显著性检测总结之Exploiting Local and Global Patch Rarities for Saliency Detection

1.Ali Borji, Laurent Itti, Exploiting Local and Global Patch Rarities for Saliency Detection, CVPR2012

1) 系统框架：

 

2) 算法思路：

①　图像表示：本文通过1500张图像中，在各通道提取出的8*8的patch，学到了一个自然图像的字典。使用这个字典以及一系列的系数α就可以重组任何一个patch。各通道分别进行。因此，在学习了字典，并且使用Matlab中的LARS算法进行了稀疏编码系数α的估计之后，每个patch通过系数表示成一个矢量。

②　显著度计算：在这些矢量上进行局部和全局显著度的计算。局部显著度为两个图像块系数向量在特征空间里的欧几里得距离，用空间距离进行加权，距离远权重小；全局显著度为图像块矢量进行直方图计算后的概率分布函数的倒数。最终RGBLAB每个通道会得到局部和全局两个显著图。

③　显著度融合：分三步：a. 每一个通道内，局部和全局显著图进行归一化并相乘；b. 每一种颜色空间内，三个显著图归一化并相加；c. 两个颜色空间的显著图归一化并相加。相乘表示目标必须同时满足局部和全局的孤立性条件。相加表示各个通道之间是互补，或者竞争关系。并且这个竞争是现在各个颜色空间内部几个通道之间进行，优胜者再和另一个颜色通道的比较。

④　结果优化：尺度空间扩展，对图像进行降采样，计算每个尺度下的显著性图，归一化后计算这些显著性图的均值，再用高斯核进行卷积得到平滑结果；

3) 论文评价：文章采用多通道显著性融合的方法，并进行了多尺度增强；并应用了字典学习和稀疏编码，计算量较大（感觉Ali Borji的论文计算量都很大，计算很多特征或很多显著性图）。代码还在调试，论文图示中结果还可以，边缘显著性较突出。

 

2.Ali Borji, DickyN.Sihite, Laurent Itti, Salient Object Detection:A Benchmark, ECCV2012

1) 主要贡献：一篇关于显著性模型的综合论文，总结了自2011年以及之前发表的，能容易得到的（代码或者Saliency Map），具有很好的准确率的，或者具有很高引用率的模型。

全文共用5个数据库：MSRA，ASD，SED1，SED2，SOD（这个五个数据 库都是包含物体的数据库，该文的重点也是考察包含物体的数据库上比较各 个模型）。

具体参见博客：http://www.cnblogs.com/hSheng/archive/2012/12/06/2804385.html

 

3.Xiaoshuai Sun, Hongxun Yao, Rongrong Ji, What Are We Looking For: Towards Statistical Modeling of Saccadic Eye Movements and Visual Saliency, CVPR2012

1) 基本思想：该文的基本假设从视觉注视点的统计分析得出。得出的基本假设为两点：a：显著性是非常稀疏的，也就是说大多数地方的显著值都是0，而只有图中的很小区域的显著值有很大的值；b：具有很大的显著值的区域的周围区域通常具有丰富结构信息。而超高斯(super-Gaussianity)分布刚好具有这两点特征。

根据特征融合理论，显著度是由多个特征通道融合而成的，用于显著度检测 的特征应该与显著度具有相似的统计特征；对于一个视觉统计点，显著度具 有超高斯性，我们的注视过程就是在寻找场景中的超高斯成分。

 

2) 算法流程：

  

①　超高斯成分分析：给定图像I，滑动窗扫描将其变换成基于块的表示X，存储为矩阵形式，每个列向量表示一个变形后的图像块；用PCA去相关，白化后得到特征矩阵Z；在统计学领域，通常利用kurtosis函数来模拟超高斯分布。本文通过定义一个随机映射矩阵w，将原始特征空间Z通过这个映射矩阵w，然后求其最大值的kurtosis。通过projection pursuit优化算法求这个w，而这个w也将决定哪些值是saliency。在得到一系列的映射向量w时，我们需要将他们进行格拉姆-施密特正交化，来确保当前的优化方向与前面的优化方向不一致。同样通过不停的迭代，能够得到不同的saliency点。本文能同时计算出saliency map和视线扫描的轨迹。

②　WAT目光定位：在得到了投影向量W后，计算这个投影方向上的响应图RMi：这个响应图就是原图中的那个具有最大的单个超高斯分布的区域，这个分布是基于图像颜色的分布。这样RM1对应图中具有最大SGC（Super Gaussian Component）对应的响应图，表示人眼首次注视的区域，RM2则是对应的次大SGC分布，RM3,...依次推理，直到W收敛。而W收敛意味着下次转移的位置与上次转移的位置距离很小。也就是以后的SGC响应太小，不能引起注意力了。 

根据winner-takes-all原则选取响应值最大的位置作为注视点。

③　显著图计算：响应图的非线性组合，pi为第i个响应图的直方图概率。

3) 论文评价：本文的视角比较新颖，从“在图像中的什么成分能引起注意力”的问题出发。从大量tracker数据中得到假设：超高斯分布的数据更能吸引人们的注意力。因此文章致力于寻找那些具有超高斯分布的位置。实验结果看起来还可以，噪音抑制能力较强，saliency map有点模糊。

 

4.Stas Goferman,Lihi Zelnik-Manor, Ayellet Ta, Context-Aware Saliency Detection, CVPR2010

