显著性检测SIM算法--Matlab

在本文中我们展示 在人类视觉中一种有效的色彩外观模型， 其中也包含原则性的参数选择作为一种先天的空间联合机制，可以被推广 以获得优于最新技术的显着性模型楷模。尺度积分是通过逆小波变换实现的 通过一系列比例加权中心环绕响应。比例加权函数（称为ECSF）已被优化以更好地复制心理物理数据颜色的外观，和适当的尺寸中心环绕抑制窗口已被确定通过对眼睛固定数据训练高斯混合模型，从而避免了特别的参数选择。 论文：Saliency Estimation Using a Non-Parametric Low-Level Vision Model

function [w c] = DWT（image wlev）
% Implementation of Mallate Discrete Wavelet Transform.
%
% outputs:
%   w: cell array of length wlev containing wavelet planes in 3
%   orientations.
%   c: cell array of length c containing residual planes.
%
% inputs:
%   image: input image to be decomposed.
%   wlev: # of wavelet levels.

% pad image so that dimensions are powers of 2:
image = add_padding（image）;

% Defined 1D Gabor-like filter:
h = [1./16.1./4.3./8.1./4.1./16.];

energy = sum（h）;
inv_energy = 1/energy;
h = h*inv_energy;
w = cell（wlev1）;
c = cell（wlev1）;

for s = 1:wlev
    img_dim = size（image1）;
    orig_image = image;
    inv_sum = 1/sum（h）;
   
    % decimate image along horizontal direction
    prod = symmetric_filtering（image h）*inv_sum;          % blur
    HF = prod;
    tmp_prod = zeros（size（prod））;
    tmp_prod（:1:2:img_dim） = prod（:1:2:img_dim）;         % downsample
    
    tmp_prod2 = symmetric_filtering（tmp_prod h）*inv_sum;  % blur downsampled image horizontally
    GF = image - 2*tmp_prod2;                              % horizontal frequency info                            
    
    % decimate image along vertical direction   
    prod = symmetric_filtering（HF h‘）*inv_sum;            % blur
    HHF = prod;
    tmp_prod = zeros（size（prod））;
    tmp_prod（1:2:img_dim:） = prod（1:2:img_dim:）;         % downsample
    
    tmp_prod2 = symmetric_filtering（tmp_prod h‘）*inv_sum; % blur downsampled image vertically
    GHF = HF - 2*tmp_prod2;                                % vertical wavelet plane
   
    % decimate GF along vertical direction
    prod = symmetric_filtering（GF h‘）*inv_sum;            % blur 
    tmp_prod = zeros（size（prod））;
    tmp_prod（1:2:img_dim:） = prod（1:2:img_dim:）;         % downsample
    
    HGF = 2*symmetric_filtering（tmp_prod h‘）*inv_sum;     % horizontal wavelet plane                               
   
    % save horizontal and vertical wavelet planes:
    w{s1}（::1） = HGF;
    w{s1}（::2） = GHF;
   
    % Downsample residual image HHF:
    HHF = HHF（1:2:img_dim1:2:img_dim）;
   
    % save residual
    C      = HHF;
    c{s1} = C;
   
    % upsample residual image:
    HHF = upsample（upsample（HHF2）‘2）‘;
   
    % blur with vertical filter:
    image = 2*symmetric_filtering（HHF h‘）*inv_sum; 
   
    % blur with horizontal filter:
    image = 2*symmetric_filtering（image h）*inv_sum;
   
    % Create and save wavelet plane:
    DF = orig_image - （image + HGF + GHF）;
    w{s1}（::3） = DF;
   
    % Downsample residual image:
    image = HHF（1:2:img_dim1:2:img_dim）;
   
end

end

function image_padded = add_padding（image）
% Pads image so that dimensions are powers of 2.
%
% outputs:
%   image_padded: padded image.
%
% inputs:
%   image: input image.

[height width] = size（image）;

% pad image when dimensions are not powers of 2/equal to each other:
nearest_pow = 2^ceil（log2（max（widthheight）））;
image_padded = zeros（nearest_pow）;
image_padded（1:height1:width） = image;
image_padd

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

    .......     65014  2016-01-07 07:59  SIM\3.jpg

    .......     36922  2016-01-07 07:59  SIM\35.jpg

    .......      3894  2016-01-07 07:59  SIM\DWT.m

    .......      1512  2016-01-07 07:59  SIM\generate_csf.m

    .......      1001  2016-01-07 07:59  SIM\IDWT.m

    .......      1485  2016-01-07 07:59  SIM\README.txt

    .......      1064  2016-01-07 07:59  SIM\rgb2opponent.m

    .......      3957  2016-01-07 07:59  SIM\SIM.m

    .......       730  2016-01-07 07:59  SIM\SIM_demo.m

    .......      1050  2016-01-07 07:59  SIM\symmetric_filtering.m

     目录          0  2018-05-29 16:42  SIM

----------- ---------  ---------- -----  ----

               116629                    11