显著性检测

自己写的myGBVS，核心算法思路清晰，代码也写得挺干净，适合拿来练手或者二次开发。显著性检测这个方向，说白了就是找图里哪些区域“比较重要”。而GBVS就是靠亮度对比，来决定图像的“关注点”在哪。整个流程不绕弯子，从图像预、亮度差计算到显著图生成，一步步都能看懂。 导航是函数式的，直接调用myGBVS('xxxx.jpg')就能跑。预部分包括灰度化和直方图均衡，这两步可以提高对比度，方便后面的。后也不马虎，加了滤波和阈值，能去掉噪声，结果挺干净。 这套代码适合想入门显著性检测或者图像分割的你。应用场景蛮广，比如视频监控里自动识别移动物体，自动驾驶识别障碍，甚至医学图像里找病灶。代码结构清爽，变

显著性水平α表示以(1-α)的置信水平，置信区间包含总体均值μ的概率。

基于颜色的显著性思路，还挺实用的。程明明在 CVPR2011 提的这个方法，核心就是通过颜色直方图，图像里哪些区域更“扎眼”。相比传统的特征提取，思路更轻、实现也不复杂，挺适合用来练手或改进到自己的项目里。 颜色直方图的显著性方法，关键在于全局对比度（Global Contrast）。简单说，就是看一块颜色跟整个图的颜色差得有多大，差得越多就越显眼。这一点在图像分割、关键帧提取这种场景里吃香，比如视频剪辑自动识别重点画面，就有用。 MATLAB 代码也有了，GetHC.m里面率是实现了几个步骤：颜色量化、对比度计算，再到显著性评分。你跑一跑，调几个图进去，快就能看出效果。，如果你想改成 Pyt

北京航空航天大学于 2017 年在 TIP2017 上发表的论文《学习使用 HEVC 特征检测视频显著性》开源代码。通过对眼动跟踪数据库的分析，提出了基于 HEVC 特征的视频显著性模型，包括分割深度、比特分配和运动矢量特征。

GBVS是在Itti模型基础上改进的算法，对视觉显著性和注意力机制的研究具有重要意义。这一算法对于深入理解视觉信息处理及其应用具有重要价值。

提供图像分割、物体检测和视觉识别的基准图像数据集

ITTI 算法的 MATLAB 实现，真的是研究视觉显著性比较经典的一套思路。人类注意力模型里比较早期也比较有代表性的那种，核心就是三个通道：色彩对比、强度对比、边缘检测。每一步都挺清楚的，代码写得也不复杂，调试的时候心态比较稳。配色对比的，用的是像素和周围邻域做差值，色差大的地方显著性就高。边缘检测那部分，Sobel、Canny 之类的常规方法都能套进去。itti_simpsal这个函数应该是整合了各部分，直接丢图进去就能出结果，效率还不错。这套算法用在图像摘要、视频、交互式编辑这些场景都蛮合适的。比如说快速找出图片里最吸引人的地方，或者视频里某一帧突然亮眼的画面——就挺直观的。而且 MAT

空间自相关指标显著性检验通过标准化 Z 值实现。Moran's I 显著性检验公式为： E(I) = 1/(n-1)

DSL：基于多维特征密集稀疏标记的显著性检测算法实现 本代码库提供了论文 “具有显着性检测的多维特征的密集和稀疏标记” [1] 中提出的 DSL 算法的实现。 系统要求 64位 Ubuntu 14.04 或 64位 Windows 8.1 操作系统 MatConvNet (需编译) [2]，支持 CUDA 7.5 和 cuDNN v3 CUDA 7.5 (可选，GPU加速) cuDNN v3 (可选，GPU加速) 使用方法 下载并编译 MatConvNet [2]. 下载模型文件 (必需) 以及现有数据集上生成的显著性图 (可选). 运行代码. 引用 使用此代码，请引用 [1]. 参

随着技术的发展，正交试验设计在显著性检验中发挥关键作用。因素A显著，而因素C则未达到显著水平；而因素B对试验结果没有显著影响。因素的作用顺序为：A－C－B。根据表10-28的方差分析表，t变异来源t平方和t自由度t均方tF值t临界值Fat显著性tAt17.334 t3t5.778 t22.75tF0.05(3,3)=9.28, F0.01(3,3)=29.46t* tB△t0.00125 t1t0.00125 tCt0.781 t1t0.781 t3.07tF0.05(1,3)=10.13 F0.01(1,3)=34.12 t误差e t0.763 t2t0.381 t误差e △ t0.764