SpectralResidual基础之上提出的，该方法通过计算图像的四元傅里叶变换的相位谱得到图像的时空显著性映射。事实上，图像的相位谱即图像中的显著性目标。图像中的每一个像素点都用四元组表示：颜色，亮度和运动向量。PQFT模型独立于先验信息，不需要参数，计算高效，适合于实时显著性检测PQFT模型假设表示时间t时刻的输入图像，，为所有图像帧的总数。分为红、绿、蓝三个颜色通道，表示为，那么，可

7、以将三个颜色通道扩展为四个广义的颜色通道：PQFT模型类似于人类视觉系统，对立颜色通道定义为亮度通道和运动通道定义为其中为使用者设定的延迟因子。PQFT模型四元组图像可以表示为下列形式其中，满足，可以写成如下形式PQFT模型将图像中每一个像素点表示为，为空间坐标，为时间坐标。四元傅里叶图像变化写成表示频域坐标，表示图像维度。四元逆傅里叶变化为PQFT模型可将表示为的极坐标形式其中为的相位谱。设定，则只剩下相位信息。计算逆相位信息可得到时空显著性映射为其中g表示二维高斯平滑滤波。当输入为静态图像时，。SDSR模型SDS

8、R（SaliencyDetectionbySelf-Resemblance）模型由Seo等人提出的，通过计算感兴趣像素点的特征矩阵与其相邻的像素点的特征矩阵之间的相似性，来确定像素点的显著性映射。每一个像素点的局部图像结构表示成一个局部描述子（局部回归核）矩阵；然后，利用矩阵余弦相似计算量化每一个像素点和它相邻的像素点对应的局部描述子矩阵之间的