基于全局对比度的图像显著性区域检测算法研究教程分析.pptVIP

Main Contents Salient Region of image 显著性源于视觉的独特性、不可预测性、稀缺性以及奇异性，并且是由颜色、梯度、边缘、边界等图像所致。人们普遍认为，大脑更容易响应图像中的高对比度区域的刺激。文章作者主要依据图像的对比度来进行显著性区域检测。 Salient Region Detection Three Principles Two methods of salient region detection 1 HC（Histogram Contrast）算法 视觉系统对图像中像素的色彩差异很敏感。据此， 根据源图像的颜色统计特征提出了基于直方图对比 的图像像素显著性值检测方法。 2 RC（Region Contrast）算法 人们会更加注意图像中与周围物体对比度大的区 域，除对比度外，相邻区域的高对比度比很远区域 的高对比度更容易导致一个区域引起人类的注意。 Graph-based image segmentation LOGO Global Contrast based Salient Region Detection Ming-Ming Cheng, Tsinghua Universityit CVPR 2011 Global Contrast based Salient Region Detection 自动化学院 汇报人：付忠敏 1 2 3 4 基于直方图对比度的检测方法 基于区域对比度的检测方法 总结与展望 显著区域检测及分析方法 什么是图像的显著性区域? 1 全局对比倾向于将大范围的目标和周围环境分离，这种对比优于只在轮廓附近产生较高显著性的局部对比度。 3 一个区域的对比度，主要由它和周围区域的对比度决定，相距很远的区域起的作用较小。 2 全局的考虑可以为图像中相似的区域分配一个相近的显著性值，并且均匀的突出目标。 Saliency value of pixel   一个像素的显著性值用它和图像中其他像素的颜色的对比度来定义； 上式展开得： 什么是Lab颜色空间？   在这种定义下，相同颜色的像素点具有相同的显著性值，对式子进行重排，将相同颜色的像素归到一起，得到每种颜色的显著性值。 Cl表示像素Ik的颜色； n为图像所含颜色总数目； fj为Cj在图像的所有颜色中出现的概率； D(cl,cj)表示Lab颜色空间中的颜色距离。 Saliency value of color   Saliency value of color 国旗中像素Ik的颜色是黄色或者红色，图像所含颜色总数目2； 根据公式计算： 黄色出现的概率接近于0 红色出现的概率接近于1 Zhai和Shah仅仅使用了亮度来减少颜色的数量，在这个基础上他们提出了用于图像显著区域检测的LC检测。 先将每个颜色通道量化成12个份，将颜色减少到12*12*12，再将出现频率较小的颜色丢掉，保留高频出现的颜色。 然而，真彩色空间包含256*256*256种可能的颜色（16万色），比图像的像素总数还多，计算代价太高。 方法1 方法2 Saliency value of color   LC算法缺陷在于忽略了颜色信息的可区别性。自然图像中的颜色只占据整个色彩空间很小的一部分，将出现频率很低的颜色丢掉，保留高频出现的颜色。量化后的图像颜色更少，但仍能保证显著性检测所需的视觉质量。 Color histogram quantize 颜色量化样例   HC方法速度快，并且产生细节精确的结果，均匀地突出了整个显著性区域。 Salient region detection based on histogram contrast HC算法检测显著区域样例   空间关系在引起人类注意力方面也起到非常大的作用。相邻区域的高对比度比很远区域的高对比度更容易导致一个区域引起人类的注意。基于此，提出基于区域对比度的显著性区域检测算法。 （1）先将图像分割为若干区域(参考文献：Efficient graph-based image segmentation. 2004，IJCV),再为每个区域建立颜色直方图； （2）计算各个区域之间的颜色对比度，用每个区域和其他区域的对比度加权和来定义其显著性值（权值由两个区域的空间距离决定）。 Reg