本文主要是介绍论文阅读笔记(2):Saliency Detection: A Spectral Residual Approach,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
论文题目:Saliency Detection: A Spectral Residual Approach
论文作者:Xiaodi Hou and Liqing Zhang
论文时间:2007
文章中的Spectral Residual(SR)模型并不像Itti模型那样依赖于图像的特征,SR模型不依赖于图像的特征、分类以及其他的先验知识。SR模型关注的是图像的背景部分,找出图像背景在某个空间上满足什么变化,然后剔除背景,最后就得到了图像最突出的部分。主要是通过分析图像的对数(Log)谱,提取图像光谱域中的谱残差,然后将谱残差变换为空间域,得到显著性图。
光谱残差模型:
从信息论的角度,有效编码将图像信息H(Image)分解为两部分:
其中H(Innovation)表示新颖性部分,H(Prior Knowledge)表示是编码系统应抑制的冗余信息。
对数谱的表示:
在这里,作者提到一个尺度不变性,尺度不变性是最著名和研究最广泛的属性。这一性质也被称为1/f定律,它指出自然图像系综的平均傅立叶谱的振幅A(f)服从一个分布:
虽然对数-对数谱在理论上已经成熟并得到了广泛的应用&#x
这篇关于论文阅读笔记(2):Saliency Detection: A Spectral Residual Approach的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!