Saliency Optimization from Robust Background Detection 笔记

Saliency Optimization from Robust Background Detection

鲁棒背景检测的显著性优化

摘要
1.首先，我们提出一种鲁棒性的方法叫做背景相关性。它根据图像的边界来表征图像区域的空间布局，具有很强的鲁棒性。它有一个直观的几何解释，并提出独特的优势，这是以前的显着性方法所缺乏的。
2.我们提出一种优化框架原理来整合多个低层级线索，包括我们的背景方法，来得到干净并且规范的显著性图。

1 介绍
1.显著性检测两种方法：对比度优先法，边界优先法
2.边界优先法的两个缺点：
（1）边界优先法简单的把所有边界都看作为背景。
（2）边界优先法的利用是启发式的。
3.本文的工作提出新的方法解决上述两个问题：
（1）我们的第一个贡献是一种新的可靠的背景测量方法叫做边界相关性。
方法陈述为：一个图像块是背景仅当图像块着重属于图像边界。
（2）我们的第二个贡献是原则性框架将显著性估计看作是一种全局优化问题。
代价函数：前景线索+背景测量方法+平滑抑制。

2 相关工作
两个感兴趣的视觉点：边界优势和优化方法。

3 边界相关性：一种鲁棒性的背景方法
3.1 概念定义
1.我们提出一种方法量化区域R和图像边界相连的紧密程度：