基于贝叶斯理论和统计学习的视觉显著性检测

？图像处理技术依赖于高质量的视觉显著图才能获得较好的处理结果，现有的视觉显著性检测方法通常只能检测得到粗糙的视觉显著性属性图，严重影响了图像处理的最终效果。为此，提出一种采用贝叶斯理论和统计学习的视觉显著性检测方法来检测图像的视觉显著性属性。该方法基于贝叶斯理论的静态图像的自上而下的显著性和整体显著性，将自上而下的知识和由下向上的显著性进行结合针对特征整合问题，利用线性模型的加权线性组合方法和正规化神经网络相结合的非线性加权方法来研究与所有因素相关的权值参数。根据自下而上的视觉显著性模型在两个标准数据集中采用roc曲线来进行定量评价，结果表明非线性组合效果优于线性组合。