显著性API

详细描述

许多计算机视觉应用可以从理解人类在给定场景中的关注点中获益。除了认知地理解人类感知图像和场景的方式外，在图像中找到显著区域和物体有助于加速物体检测、物体识别、物体跟踪和内容感知图像编辑等各种任务。

关于显著性，有很多文献，但发展非常分散。该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相径庭，但它们有着相同的目的，将算法组织成三大类：

静态显著性：属于此类别的算法利用不同的图像特征来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关注随时间（因此也随帧）检测显著物体，因此存在一个时间成分，该成分允许将“运动”物体检测为显著物体，这意味着更普遍意义上检测场景中的变化。

物体性：Objectness通常表示为一个值，该值反映图像窗口覆盖任何类别物体的可能性。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，这些建议有望覆盖图像中的所有物体。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的工作方式，请尝试跟踪器演示：https://github.com/fpuja/opencv_contrib/blob/saliencyModuleDevelop/modules/saliency/samples/computeSaliency.cpp

注意

此API已使用PlantUML设计。如果修改此API，请更改UML。

类
类	cv::saliency::MotionSaliency
类	cv::saliency::MotionSaliencyBinWangApr2014
	来自[291]的快速自调整背景减法算法。更多…
类	cv::saliency::Objectness
类	cv::saliency::ObjectnessBING
	基于[3] [3] Cheng, Ming-Ming, et al. "BING: Binarized normed gradients for objectness estimation at 300fps." IEEE CVPR. 2014. 的Objectness算法。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[127]的光谱残差方法。更多…