显著性区域

        在一幅图像中，某些区域比图像其他部分更加突出，更能够吸引观看者的注意力。图像的这种特性可以用视觉显著性这一指标衡量。图像中某个区域的视觉显著性高，就代表这个区域更能吸引观察者注意。视觉显著性这一概念最早由Tsotsos等在视觉注意力的研究中被提出，视觉显著性又称为视觉注意力、不可预测度、稀有度等。视觉显著性的估计方法大致可以分为两种类型，一种是基于人的心理视觉特性进行建模，通过图像区域对比度、颜色、灰度等底层图像特征对图像的视觉显著性进行估计；另一种是基于机器学习的方法，通过大量人工标记了显著性区域的样本训练出视觉显著性估计模型。这两种方法在原理上差距较大，一般作为两个领域来研究。本文中采用前一种模型计算芯棒图像的视觉显著度。

        人类能很容易地判断一个图像区域的重要程度，并快速地将注意力聚焦在重要的区域，但从计算的角度而言，快速且准确地完成这项任务并不容易。图像视觉显著性被广泛地用于各种各样的计算机视觉应用，如图像分割、目标识别、图像压缩和图像检索等。研究者对于不同的应用场景提出了各种各样的视觉显著性检测算法。针对视觉显著性检测的研究主要有两个关注点，一是快速的、自底向上的显著性分割，另一个是相对来说比较慢的，取决于任务目标的自顶向下的方法。