多尺度的图像显著性检测方法_贾宁.pdf

针对传统基于像素的显著性模型存在的边缘模糊、不适于低对比度环境等问题,提出一种基于双目视觉信息的显著性区域检测方法.采用简单线性迭代聚类(SLIC)方法对图像进行超像素分割,将生成的超像素区域进行合并

AIM显著性检测算法，方便计算机视觉领域的同学们做对比实验

显著性检测数据集PASCAL-S，内含有850张原始图片及GT标注图

包含原图和GT标注图

基于局部特征与全局特征的图像显著性目标检测，贺超，陈振学，目前，视觉注意机制已经得到了快速的发展，并应用到了图像智能检测与识别等多个领域。但是，现有的显著性检测方法仍然面临实时性

基于偏振成像特点和深层特征分类需求,提出一种显著性偏振参量深度稀疏特征学习的目标检测方法。首先在偏振解析基础上构造显著性偏振参量图像作为检测源图像;然后在判别式字典对下对待检测图像进行稀疏特征学习,并

比较了两种显著性区域检测方法：tHC 和 tRC。tHC 方法速度较快，能够生成细节精准的结果。而 tRC 方法则可以生成空间增强的高质量显著性图像，但计算效率相对较低。虽然这两种方法都具有较高的精

此文件包括三个关于图像显著性的代码，每个模型单独成一个文件夹，并用其模型名称命名，三个模型分别是ITTi模型、GBVS模型和SR模型，这三个模型都是使用MATLAB实现的，下载后可以直接使用MATLA

基于背景连续性先验知识,提出了一种新的显著性检测方法。该方法首先对图像进行超像素分割,寻找任意一组超像素间的最短长度路径,并根据路径中的超像素与路径首尾两端的超像素的色彩差异计算出超像素的前景权重。经

公开标准数据集 图像显著性检测MSRA1000,包含1000张原图,及对应的标注图。标注图与原图尺寸相一致。