视觉显著性模型概述

图像显著性检测有三种经典模型。

IT模型：在生物视觉原理的基础上提出的图像显著性算法模型，通过模仿人类视觉注意机制对图像中显著区域进行检测。该模型最突出的特点是采用多尺度度量方法。将输入图像进行九个尺度的变换，对于每个尺度图像采用中也－周边（Ｃ－Ｓ）思想提取特征拓扑图，提取的特征信息包括灰度特征、颜色特征Ｗ及位置特征。最后，将每种特征信息归一化并进行融合，最终得到包含这些特征信息的显著图。

CA模型：全称为上下文感知图像湿著性检测模型，该模型遵循人类视觉注意机制的四个基本原则。考虑局部低层次的信息，包括区域对比度和颜色特征；考察全局对比度，其基本思路是抑制出现频率较高的特征，提取奇异部分的特征；符合视觉組织的关注规则，即处理组织仅处理单个或者少数的视觉重心；考察高层次特征。

FT模型：频域调谐模型，一种基于频域滤波的图像显著性检测模型。相比较前两种模型而言，FT模型有较高的计算效率，并且保留了盈著区域的边界信息。该算法着重剖析了图像的频率信息，引入频率调谐技术，使用颜色和亮度等特征计算区域对比度。可生成具有明确边界、全分辨率和显著区域覆盖完整等特点的显著图。