【显著性检测】Matlab实现显著性检测SR算法

最新推荐文章于 2023-09-04 13:36:04 发布

々云逸

最新推荐文章于 2023-09-04 13:36:04 发布

阅读量7.2k

点赞数 9

分类专栏：目标探测与识别文章标签：算法计算机视觉 cv matlab

本文链接：https://blog.youkuaiyun.com/weixin_43562948/article/details/107282928

版权

目标探测与识别专栏收录该内容

3 篇文章

订阅专栏

本文介绍了一种基于谱残差的显著性检测方法，该方法从信息论角度出发，将图像信息分解为创新信息和先验知识。通过傅立叶变换及平滑处理，去除图像冗余信息，突出图像中与众不同部分，实现显著目标检测。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

简介

从信息论的角度来看，有效编码假说将图像信息H(Image) 分为两部分:
H(Image)=H(Innovation)+H(Prior Knowledge)
H(Innovation)表示突出的部分，H(Prior Knowledge)则表示冗余的信息。

显著性检测的SR方法即谱残差法，是通过去除图像冗余信息来获得图像与众不同的部分，即显著目标。计算公式如下：
在这里插入图片描述
算法步骤为：

对图像进行傅立叶变换
将局部平滑后的对数幅度谱作为冗余部分
原对数幅度谱减去平滑后的对数幅度谱
将剩余的部分看作是显著部分在频域的信息。

代码

代码文件已上传至GitHub：SR代码文件
SR的步骤比较简单，代码如下

%读取图像
Image = imread('/Users/yunyi/Desktop/testimg/object_detectEX/EX4/images/0015.jpg');
figure,
subplot 211,imshow(Image);
title('原图');
Img = im2double(rgb2gray(Image));

%傅立叶变换
FFT = fft2(Img);

%对数幅度谱
LogAmplitude = log(abs(FFT));

%相位
Phase = angle(FFT);

%原幅度谱减去局部平滑后的幅度谱
SpectralResidual = LogAmplitude - imfilter(LogAmplitude, fspecial('average', 3), 'replicate');

%融合幅度与相位
saliencyMap = abs(ifft2(exp(SpectralResidual+1i*Phase))).^2;
saliencyMap = mat2gray(imfilter(saliencyMap, fspecial('gaussian', [8, 8], 8)));

subplot 212,imshow(saliencyMap,[]);
title('SR结果');

imwrite(saliencyMap,'/Users/yunyi/Desktop/testimg/object_detectEX/EX4/SRresult/0016.jpg')