10、基于对象的视觉显著性计算方法综述

基于对象的视觉显著性计算方法综述

在计算机视觉领域，视觉显著性计算是一个重要的研究方向，它旨在识别图像中最能吸引人类注意力的区域，即显著对象。本文将介绍几种基于对象的视觉显著性计算方法，包括上下文和形状先验、显著性滤波器、单图像优化等方法。

1. 上下文和形状先验方法

为了提高大显著对象的提取效果，Jiang等人（2011）提出了一种结合上下文和形状先验的显著对象检测方法。该方法基于以下三个原则来定义显著对象：
1. 显著对象与周围环境不同。
2. 显著对象很可能位于图像中心附近。
3. 显著对象具有明确的封闭边界。

其中，第二个规则是一种强位置先验，即三分法则。该法则指出，为了吸引人们的注意力，照片中的感兴趣对象或主要元素应位于四个交点之一，以近似“黄金比例”（约0.618）。然而，在处理复杂自然场景时，这个位置假设可能会失效。

具体步骤如下：
- 区域显著性图和形状先验提取 ：首先，使用与Cheng等人（2011）相同的分割算法将图像划分为多个区域。然后，通过N组不同参数对图像进行分割，在第n个尺度上，将输入图像分割为多个区域 ${r_{n}^i} {i = 1}^{R(n)}$。
- 区域显著性计算 ：对于区域 $r {n}^i$ 及其空间邻居 ${r_{n}^k} {k = 1}^{K(n)}$，区域 $r {n}^i$ 的显著性定义为：
[s(r_{n}^i) = -w_{n}^i \log \left(1 - \sum_{k = 1}^{K(n)} \alpha_{n}^