视觉显著性算法概述.pptVIP

PBS模型使用PCA抽取特征。对图像片矩阵，计算对应的协方差矩阵为：对A进行特征值分解，选择前d个最大特征值对应的特征向量。其中U的维度为。第30页，共42页，星期日，2025年，2月5日视觉显著性算法概述第1页，共42页，星期日，2025年，2月5日报告提纲研究现状算法模型介绍实验结果及分析结论第2页，共42页，星期日，2025年，2月5日研究现状第3页，共42页，星期日，2025年，2月5日研究现状基于视觉注意的显著性区域检测对于图像分析过程有着非常重要的意义。注意是人类信息加工过程中的一项重要的心理调节机制，它能够对有限的信息加工资源进行分配，使感知具备选择能力。如果能够将这种机制引入图像分析领域，将计算资源优先分配给那些容易引起观察者注意的区域，这样必将极大的提高现有的图像处理分析方法的工作效率。显著性区域检测正是在这个基础上提出并发展起来的。第4页，共42页，星期日，2025年，2月5日研究现状显著性检测一般分为两类自下而上基于数据驱动的显著性区域突现自上而下任务驱动的目标突现本报告只关注自下而上的显著性检测算法第5页，共42页，星期日，2025年，2月5日研究现状Achanta将这些算法分成三类基于低层视觉特征，代表性算法是文献[1]中提出的模拟生物体视觉注意机制的选择性注意算法(Itti算法)没有基于任何生物视觉原理的纯数学计算方法，如Achanta等[4]提出的全分辨率算法(AC算法)和Hou等[5]提出的基于空间频域分析的剩余谱算法(Spectralresidualapproach,SR)将前两种进行融合的方法，代表性算法是Harel等[6]提出的基于图论的算法(Graph-basedvisualsaliency，GBVS)第6页，共42页，星期日，2025年，2月5日研究现状Goferman将显著性分析算法分成以下三类考虑局部特征的，如Itti算法和GBVS算法考虑整体性的，如SR算法和Achanta等[3]提出的算法(IG算法)局部与整体结合的，如Goferman等[7]和Liu等提出的算法第7页，共42页，星期日，2025年，2月5日算法模型介绍第8页，共42页，星期日，2025年，2月5日Itti模型Itti模型中,显著值是像素点在颜色、亮度、方向方面与周边背景的对比值。该模型包括两个步骤:特征提取显著图生成第9页，共42页，星期日，2025年，2月5日AIM模型AIM（Attention-basedonInformationMaximization）模型利用香农的自信息度量，将图像的特征平面变换到对应于视觉显著性的维度上。AIM假设：一个视觉特征的显著性就是该特征相对于它周围其他特征提供的信息的差别度。根据香农定理，图像特征对应的自信息通过下面的公式进行计算为特征的概率密度函数。第10页，共42页，星期日，2025年，2月5日GBVS模型GBVS（Graph-BasedVisualSaliency）模型是在Itti的模型基础之上运用马尔可夫随机场的特点构建二维图像的马尔可夫链，通过求其平衡分布而得到显著图算法步骤：特征的提取：与Itti算法类似显著图生成：马尔可夫链方法第11页，共42页，星期日，2025年，2月5日FTS模型FTS（Frequency-TunedSaliency）模型是由Achanta等人提出的一种自底向上的显著性检测方法，通过局部颜色和亮度特征的对比多尺度方法求像素点显著值。将原始图像由SRGB颜色空间转化成CIE颜色空间，然后显著性映射定义为其中为图像特征的几何平均向量，为对原始图像的高斯模糊，采用的二项式核。为范数，为像素点坐标。第12页，共42页，星期日，2025年，2月5日SR模型SR（SpectralResidual）模型是由Hou等人提出来的，基于空间频域分析的算法之一，显著图通过对剩余谱做傅里叶逆变换得到。剩余谱定义为其中，为原图二维傅里叶变换得到的频域空间，为局部平均滤波器（一般n取3）第13页，共42页，星期日，2025年，2月5日PQFT模型PQFT（PhaseSpectrum