基于图流形排名的CVPR2013显著性检测算法

资 源 简 介

该项目实现了发表于CVPR2013的经典显著性检测算法，其核心思想是将图像显著性提取任务转化为图论中的流形排名问题。考虑到人眼在观察图像时会自动筛选出与背景存在显著差异的区域，该算法首先通过SLIC超像素分割技术将原始图像抽象为一系列具有颜色一致性的子图块作为节点，并基于节点间的颜色距离和空间位置关系构建无向赋权图。算法利用图像的四条边界通常属于背景这一先验知识，分两个阶段进行排名：第一阶段将四个边界的超像素作为背景查询种子点，通过流形排名计算全图节点与背景的相似度，从而生成初步的显著性图；第二阶段对初步

详 情 说 明

基于图流形排名的CVPR2013显著性特征检测算法 (MATLAB)

项目介绍

本项目复现了发表于CVPR2013的经典图像显著性检测算法。该算法的核心理念是将传统的显著性提取问题重新定义为图论中的流形排名（Manifold Ranking）任务。它利用图像的边界特征作为背景先验，通过两阶段的扩散过程，能够准确、均匀地高亮图像中的目标区域，并有效抑制复杂的背景背景背景。相比于早期的局部对比度算法，该方法在处理具有复杂纹理的背景时表现更为稳健，生成的显著性图具有边缘清晰、内部填充完整的特点。

功能特性

• 交互式处理：程序启动后支持用户手动选择本地图像或在缺失输入时自动生成测试样本进行演示。
• 鲁棒的颜色建模：引入CIELAB色彩空间进行特征表征，比传统的RGB空间更能模拟人眼感知的颜色差异。
• 双阶段联合优化：结合了背景先验驱动的第一阶段扩散和自适应前景查询驱动的第二阶段扩散，确保了显著性区域的完整性。
• 高效的闭式解求解：该实现直接利用线性代数矩阵运算求解流形排名方程，在常用的超像素规模（如250个节点）下具有极高的计算效率。
• 结果可视化：自动对比展示原始图像与最终生成的显著性像素映射图。

核心实现方案与逻辑

算法的执行流程严谨遵循了原始论文的四个核心步骤，在主程序中具体实现如下：

1. 图像预处理与超像素分割 程序首先将输入图像归一化至双精度浮点数。使用SLIC超像素算法将图像抽象为约250个具有语义一致性的区域。随后，每个超像素被映射到Lab空间，并计算其内部所有像素的均值作为该节点的颜色特征向量。这一步骤极大地降低了后续图运算的计算复杂度。

2. 赋权图模型的构建 基于分割出的超像素建立无向图。算法首先检查像素级别的邻接关系，在相邻超像素之间建立边；其次，为了利用全局信息，程序对图像四个边框所在的超像素建立全连接（二阶邻居关系）。边的权重计算基于高斯核函数，根据节点间Lab颜色的欧氏距离确定，距离越近则权重 W 越高。

3. 第一阶段：基于背景先验的初步排名 基于“图像边界通常为背景”的假设，程序分别以图像的上、下、左、右四个边界节点作为查询种子点（Query Points）。对于每一个边界，通过求解流形排名方程（利用度矩阵 D 、权重矩阵 W 和平衡参数 alpha 构成的系数矩阵）计算全图节点与该边界的相似度。最后合并四个方向的结果并取反，得到初步的显著性图。此阶段能够有效地将大部分背景区域的排名值压低。

4. 第二阶段：基于前景引导的精细排名 利用第一阶段生成的初步显著性图，程序通过计算均值作为自适应阈值，从中提取出分数较高的节点作为潜在的目标种子点（即正样本查询点）。随后再次调用流形排名求解器，使得显著度从这些可靠的目标种子点向周围扩散。这一步极大增强了目标区域内部的均匀性，并消除了第一阶段可能残留的背景杂质。

5. 显著性映射还原 将计算得到的超像素级排名分值（0.0到1.0之间）逆映射回原始像素坐标空间，生成与原图尺寸一致的灰度显著性映射图。

技术细节分析

• 排名求解器算子：算法的核心数学表达式为 f = (D - alpha * W) y。其中 D 为度矩阵，alpha 设定为0.99，这确保了图信号能够进行充分的全局扩散。
• 邻接矩阵优化：在构建邻接关系时，通过遍历图像像素的水平和垂直边界来动态捕捉超像素的拓扑连接，保证了空间位置关系的准确性。
• 自适应阈值机制：在第二阶段中，利用第一阶段结果的均值动态确定前景种子，使得算法对不同对比度的图像具有良好的适应性。

系统要求

• 软件环境：MATLAB R2016a 或更高版本（需安装 Image Processing Toolbox）。
• 必备函数：核心代码依赖 superpixels 函数进行 SLIC 分割以及 rgb2lab 进行空间转换。
• 硬件建议：标准 CPU 即可在秒级时间内完成主流尺寸图片的逻辑运算。

使用方法

1. 在 MATLAB 环境中运行主程序。
2. 在弹出的文件选择对话框中选择一张常见的图像文件（支持 .jpg, .png, .bmp）。
3. 程序将自动执行分割、建图、两阶段更新及渲染逻辑。
4. 观察弹出的对比界面，左侧为输入原图，右侧为算法生成的显著性目标区域。