內容轉移到博客文章系列：顯著性檢測
1.簡介
視覺顯著性包括從下而上和從上往下兩種機制。從下而上也可以認為是數據驅動，即圖像本身對人的吸引，從上而下則是在人意識控制下對圖像進行注意。科研主要做的是從下而上的視覺顯著性，而從上而下的視覺顯著性由於對人的大腦結構作用了解還很膚淺，無法深刻的揭示作用原理所以做研究的人也相對較少。
2. 方法
顯著性檢測一般分為空域和頻域。
空域的方法比如：特征提取類似ltti的做法；使用圖論知識，顯著圖建立引入了馬爾科夫鏈；分層提取，並訓練SVM用作檢測；分析上下文，並模擬返回抑制；分局部，區域，全局，做多尺度對比，中心周邊直方圖；在條件隨機場框架下對特征融合；使用RGB和Lab色彩空間互補通過稀疏編碼分析；通過競爭互補方式對多特征分析；隨機森林回歸學習映射到顯著度；背景多為先驗，對背景分析，在貝葉斯框架下融合；DeepFix和Deep Gaze等深度學習算法。
頻域方法由於難找到原理信息所以研究不多：將圖像轉換到[0，2pi]線性子空間坐標，對呈現線性的特征值分析提取；利用譜殘差，將圖像分為顯著性信息和冗余信息，圖像幅度上對數運算，用平均濾波和幅度譜卷積得到冗余信息，相減得到顯著信息；四元相位譜方法。
3. 論文概括