图像显著性检测的文章及代码

针对已有显著性目标检测在单一先验知识下生成的显著图存在背景抑制不彻底、孤立背景块干扰及前景区域缺失的问题,提出复合先验的显著性目标检测方法。先利用超像素分割算法提取边缘超像素,构建初选背景集,根据边界

针对现有显著性检测方法存在背景抑制效果差和前景分辨率低的问题,提出一种基于背景抑制和前景更新的显著性检测方法。首先利用MR(manifold ranking)算法计算背景先验图,通过超像素分割算法提取

基于区域的对比度，相邻区域的高对比度比很远区域的高对比度更容易导致一个区域引起视觉注意。在计算像素级对比度时引进空间关系计算代价会非常大，所以引进区域对比度方法（RC），以此来将空间关系和区域级对比度

针对现有的显著性目标检测算法在受到相似背景干扰时, 易出现目标检测准确度低、稳定性差的问题, 提出一种基于双目视觉的显著性目标检测方法。受人眼视觉特性启发, 将双目视觉模型感知的深度信息作为显著性特征

针对合成孔径雷达(SAR)图像中普遍存在具有相干斑噪声、流冰区域浮冰接触紧密及小碎冰较多等背景复杂问题,提出了一种基于背景抑制显著性检测的SAR流冰分离算法。首先基于图像的显著性检测,通过学习随机森林

此文档旨在帮助初学图像处理的朋友了解视觉显著性检测，代码为matlab

HC算法：基于全局颜色直方图的颜色对比度算法，即使用每一个像素与图像中所有其他像素的颜色对比差异来确定它的显著性值（差异越大显著值越大），从而得到全分辨率显著性图像

基因opencv及VS2010，实现了Frequency-tunedSalientRegionDetection中的显著性方法，与原代码相比，兼容了opencv的数据格式，且运算速度提高了一倍

基于双目视差的立体显示系统中, 不恰当的图像景深分布是引起视疲劳的主要原因, 因此提出一种新颖的立体深度调整方法以提高立体显示观看视觉舒适度。该方法以原始立体图像作为输入, 应用图像谱残差提取的方法获

针对遥感图像融合中,不同地物区域对空间与光谱信息要求不同的问题,提出了一种基于显著性分析的自适应遥感图像融合算法。结合多尺度谱残差分析模型,将遥感图像分为纹理、边缘丰富的显著区域与纹理、边缘较少的非显