视觉显著性的研究在生物学上的研究相对较早，而对于计算机来说的显著性大约在1990年左右开始研究。早期的视觉显著性模型主要在于利用生物学的成果来建立相似的模型，来处理模拟人眼的视觉处理机制。以下从国内外两个方面分析视觉显著性发展状况。81767

1国内研究现状

国内：2003年，建立了基于颜色领域对照的视觉显著性模型，在该模型中他们对视觉感知单位进行了定义，同时提出了基于LUV色彩空间计算机感知单元的领域对比度，最终利用模糊区域增长的方式来获得显著性区域。2005年，提出把图像从空间域变换成区间为【0,2π】的线性子空间坐标内的方法，同年，提出利用基于人类视觉注意模型的加权特征图来检测图像显著性的方法。2007年提出利用基于人类视觉注意模型的加权特征图来检测图像显著性的方法，同年提出的谱残余方法，该方法通过对自然图像的LOG谱进行分析，通过幅度谱和平均滤过器进行卷积获得冗余数据，最后获得显著性信息，优点是速度快。2008年，提出了四元相位谱方法，可以通过对图像的多特征分量实行相位谱提取来得到显著性区域，该方法的优点是速度快，而缺点是在心里学上没适合的理论依据。2011年，提出了一种新的基于全局的对比方法，把对比度的计算作为图像显著性检测关键，同年提出基于图像分割的区域竞争方法，该方法的特点是能够利用已有的比较成熟的区域分割方法进行计算，而缺点就是此类模型过度依赖于区域分割算法。2013年提出基于图的流形排序算法来检测图像的显著性，该方法能够取得较好的检测效果，但是该方法的缺点是只对单一尺度的输入图像进行计算，这样会导致部分图像背景抑制效果和显著性区域的均匀性不好论文网

2国外研究状况

       Koch和 Ullman在 1985年 发表了一篇研究视觉注意选择与转移的文献[3]。该文献阐述了人类视觉注意机 制，该模型第一次提出了显著图的概念，为此后的视觉注意模型研究奠定了理论 基础。1987年，提出了基于神经生物学框架的视觉注意模型，该模型利用生物学上的视觉注意机制来描述自然场景中的显著性。Itti和 Koch在 1998年提出了经典的 Itti模型，该模型首次给出了显著性 的计算方法，即采用中心周边差算子，分别计算亮度、颜色、方向三个通道的特 征图，然后通过线性加权的方式叠加这三个特征图，融合成一幅显著图。随后， Harel等[5]在 Itti模型基础上，提出了一种基于图论的目标检测方法，该方法引入 马尔可夫链，能够更好地评估场景分析过程中视觉注意力分配的问题。

。Bruce等提出了一种基于信息最大化的检测算法。该方法是基于香农信息论的自信息建模 方法，从自信息量的角度衡量局部的显著度，2006年改进了1998年的模型，把尺度固定的圆扩展至可随着显著性区形状改变而改变，这样能够更好地指导目标识别，同年还提出信息最大化模型。Hou和Zhang[8]在2007年提出了一种谱残余方法，该方法通过平均滤波器和log 幅度谱卷积得到冗余信息，再将光谱残余部分变换到空间域，空间域残留的区域 即为显著性信息。在Hou模型的基础上，Guo等[9]提出了相位谱方法。该方法通过 提取图像的亮度、颜色特征，进行傅里叶变换，然后将其在频域的相位谱反变换 到空间域，得到显著区域。最近，一些基于块对比的显著目标检测算法被提出， 并且在目标区域的提取方面能够获得较好的效果。2008年提出了基于空间域和频域相结合的显著性检测算法。2009年提出了频率调制的显著性模型，为了减少噪声和高频的影响，该方法首先对输入图像进行了高斯模糊，然后利用单个像素与所有像素的颜色之间的差作为该像素的显著值。2012年提出了基于上下文集成的方法，该模型突破了原来的严格的生物学模型。使得模型得到了简化，通过采用更为简单的模型，在计算效率和检测效果上有了很大的提高。 视觉显著性国内外研究现状和发展趋势:http://www.youerw.com/yanjiu/lunwen_95679.html