首先對 圖像 進行超像素分割預處理，然后利用 圖像 的顏色特征和空間特征算出區(qū)域對比度，再結合 圖像 子區(qū)域與其鄰域像素平均特征向量的距離以 及 中心優(yōu)先原則得到 圖像 高質量的 顯著 圖。 仿真實驗結果表明，與其他的 顯著性檢測 算法相比，可以更加有效地 檢測 出 顯著性 目標，更好地抑制背景。
顯著性圖的目的是通過顯著性的空間分布來表示醒目度（conspicuity-saliency）或顯著度：在視野中每個位置用一個定量向量表示，引導注意位置的選擇。 通過一個動態(tài)神經(jīng)網(wǎng)絡模型，特征圖的組合可以向顯著性圖提供BU輸入。
此文件包括三個關于 圖像顯著性 的 代碼 ，每個模型單獨成一個文件夾，并用其模型名稱命名，三個模型分別是ITTi模型、GBVS模型和SR模型，這三個模型都是使用MATLAB實現(xiàn)的，下載后可以直接使用MATLAB運行，另文件附有一個鏈接。 隨著計算機視覺的發(fā)展， 圖像顯著 區(qū)域 檢測 在 圖像 處理領域越來越重要。
一般的模型都是將顯著性問題轉化為目標特殊性質檢測的問題，例如一些顏色特征、亮度特征、紋理特征等等，面對不可預測、無數(shù)的視覺模式類別，我們需要一個通用的顯著性檢測系統(tǒng)。 如果要提出一個通用的顯著性檢測系統(tǒng)，那么根據(jù)以往的模型，就必須找到目標通用的特征，但是這基本上是不可能的事，每個目標都有自己與眾不同的特性。
