图象显著性检测

资 源 简 介

随着互联网的迅速发展和网络媒体数据的爆炸性增长，我们拥有了以往任何时代都无法比拟的信息资源。其中，数字图象与文本信息相比，更为直观逼真，形象生动。为了能够从这些视觉数据中快速有效地获取有用信息，视觉计算技术已经不可或缺。 视觉显著性（Visual Saliency）的概念来源于人类视觉研究领域。它是在人们研究人类视觉感知机制的过程中提出来的，可以简单描述为场景中的元素吸引视觉注意力的能力。 一般认为，人的视觉系统对外界环境的视觉感知分成两个阶段：一个快速的、自下而上、显著性驱动的、任务无关的阶段和

详 情 说 明

在互联网迅速发展和网络媒体数据爆炸性增长的背景下，我们现在拥有了以往任何时代都无法比拟的丰富信息资源。这些信息资源中，数字图像比文本信息更加直观逼真，形象生动。为了能够从这些视觉数据中快速有效地获取有用信息，视觉计算技术变得不可或缺。

视觉显著性（Visual Saliency）的概念源自人类视觉研究领域。它是在人们研究人类视觉感知机制的过程中提出的，简单来说就是指场景中的某些元素能够吸引我们的视觉注意力。

人们一般认为，人的视觉系统对外界环境的视觉感知可以分成两个阶段：一个是快速的、自下而上、由显著性驱动的、与任务无关的阶段，另一个是较慢的、自上而下的、由意识驱动的、与任务相关的阶段。人的视觉显著性检测行为就是为了完成自下而上阶段的任务。

在计算机领域，我们可以通过图像显著性区域检测方法来提取图像中的显著性信息。图像显著性区域检测的目的是获得高质量的显著图，显著图可以反映图像中不同区域的显著程度。利用显著图，我们可以快速定位和处理图像中的显著区域。

近年来，图像显著性研究在图像领域成为研究的热点。它对揭示视觉观察机制具有重要意义，并且在目标检测和分割、图像检索、场景分析、视频跟踪等领域得到了成功应用。

对于水下图像处理而言，由于水下环境的特殊性，水下光线存在严重的衰弱和散射效应，导致水下图像呈现散射模糊和颜色褪变等状态。因此，我们需要根据目标的显著性来提取有用的信息。