显著性API

详细描述

许多计算机视觉应用可以通过理解人类在给定场景中关注的焦点而受益。除了认知性地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对象有助于加速对象检测、对象识别、对象跟踪和内容感知图像编辑等各种任务。

关于显著性，文献资料很丰富，但其发展却非常分散。此API的主要目的是提供一个独特的接口和框架，用于使用和集成各种显著性算法，尽管它们的性质和方法可能大相径庭，但它们都服务于相同的目的，并将算法分为三大类：

静态显著性：属于此类的算法利用不同的图像特征，以在非动态场景中检测显著对象。

运动显著性：属于此类的算法特别侧重于检测随时间（即跨帧）变化的显著对象，因此包含一个时间分量，该分量允许将“移动”对象检测为显著对象，这也意味着更广义上的场景变化检测。

对象性：对象性通常表示为一个值，该值反映了图像窗口覆盖任何类别对象的可能性。属于此类的算法通过提出少量与类别无关的候选区域，避免过早做出决策，这些候选区域有望覆盖图像中的所有对象。在识别对象之前感知对象的能力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。如果您修改此API，请更改UML。

类
类	cv::saliency::MotionSaliency
类	cv::saliency::MotionSaliencyBinWangApr2014
	来自[293]的快速自适应背景减除算法 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. 的对象性算法 更多...
类	cv::saliency::Saliency
类	cv::saliency::StaticSaliency
类	cv::saliency::StaticSaliencyFineGrained
	来自[200]的细粒度显著性方法 更多...
类	cv::saliency::StaticSaliencySpectralResidual
	来自[130]的谱残差方法 更多...