张宝峰，曹珍珍，朱均超*，刘 娜

（天津理工大学a.天津市复杂系统控制理论及应用重点实验室，b.电气电子工程学院，天津300384）

显著性检测是指人们在复杂、宏大的动态、静态场景中可以快速定位感兴趣物体、事件的能力。显著性检测的目的是经过视觉系统排除场景中冗余无用的信息，快速找出图片、视频等视觉数据中最吸引人注意的区域，减少大脑的决策负担，从而使身体对外部刺激的反应更加迅速[1]。

显著性检测的经典模型主要有以下4种：1）认知模型。对于图像，模型提取基本视觉特征：颜色（RBGY）、亮度和方向，在多种尺度下使用中央-边缘操作体现显著性度量的特征图，将这些特征图组合得到最终的显著性图后，利用生物学中的赢家取全竞争机制，得到图像中最显著的区域，它用于指导注意位置的选择，之后通过返回抑制的方式完成注意焦点的移动[2]。该模型已变成自下而上视觉注意模型的标准。然而，该模型中显著图的生成通常由不同的初级特征图在相应的合并策略下生成，有时会导致合成的显著图的大小和位置与目标存在一定的差异。2）决策论模型。从决策论的角度看，进化感知系统可以在决策论意义中产生对周围环境的最优决策。决策理论中的注意模型既能表达自下而上的注意，又能表达自上而下的注意。它已成功地应用于计算机视觉领域，如分类、视觉位置预测等，取得了很高的精度。但该模型忽略了数据间的相关性，容易发生过拟合[3]。……