如何對圖像進行顯著性檢測？
首先對 圖像 進行超像素分割預(yù)處理，然后利用 圖像 的顏色特征和空間特征算出區(qū)域?qū)Ρ榷?，再結(jié)合 圖像 子區(qū)域與其鄰域像素平均特征向量的距離以 及 中心優(yōu)先原則得到 圖像 高質(zhì)量的 顯著 圖。 仿真實驗結(jié)果表明，與其他的 顯著性檢測 算法相比，可以更加有效地 檢測 出 顯著性 目標，更好地抑制背景。
顯著性檢測算法是什么？
Objectness： 這類顯著性檢測算法計算出一個個的建議區(qū)域（proposals），這些建議區(qū)域被認為是目標可能存在的區(qū)域。. 需要注意的是顯著性檢測不是目標檢測，顯著性檢測算法并不能判斷圖片中是否有“目標”，它只能檢測出圖片中它“認為”有目標的區(qū)域，這些區(qū)域可能真的包含目標，也可能不包含目標。. 通常顯著性檢測算法是許多計算機視覺任務(wù)的第一步，檢測出顯著性區(qū)域后再對這些顯著性區(qū)域進一步判斷和預(yù)測。. 顯著性檢測器通常是非?？焖俚乃惴ǎ軌?qū)崟r運行。. 顯著性檢測器的結(jié)果隨后被傳遞到計算量更大的算法中。.
什么是圖像顯著性？
自從1998年Itti的工作以來，產(chǎn)生了大量的 顯著性 映射方法， 圖像顯著性 也廣泛應(yīng)用于 圖像 壓縮、編碼、 圖像 邊緣和區(qū)域加強、 顯著性 目標分割和提取等. 對于一幅 圖像 來說，用戶只對 圖像 中的部分區(qū)域感興趣，這部分感興趣的區(qū)域代表了用戶的查詢意圖，而多數(shù)剩余的不感興趣區(qū)域則與用戶查詢意圖無關(guān).顯著區(qū)域是 圖像 中最能引起用戶興趣
如何提出一個通用的顯著性檢測系統(tǒng)？
一般的模型都是將顯著性問題轉(zhuǎn)化為目標特殊性質(zhì)檢測的問題，例如一些顏色特征、亮度特征、紋理特征等等，面對不可預(yù)測、無數(shù)的視覺模式類別，我們需要一個通用的顯著性檢測系統(tǒng)。 如果要提出一個通用的顯著性檢測系統(tǒng)，那么根據(jù)以往的模型，就必須找到目標通用的特征，但是這基本上是不可能的事，每個目標都有自己與眾不同的特性。