1. 研究目的与意义（文献综述）

1.1 研究目的及意义

随着计算机的出现以及性能功能的发展，人们越来越希望计算机可以更加自主更加智能的完成任务。要实现这个目标，首先就需要计算机能够理解周围的环境,而人类感知外界信息最主要的方式就是通过视觉，所以计算机理解周围环境的关键是具有视觉感知处理能力。

人类对外界环境的视觉感知处理能力经过了长时间自然选择进化到了一个很高级的水平,人类能够快速髙效的分析周围环境，定位感兴趣的物体并作出相应的反应。关于人的视觉分析能力原理性研究早己展开，但是还没有取得决定意义的成果。但是一般认为，人的视觉系统对外界环境的视觉感知分成两个阶段：一个快速的、自下而上的、显著性驱动的、任务无关的阶段和一个较慢的、自上而下的、意识驱动的、任务相关的阶段，

2. 研究的基本内容与方案

本文基于输入图像的颜色统计特征提出了基于直方图对比度的图像像素显著性值检测方法。

主要考虑以下几点:

1基于全局对比度的方法能够将一个大规模目标从它周围的环境中分离出来，相对只在轮廓附近产生高显著值的基于局部对比度的方法更优越。

2全局考虑能够实现将相近的显著值分配到相似的图像区域，并且可以均匀的突出整个目标。
3一个区域的显著性主要依靠它与相近区域的对比度，而与远区域的对比度相对没有那么重要。

4显著图应该是能够简单快速的生成，为了实现大图像集合的处理和促进图像分级与检索的高效率进行。

3. 研究计划与安排

第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。确定方案，完成开题报告。

第4－5周：熟悉掌握基本理论，完成英文资料的翻译，熟悉开发环境。

第6－9周：编程实现各算法，并进行仿真调试。

4. 参考文献（12篇以上）

[1] 陈倩.显著性区域检测算法研究[D]. 北京交通大学,2014(6):72
[2] 汪成.图像显著区域检测算法研究[D]. 南京信息工程大学,2016(2):48
[3] 陈金凤.局部区域检测方法研究及其在图像检索中的应用[D]. 中国石油大学(华东),2014(7):69
[4] 李勇.基于区域对比度的视觉显著性检测算法研究[D].上海交通大学,2013(7):74
[5] 李崇飞.基于视觉注意的显著区域检测算法研究[D]. 国防科学技术大学,2011(7):80
[6] 魏昱. 图像显著性区域检测方法及应用研究[D].山东大学,2012(5):130
[7] 涂小坡.图像显著性算法和评价研究[D]. 南京航空航天大学 2011(11):43
[8] 陈媛媛..图像显著区域提取及其在图像检索中的应用[D].上海交通大学,2007(6):72
[9] ]钱丁丁. 图像显著性区域检测算法研究[D].山东大学,2012(1):59
[10]靳舜尧.图像显著性区域检测方法研究[D].山东大学,2016(1):53
[11]Ming-Ming Cheng, Jonathan Warrell, Wen-Yan Lin, Shuai Zheng, Vibhav Vineet, Nigel Crook，Efficient Salient Region Detection with Soft Image Abstraction. . ICCV, pp1529–1536 2013.
[12]Ming-Ming Cheng, Niloy J. Mitra, Xiaolei Huang, Philip H. S. Torr, Shi-Min Hu, Global Contrast based Salient Region detection. IEEE TPAMI, 2015.
[13]R. Achanta, F. Estrada, P. Wils, and S. Susstrunk. Salient region detection and segmentation. In ICVS, pages 66–75. Springer, 2008
[14]Ming-Ming Cheng, Jonathan Warrell, Wen-Yan Lin, Shuai Zheng, Vibhav Vineet, Nigel Crook, Efficient Salient Region Detection with Soft Image Abstraction.IEEE International Conference on Computer Vision (IEEE ICCV), 2013
[15]R. Achanta, S. Hemami, F. Estrada, and Susstrunk.Frequency-tuned salient region detection. In CVPR, pages1597–1604, 2009
[16]R. Achanta and S. Susstrunk. Saliency Detection for Content-aware Image Resizing. In ICIP, 2009