zhangxiaio1的博客

图像显著性检测(Saliency Detection,SD)， 指通过智能算法模拟人的视觉系统特点，预测人类的视觉凝视点和眼动，提取图像中的显著区域(即人类感兴趣的区域)，可以广泛用于目标识别、图像编辑以及图像检索等领域，是计算机视觉领域关键的图像分析技术。

显著性目标检测

图像中像素的显著性值可以它和图像中其它像素的对比度来定义, 具体公式为:其中,为像素的颜色, n为图像中所有颜色的总数,为在图像I中出现的概率,为颜色在彩色空间Lab之间的距离.对于每个像素，使用上述公式就可以计算其显著性, 从而可以得到图像中目标的显著性.然而，上述公式存在一个问题: 对于三维颜色空间，例如RGB颜色空间, 8bit数据的颜色总数为 255ｘ２５５ｘ２５５=16581375, 计算量异常庞大，不适合实际应用.

首先将图像分别进行小波变换，即利用小波金字塔算法将空间域上已经配准止之后的两幅图像分别变换到小波域；其次，根据需要选择不同的融合规则，常见的图像融合方法有加权平均法、局部方差法、局部能量法、PCA方法等等。最后根据融合规则分别将不同金字塔的小波图像进行融合，再利用逆变换将其变换回空域即可实现CT图和MRI的图像融合。是现代医学中的图像信号融合中最为常见的一种融合模式。一层小波分解，低频采用邻域加权方差融合，高频采用基于局部梯度信息的融合算法。３、基于领域方差以及局部梯度方差的图像融合算法。