视觉显著性模型概述

本文介绍了三种经典的图像显著性检测模型:IT模型、CA模型和FT模型。IT模型基于多尺度度量方法,通过模仿人类视觉注意机制来检测图像中的显著区域。CA模型考虑了局部和全局对比度,并符合视觉组织原则。FT模型则强调频率信息,具有较高的计算效率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

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。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值