图像的显著性

资 源 简 介

图像的显著性

详 情 说 明

图像显著性是指人类视觉系统对图像中某些区域自然产生注意力的现象，这些区域往往包含重要信息。SUN模型是由凌云张等学者提出的经典显著性检测方法，其核心思想是利用自然图像的统计特性，通过贝叶斯框架计算各区域的视觉显著性。

该模型基于一个关键假设：人眼会优先关注与周围环境统计特性显著不同的区域。通过分析自然场景的先验概率分布，结合局部图像特征（如亮度、颜色、方向等）的似然估计，最终生成热力图形式的显著性图谱，其中高亮区域代表视觉显著性更强的部位。

SUN模型的优势在于其生物学合理性，不需要训练数据即可实现跨场景的显著性预测。后续许多深度学习方法仍沿用其"中心-周边差异对比"的基础思想，但通过神经网络自动学习更复杂的特征表示。这一研究为计算机视觉领域的注意力机制、目标检测等任务提供了重要理论基础。