显著性论文学习：GlobalContrastbasedSalientRegionDetection

在这篇论文中，作者提出了两种显著性检测方法，分别是基于直方图统计的对比度的方法（HC）和基于区域的对比度的方法（RC）。

 

一、基于直方图统计的对比度（HC）

一个像素的显著性值用它和图像中其它像素颜色的对比度来定义。例如，图像I中像素Ik的显著性值定义为：

其中D（Ik,Ii）为像素Ik和像素Ii在L*a*b空间的颜色距离度量。可以按照像素顺序展开为：

其中N为图像I的像素值。由于忽略了空间关系，这种定义下具有相同颜色值的像素具有相同的显著性值。使具有相同颜色值cj的像素归到一起：

优化：

1、基于直方图的加速：加速的关键在于减少图像像素颜色的总数。作者将每个通道的颜色从255量化为12个不同的值，并且将出现频率较小的颜色丢掉。在确保保留下的颜色种类包括了95%的像素，我们可以将颜色种类数目减少到n=85左右。剩下5%的颜色的像素所占的颜色被直方图中距离最近的颜色代替。

2、颜色空间平滑：颜色量化后肯呢个会产生瑕疵。因此用平滑操作来改善每个颜色的显著性，将每个颜色的显著性值替换为相似颜色（用L*a*b距离测量）显著性值的加权平均。选择m=n/4个最近邻颜色来改善颜色的显著性值：