读CVPR2014论文<Saliency Optimization from Robust Background Detection>

在显著性检测中，利用背景先验进行检测是一种有效的方式。目前大多数方法是基于图像区域是否与图像边缘关联来判断当前区域是否可以作为背景先验信息，这样的方法很容易引入前景噪声。文章作者所提出的方法中，主要利用连续性来提高背景先验的鲁棒性。通俗一点说就是：目标区域不大可能与图像关联，即使与图像发生关联也只是目标区域中的很小一部分。示意图如下：

在整个图像中存在四个区域，每一个图像都和图像边缘发生了关联。如果仅仅以是否与图像边缘发生关联作为判断标准，很显然在这幅图像中很难找出显著性区域。为了处理这种处境，在文中提出了关联性的方法进行背景优化，计算公式如下所示：

其中Len表示区域与图像边缘关联的长度，而Area则表示整个区域的面积。这个公式的意义在于将关联性转化为一个可以衡量的数据。举个简单的例子，假设一个房间面积固定，里面有两张面积同样大小的桌子——都是2平米，其中一张靠墙的长度为1米，而另一张靠墙的长度为2米。根据上面的公式，可以非常直观的得出结论&#