显著性 API

详细描述

许多计算机视觉应用程序可以从理解人类在给定场景中的关注点中获益。除了从认知上理解人类感知图像和场景的方式之外，在图像中找到显著区域和物体还有助于各种任务，例如加速物体检测、物体识别、物体跟踪和内容感知图像编辑。

关于显著性，有丰富的文献，但发展非常零散。此 API 的主要目的是提供一个独特的接口，一个独特的框架来使用和插入多个显著性算法，这些算法的性质和方法也大不相同，但它们共享相同的目的，将算法组织成三个主要类别

静态显著性**: 属于此类别的算法利用不同的图像特征，可以检测非动态场景中的显著物体。

运动显著性**: 属于此类别的算法，特别侧重于检测随时间推移（因此也跨帧）的显著物体，因此存在一个时间分量，它允许检测“移动”物体作为显著物体，这意味着也更广泛地检测场景中的变化。

物体性**: 物体性 通常表示为一个值，该值反映了图像窗口覆盖任何类别的物体的可能性。属于此类别的算法，通过提出少量与类别无关的建议来避免过早做出决定，这些建议预计会覆盖图像中的所有物体。能够在识别物体之前感知物体与自下而上的视觉注意力（显著性）密切相关。

显著性图

要了解 API 的工作原理，请尝试跟踪演示：https://github.com/fpuja/opencv_contrib/blob/saliencyModuleDevelop/modules/saliency/samples/computeSaliency.cpp

注意

此 API 是使用 PlantUML 设计的。如果您修改此 API，请更改 UML。

类
类	cv::saliency::MotionSaliency
类	cv::saliency::MotionSaliencyBinWangApr2014
	来自 [290] 的快速自调整背景减除 算法 更多...
类	cv::saliency::Objectness
类	cv::saliency::ObjectnessBING
	基于 [3] [3] Cheng，Ming-Ming 等人的 物体性 算法。“BING：用于以 300fps 估计物体性的二值化归一化梯度。”IEEE CVPR。2014 年。 更多...
类	cv::saliency::Saliency
类	cv::saliency::StaticSaliency
类	cv::saliency::StaticSaliencyFineGrained
	来自 [197] 的细粒度 显著性 方法 更多...
类	cv::saliency::StaticSaliencySpectralResidual
	来自 [128] 的频谱残差方法 更多...