MSRA-1000图像视觉显著性图片库包括GroundTruth图

检测复杂自然的视觉突出元素场景，计算自下而上的显着性模型通常会检查几个特征频道，如颜色和方向并行。他们计算出一个为每个通道单独分配功能图，然后线性分配结合这些地图生成主显着图。但是，只有少数研究调查了

显著性检测 超像素分割

显著性特征提取算法，和VC6.0++作为开发环境，设计实现两种有代表性的视觉显著性计算模型，并利用这种模型计算自然图像分析实验结果。

近年来，对零假设显著性检验的批评不断，本文就是统计大牛Cohen对于围绕显著性检验的使用过程中的一些误区的解读，以及该如何更加谨慎的使用统计方法而写的文章。Cohen描述的NHST的逻辑为：如果零假设

如资源名，matlab的程序，运行起来挺快的，我的matlab是2014a

论文题目：Graph-regularized Saliency Detection with Convex-hull-based Center Prior

实验环境与平台开发环境：Visual Studio 2010计算机视觉库：OpenCV 2.1.0

针对目标在图像边界上带来的检测误差,提出了边界显著性算法。首先在多尺度下对图像进行超像素分割,计算边界差异,估计其边界显著性。而后对所有超像素进行模式挖掘,得到显著性种子,并与边界显著性相结合。最后通

资源包括图像检索，图像分割，草图提取的实现等，还有完整的论文，可以参考，运行效果很好。是一个完善的对图像显著性和相似性进行研究的完整的代码和论文，初学者和深入研究者均可参考。

论文仅供学习参考使用。 本文的重点研究内容是基于区域的图像分割及视觉显著性算法。对于图像分割算法,本文主要分析分割算法的不足,通过改进算法的不足,提出一种基于像素袋的图像分割算法。本文分别从主观视觉角