Paper reading:Global Contrast based Salient Region Detection

• Histogram based contrast(HC)
  

  • the saliency of a pixel is defined using its color contrast to all other pixels in the image：
    
    
    
    where D(I_k; I_i) is the color distance metric between pixels I_k and I_i in the L∗a∗b∗space
    
    where N is the number of pixels in image I
    
    
  • the terms with the same color value cj are grouped together, we get saliency value for each color as：
    
    
    
    
    

  
  上述方法的时间复杂度是0(N²)，接下来对算法进行加速，可以达到0(N)

• Histogram based speed up（HC 加速）

  • 首先将颜色RGB区间[0-255]归一化到[0-11]这12种颜色，颜色数降为12³=1728种（注意是在RGB颜色空间）

  • 考虑实际图片当中，选择高频出现的颜色（出现频率高于95%）85种，对于剩余低于5%的其他颜色用最接近的颜色替代，得到直方图。

• Refine HC saliency map

  为了避免上述做法可能导致本来相似的颜色量化为不同的值，对颜色做平滑，调整显著性值：
  

  

  (T − D(c; c_i)) 意味着颜色与c接近的对S’(c)具有更大的权重_{（实验发现，线性权重比用高斯权重（太尖锐）的效果更好）}。

• Region based Contrast (RC)

• 1. Segment——graph-based image segmentation

• 2.Region contrast

Dr( · ， · ) is the color distance metric between the two regions

w(r_i) is the number of pixels in r_i

即对于区域c₁直方图中有n1种颜色，第 i 种颜色对应的概率为f(c₁ , i)，D( · ， · )表示Lab颜色差异值。（计算基于量化后的颜色）

• Spatially weighted region contrast （考虑空间距离）

D_s is the spatial distance between regions ;

σ_s controls the strength of spatial distance weighting（取较大值时，降低空间距离的影响，当像素坐标归一为[0,1]时，实验取0.4）

• Experimental Comparisons