1) 基本思路：本文先提出了基于上下文感知的显著度准则，然后依照这4个准则来实现著度检测。

2) 准则提出与实现如下：

①　Local low-level considerations：具有不同颜色和模式的区域对应显著性值高，均匀或模糊区域显著性值低；

②　Global considerations：经常出现的特征应当被抑制；

③　Visual organization rules：显著的像素应当聚集在一起，而不是遍布整幅图像；

根据前3条准则，先进行单尺度的局部-全局显著性计算，再进行多尺度增强。

一对图像块pi与pj的颜色距离越大，位置距离越小，则它们的差异值越大。其中颜色距离为两图像块在Lab空间的欧几里得颜色距离，空间距离为欧几里得位置距离；若对于任意pj，得到的差异值都很大，则认为pi是显著的。

为简化计算，显著性值的计算中选取前k个最相似的图像块进行度量。

计算多个尺度下的显著性值，取平均值来进一步提高显著和非显著区域的对比度。

 

加入上下文修正：设定显著性阈值从saliency map中提取most attended localized areas，在attended areas 之外的像素显著性值由与它最近的attended pixel之间的欧几里得距离加权，得到新的显著性值。从而提高显著目标附近的显著性值，降低背景区域的显著性值。

               

④　High-level factors：作为后期处理，加入高层先验知识如人脸检测；

3) 论文评价：提出显著性准则作为算法的先验知识进行显著度检测，显著性思路思路与中央-周围机制大体相同，融合多尺度修正与上下文感知，导致saliency map中从目标往四周显著性值渐渐降低，边缘较模糊。代码速度与实验结果还可以，如果将颜色距离与空间距离的组合采用加权方式，会不会对显著性结果有所改变？

5.Tie Liu,Jian Sun,Nan-Ning Zheng,Learning to Detect A Salient Object,CVPR2007

1) 基本思想：先对显著目标进行特征提取，得到多尺度对比度，中央-周围对比度，颜色空间分布3种feature maps，再用条件随机场模型进行组合，得到最终的显著性检测结果。

2) 方法流程：

①　Multi-scale contrast feature：高斯金字塔多层对比度的线性组合。

②　Center-surround histogram：计算像素点x'为中心的显著矩形区域与其周 围矩形区域的RGB颜色直方图之间的x2距离；由于目标尺寸不同，选择不同纵横比的矩形区域进行测试，x2距离最大对应得到最独特矩形区域；像素点x的中央-周围直方图特征定义为其所属所有矩形区域的空间高斯加权x2距离之和。

③　Color spatial-distribution：图像中的所有颜色用高斯混合模型来表示，每一个像素被分配给具有某概率的颜色成分，计算每一个颜色成分的水平方差和垂直方差，得到该成分的空间方差；颜色空间分布特征定义为中央加权的 空间方差之和。颜色方差越小，该颜色越有可能属于显著目标。

④　条件随机场结合：能量函数为K个显著特征和配对特征的线性组合，通 过条件随机场学习计算权重，得到最优化的线性组合。其中显著特征为前面 得到的3种feature map，用来描述一个像素点是否属于显著目标；配对特征 为两个相邻像素点的空间关系，是对相邻像素标记为不同值的惩罚项。

3) 论文评价：采用条件随机场模型进行特征组合，融合颜色独立性，颜色空间分布和多尺度分布，考虑了局部信息，全局信息以及尺度信息。效果也不错。

6.Jian Li, Martin D.Levine, Saliency Detection Based on Frequency and Spatial Domain Analysis,BMVC2011

1) 总体思路：本文结合频域的全局信息和时域的局部信息进行显著度检测。在频域分析中，根据全局信息对非显著区域进行建模，频繁出现的成分认为不显著，用频谱平滑进行抑制；在时域分析中，采用中央-周围机制加强信息量大的区域；最后将两个通道的输出结果相结合得到显著图。

2) 算法步骤：

①　频域分析：一幅图像中只有少部分是显著的，大部分是背景，即repeated patterns；基于该假设，我们可以寻找非显著的部分进行抑制，从而突出显著部分；对原始图像进行幅度谱分析，发现峰值对应图像中的repeated patterns，故采用高斯核进行平滑来抑制repeated patterns。为处理不同尺度下的幅度谱，提出频谱尺度空间（Spectrum Scale-Space），高斯核的尺度因子范围由图像的长和宽来决定。再根据显著图的熵来确定高斯核的最优尺度，计算每个尺度下的显著图的熵，选择熵最小的显著图作为最佳结果。（根据熵定义，等概分布时熵最大，说明画面均匀；则显著物体最突出最集中时对应熵最小）

②　时域分析：应用ICA（Independent Component Analysis）选用场景中的独立成分作为中央-周围滤波器，根据论文Dynamic visual attention: searching for coding length increments得到192个响应图，进行加权求和得到一幅显著图，权值为原始图像滤波后的熵取倒数。即熵越小，对应该响应图显著部分越集中，对最终显著图的贡献越大。

③　显著图结合：将图像分解到图像空间I，RG，BY，分别计算三个图像通道的最佳尺度频域显著图，再进行熵值加权求和，得到频域saliency map Sg；时域saliency map的计算如②所述，得到Sl；最终的saliency map为二者加权组合：

             

3) 论文评价：文章结合时域和频域两种信息来进行显著度检测，频域分析应用全局信息突出显著度，时域分析增强那些具有很高局部对比度的显著区域，并在多尺度优化时加入熵的应用，值得借鉴。从论文的实验结果来看，对于目标较小的情况结果也不错，不过没有下载到代码，不知道速度和实际运算结果是否满意。

转载自：http://www.cnblogs.com/yingying0907/archive/2013/03/25/2980394.html