冯 洁，王世刚，韦 健，赵 岩

（吉林大学 通信工程学院，吉林 长春 130012）

1 引 言

显著性区域检测研究的目的是从图像中标记出最容易引起人注意的目标或最能表达图像的内容，常应用于图像检索[1]、图像压缩[2]、目标识别与跟踪[3]、图像融合[4]以及图像分割[5]等领域。

根据人类视觉选择注意机制，目前的显著性检测方法大致可分为自底向上和自顶向下两类。自底向上的显著性检测模型是由数据驱动的，利用图像的亮度、纹理、颜色和空间位置等特征，判断目标区块与周围的差异，进而计算出显著性。自顶向下的显著性检测模型[6-8]是由具体检测任务驱动的，需要通过类标签进行监督学习。Yan等人[9]提出了综合这两种机制的显著目标检测方法，由感知格式塔法则指导自底向上的模型，自顶向下模型则是使用计算模型描述注意力的背景连通性并生成优先级图。该方法的有效性虽优于无监督技术，但检测结果与基于监督的深度学习方法仍有一些差距[10]。与自顶向下的显著性检测模型相比，自底向上的显著性检测模型通常执行速度快并且易于适应各种情况，因此已得到广泛应用。Achanta等人[11]提出了一种频率调谐方法，从整个图像的色差得出显著图。Cheng等人[12]提出基于直方图的对比度和基于区域的对比度，其考虑了空间距离，克服了色彩对比度的局限性。Goferman等人[13]提出上下文感知方法，增强了显著目标附近的其他显著点。Fu等人[14]提出了结合颜色对比度和颜色空间分布的显著性检测算法的流程以及抑制噪声和伪影的细化过程。……