张卫国，马静瑞

(西安科技大学 计算机科学与技术学院，陕西 西安 710054)

0 引 言

显著性检测旨在模拟人类视觉系统的选择性处理，识别图像中最重要和最显著的对象区域。作为预处理步骤，它可以有效地聚焦于与当前任务相关的图像区域，并且广泛应用于计算机视觉和图像处理工作，如图像分割[1]、图像压缩[2]以及目标识别[3]等领域。目前，国内外研究者提出了大量的显著性检测模型。主要分为自底向上目标驱动的模型[4,5]以及自顶向下任务驱动的模型[6-8]。自底向上的显著性检测方法倾向于检测图像细节信息并且具有较低的计算复杂度，但很难专注于全局形状信息。而自顶向下的显著性检测方法能够提取全局信息，但忽略局部显著性特征。为了更好地利用两种方法的优点并克服这两个方面的不足，本文从自底向上及自顶向下两种模型考虑，提出了一种结合局部特征和全局特征的方法，并且该方法有效地提高了显著性检测的准确性。

1 本文算法

本文提出了一种结合局部和全局特征的图像显著性检测方法。该方法的实现框架可分为3个阶段，如图1所示。第一阶段，为了保持显著区域的完整性，避免尺度分割对显著性结果的影响，将输入图像进行多尺度分割。再考虑颜色特征以及纹理特征的互补性，通过局部对比度计算得到局部显著图。第二阶段，以VGG16[9]网络为基础模型构建全卷积神经网络(FCNN)，进行端到端的训练。通过训练好的模型，输出全局显著图。……