如何对图像进行显著性检测？
首先对 图像 进行超像素分割预处理，然后利用 图像 的颜色特征和空间特征算出区域对比度，再结合 图像 子区域与其邻域像素平均特征向量的距离以 及 中心优先原则得到 图像 高质量的 显著 图。 仿真实验结果表明，与其他的 显著性检测 算法相比，可以更加有效地 检测 出 显著性 目标，更好地抑制背景。
显著性检测算法是什么？
Objectness： 这类显著性检测算法计算出一个个的建议区域（proposals），这些建议区域被认为是目标可能存在的区域。. 需要注意的是显著性检测不是目标检测，显著性检测算法并不能判断图片中是否有“目标”，它只能检测出图片中它“认为”有目标的区域，这些区域可能真的包含目标，也可能不包含目标。. 通常显著性检测算法是许多计算机视觉任务的第一步，检测出显著性区域后再对这些显著性区域进一步判断和预测。. 显着性检测器通常是非常快速的算法，能够实时运行。. 显着性检测器的结果随后被传递到计算量更大的算法中。.
什么是图像显著性？
自从1998年Itti的工作以来，产生了大量的 显著性 映射方法， 图像显著性 也广泛应用于 图像 压缩、编码、 图像 边缘和区域加强、 显著性 目标分割和提取等. 对于一幅 图像 来说，用户只对 图像 中的部分区域感兴趣，这部分感兴趣的区域代表了用户的查询意图，而多数剩余的不感兴趣区域则与用户查询意图无关.显著区域是 图像 中最能引起用户兴趣
如何提出一个通用的显著性检测系统？
一般的模型都是将显著性问题转化为目标特殊性质检测的问题，例如一些颜色特征、亮度特征、纹理特征等等，面对不可预测、无数的视觉模式类别，我们需要一个通用的显著性检测系统。 如果要提出一个通用的显著性检测系统，那么根据以往的模型，就必须找到目标通用的特征，但是这基本上是不可能的事，每个目标都有自己与众不同的特性。