VIDEO SALIENT OBJECT DETECTION VIA CROSS-FRAME CELLULAR AUTOMATA笔记

在此声明，只是个人理解，求大佬批评指正，转载请注明出处！

        1.摘要陈述了论文所提出的方法的简单思路如下：

        给出一个视频，然后用超像素表示视频帧，在帧内超像素与相邻帧之间构建一个显著传播网络基于他们的表现相似性和时间相干性；第二部，融合分别通过外观和动作特征生成的两幅显著图来初始化每一帧的显著图；最后，我们利用细胞自动机更新来迭代地在超像素间传播显着性，并生成具有完整对象的相干显着图。

        实验结果表明，我们的方法在不同种类的视频中的表现胜过了最先进的方法！

        2.图像中的显著性目标检测和视频中的显著性目标检测的区别主要是两个方面：（1）在视频显著性目标检测中目标的运动往往扮演者重要的角色，因为它代表了目标与背景的时间对比；（2）视频中的显著目标的外观是变化的，这使获得帧上连贯或者相干的显著目标变得困难。

        3.到底什么是显著性目标检测

显著性目标检测就是利用计算机来准确地检测出一幅图像中人类视觉比较关注的部分，尽可能的使计算机能够模仿人的的行为。一般来说，视觉显著性是一个比较主观的概念，由于个人经验、认知程度以及个人偏好的不同，同一幅图像在不同人眼中会有不同的视觉显著性。实际中仍然有一些简单的原则可以帮助我们找到图像中的显著性区域。比如显著性区域具有一定的结构和纹理，色彩上具有较强的刺激（红色），显著性区域和其周围区域具有较大的差异等。

         对于一幅图像，显著性目标拥有不同于其他部分的特征，相对于其他部分更能吸引人的注意力。

        显著性目标检测方法旨在自动地找出一幅图像中人们感兴趣的部分。所有自下而上的显著性检测方法对图像中显著性目标物和背景都有一定的先验假设，例如：颜色、对比度、方向性等，基于这些假设研究者们提出了各种显著性检测方法，各种方法都一致的认为显著性目标是图像中出现频率很少的那部分内容。