9、基于显著性图的显著目标提取与检测方法解析

基于显著性图的显著目标提取与检测方法解析

1. 基于位置显著性图的显著目标提取

在基于位置的显著性提取中，当位置显著性信息精确且完整时，常规方法能取得不错的效果。但现有基于位置的方法在提取复杂目标时存在困难，因为它们忽略了目标各部分之间的内在关联，可能因尺度选择不当导致完整性问题。

例如，使用较小尺度时，检测到的显著子集可能只是目标的一部分；使用较大尺度时，可能会包含部分冗余背景。为简化描述，我们将这两种情况分别称为草图式和包裹式显著性图。

为解决这一问题，我们采用互补显著性的方法，其主要步骤如下：
1. 计算互补显著性图
- 频率调谐显著性图（FSM） ：使用高斯差分（DoG）滤波器进行带通滤波，任一像素 x 的显著性值计算公式为：
[FSM_x = |v_{\mu} - v_x|]
其中，(v_{\mu}) 是图像的算术平均像素值，(v_x) 是高斯模糊图像中像素 x 的特征向量，这里像素特征选择为 Lab 颜色。计算后，FSM 中的显著性值被归一化到 [0, 1]。
- 中心 - 环绕对比度图（CCM） ：使用中心 - 环绕对比度特征，通过经验设置多个矩形模板来匹配目标区域和环绕区域。对于每个像素，选择两个等大区域（中心矩形和环绕条带），计算它们的 RGB 颜色直方图差异，使用 (\chi^2) 距离：
[\chi^2(R_c^x, R_s^x) = \frac{1}{2} \sum_{i} \frac{(R_c^x(i) - R_s^x(i))^2}{R_c^x(i) + R_s^x(i)}]