本文介绍了2007年Hou和Zhang的论文，提出了一个无需图像特征的Spectral Residual（SR）模型进行显著性检测。该模型通过对图像的对数谱进行分析，提取谱残差并转换为空间域，从而得到显著性图。通过去除背景的统计奇点，SR模型能有效识别图像中的重要部分。实验结果展示了方法的有效性和在不同尺度下的目标识别能力。
论文题目：Saliency Detection: A Spectral Residual Approach
论文作者：Xiaodi Hou and Liqing Zhang
论文时间：2007
文章中的Spectral Residual（SR）模型并不像Itti模型那样依赖于图像的特征，SR模型不依赖于图像的特征、分类以及其他的先验知识。SR模型关注的是图像的背景部分，找出图像背景在某个空间上满足什么变化，然后剔除背景，最后就得到了图像最突出的部分。主要是通过分析图像的对数（Log）谱，提取图像光谱域中的谱残差,然后将谱残差变换为空间域，得到显著性图。
光谱残差模型:
从信息论的角度，有效编码将图像信息H（Image）分解为两部分：
其中H(Innovation)表示新颖性部分，H(Prior Knowledge)表示是编码系统应抑制的冗余信息。
对数谱的表示：
在这里，作者提到一个尺度不变性，尺度不变性是最著名和研究最广泛的属性。这一性质也被称为1/f定律，它指出自然图像系综的平均傅立叶谱的振幅A（f）服从一个分布：
最低0.47元/天 解锁文章
扫一扫
9286
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
