Itti算法

    Itti算法作为做早提出的视觉注意模型，主要思想是对输入图像首先进行多个特征通道和多尺度的分解（九层金字塔），再进行滤波得到特征图，再对特征图做融合计算得到最终的显著图。

  算法流程如下：

  （1）读取图像，I0为源图像，经高斯滤波，1/2采样到I1，一直1/2采样直到I8，I8为I0的1/256.

  （2）提取特征，包括：R、G、B、Y四种颜色信息，0、45、90、135四个方向信息，亮度I共九种信息。

  （ 3）不同尺度间特征取差形成特征图。2-5、2-6、3-6、3-7、4-7、4-8（共六种尺度差），取差信息：I，RG，BY，O（四个方向）共计42幅特征图（取差：由于尺度不同，取差运算定义为：先进行插值使其具有相同大小，然后对应相减并取绝对值）

  （4）特征图融合：先对特征进行归一化处理，然后分别尺度间求和，包括Im（亮度和），Cm（RG、BY和），Om（四个方向和），求和与上面取差类似，先插值，后求和。

  （5）显著图S=1/3（Im+Cm+Om）

详细的操作过程：

  （1）特征的提取：

      先把输入图像表示成9层的高斯金字塔。其中第0层是输入图像，1到8
层分别是用5×5的高斯滤波器对输入图像进行滤波和采样形成的，大小分别的输入图像的1/2到
1/256.。然后对金字塔每一层分别提取各种特征:亮度I 、红色 R 、绿色G 、蓝色 B 、黄色Y、
方向，形成亮度金字塔、色度金字塔、和方向金字塔。亮度和颜色特征由如下公式得到：
     I =(r+ g +b) / 3                                                  (2.1.1)
     R =r − (g+b) / 2                                                   (2.1.2)
     G =g − (r+b) / 2                                                 (2.1.3)
     B =b − (r+ g) / 2                                                (2.1.4)
     Y =r + g − 2(|r −g |+b)                                        (2.1.5)
其中r、 g 、 b 分别是输入图像的红、绿、蓝三个分量。（负值设为0）。

o(σ,θ) 是对亮度特征 I 在尺度用方向的Gabor函数滤波得到的Gabor金字塔。其中：
σ ∈[0,1,2Λ,8],θ∈[00,450,900,1350] ，这样就将特征表示成为9个金字塔：亮度1个，色度4
个（分别红色、蓝色、绿色、黄色），方向4个（分别是00,450,900,1350）。上述四个色度特
征对黑色和白色的响应为零，对各自对应的饱和单色（红色、蓝色、绿色、黄色）有最大的响
应。
（2）不同尺度间特征取差形成特征图

     Itti算法为了模拟感受野的中心—外周拮抗的结构，对各种特征分别在特征金字塔的不同尺
度间作差。感受野中心对应于尺度c的特征图像素点（c∈{2,3,4}），感受野周边区域对应于尺
度s的特征图像素点（s= c +δ ,δ ∈{3,4}）。而不同尺度特征图的分辨率不同，需要通过插值使
两幅图像大小相同后，通过两幅图像之间点对点作差。这个过程用Θ表示。得到的是中心（尺
度c）和外周（尺度s）的特征的对比表示中心和外周的局部方向特征的对比。
                  I(c,s)=|I(c)ΘI(s) |                               (2.1.6)
                  RG(c,s)=| (R(c)−G(c))Θ(G(s)− R(s)) |             (2.1.7)
                  BY (c,s)=| (B(c)−Y(c))Θ(Y(s)− B(s)) |          (2.1.8)
                  O(c,s,θ) =|O(c,θ)ΘO(s,θ) |                     (2.1.9)
其中（ 2.1.6）式是亮度特征图，表示亮度的对比。（ 2.1.7）和（ 2.1.8）式是颜色特征图，表示视
皮层中颜色的双拮抗反应。而（ 2.1.7）式是红/绿特征图，是中心的红色对绿色的对比和外周的
绿色对红色的对比之间的差，表示红/绿和绿/红双拮抗反应。（2.1.8）式是蓝/黄特征图，是中心
的蓝色对黄色的对比和外周黄色对蓝色的对比之间的差， 表示蓝/黄和黄/蓝双拮抗反应。 （ 2.1.9）
式是方向特征图，是同一个方向θ的特征在不同尺度作差得到的，表示中心和外周的局部方向
特征的对比。由于中心尺度 c 和外周尺度 s 之间有 6 种组合（ 2-5， 2-6， 3-6， 3-7， 4-7， 4-8），
所以四个式子都可以得到 6 个特征图，共 42 个不同尺度的特征图（分别是 6 个亮度特征图， 12
个颜色特征图， 24 个方向特征图）
（3）显著图生成

     为了将上面生成的 42 个不同尺度和不同特征的特征图进行融合， Itti
模型中提出了一个归一化函数 N(•)。首先对于每幅特征图，将图中的每个像素点的显著值归
一化到一个区间[0,M] ，这样是为了消除因为不同特征的显著值分布的区间不同产生的影响；
其次寻找特征图中的全局最大值M ，计算所有其他局部最大值的平均值m ；最后对特征图中
的每个位置乘以 (M −m)2 。这样就将每幅特征图中潜在的显著区域位置进行了放大，使得那
些位置的显著值相对于背景更突出。
先对每个特征的不同尺度的特征图进行归一化处理，形成一幅该特征的综合显著图，然后
再将不同特征的显著图进行归一化处理获得最好的视觉显著图S，计算过程如下：