摘要： 针对已有的方法中存在的问题：Itti模型，针对Itti模型进行的扩展的显著性检测方法，以及光谱剩余假说系列的方法过分强调小的，局部特征，对对象级别的应用不适合；对图像的全局属性进行建模的方法，虽然能够将整个对象较好地检测出来，但是计算复杂度高；综上找到一种compact并且有效的表示方法很有必要。这样的方法有颜色平均值或亮度平均值表示。但是一阶平均太简单，忽略了颜色的方差以及图像各部分之间的空间关系；近期，Cheng提出了一种基于区域对比度的方法来对全局显著性进行建模，但是由于这种方法使用了image segments，不太容易对空间分布进行建模。本文提出的方法既考虑了全局唯一性，有考虑了颜色 阅读全文

摘要： 1. 本文实在10年的ACM MM会议论文的基础上进行扩展的 2. 显著性计算过程：用adaptive mean shift进行超像素分割 用平均颜色表示超像素 将超像素集合做为GMM的输入，得到K个cluster 计算每一个cluster的compatness，并作为cluster的显著性 （假设：背景区域很分散，而对象区域很集中。故cluster的空间分布越是紧密，越显著） 对每一个cluter进行PageRank（CVPR13有一篇论文就是采用的Manifolds Rank，具有一定的相似性） 计算最终的显著性，即超像素的显著性=sum(超像素属于cluster i的概率*cluster 阅读全文