Java android环境下图像的显著性检测

大家好，我想提取图像中最突出的部分。为此，我想在java中使用显著性检测器算法，并希望在位图图像上实现。让我告诉你一些我不能使用openCV的事情，所以请帮助我用简单的算法归档这些。 这就是我想要的东西

我先尝试了sobel过滤器，但它没有给我这种结果，顺便说一句，em只谈论显著性部分，其他结果不应该被考虑。

---

thanx提前

显然sobel过滤器不会给你这样的结果。它是一种边缘检测算法，而不是显著性检测算法。 图像中的显著对象是图像中所有人类注意力集中的部分，其余部分大部分被人类的视觉忽略

在实施之前，您应该研究不同类型的显著性，如“兴趣点”、“特定于类的显著性”和“通用显著性”。在我看来，您正在寻找“通用显著性”

您可以尝试Itti等人的显著性工具箱，iNVT 其他一些显著性检测算法包括：

• 侯和张的HZ07和HZ08
• Klein和Frintrop的BITS系统
• Bruce和Tsotos的AIM模型
• 尾波显著性

我认为与上述算法相比，CoDi显著性是最快的算法，适合移动应用

---

我不认为这里的任何人会为你实现这一点。研究论文并使用opencv实现。

显然，sobel过滤器不会给出这样的结果。它是一种边缘检测算法，而不是显著性检测算法。 图像中的显著对象是图像中所有人类注意力集中的部分，其余部分大部分被人类的视觉忽略

在实施之前，您应该研究不同类型的显著性，如“兴趣点”、“特定于类的显著性”和“通用显著性”。在我看来，您正在寻找“通用显著性”

您可以尝试Itti等人的显著性工具箱，iNVT 其他一些显著性检测算法包括：

• 侯和张的HZ07和HZ08
• Klein和Frintrop的BITS系统
• Bruce和Tsotos的AIM模型
• 尾波显著性

我认为与上述算法相比，CoDi显著性是最快的算法，适合移动应用

---

我不认为这里的任何人会为你实现这一点。研究论文并使用opencv实现。

LIRE中有一个Stentiford模型的Java实现：

这是为了视觉上的注意，但总的来说，这是你的意思与显著性。这是最基本、最简单的模型，但它易于实现，而且速度相当快。将其传输到Java for Android应该不会带来太多问题。资料来源中给出了研究论文的名称。可以在此处找到一个示例：

---

基本方法是检查纹理在图像中重新出现的频率。我们的假设是，纹理重新出现的频率越高，观众对它的关注就越少。它基于随机像素比较，因此它是不确定的，但仍然会导致可接受的结果，即用于图像重新定位的能量函数。

LIRE中的Stentiford模型有一个Java实现：

这是为了视觉上的注意，但总的来说，这是你的意思与显著性。这是最基本、最简单的模型，但它易于实现，而且速度相当快。将其传输到Java for Android应该不会带来太多问题。资料来源中给出了研究论文的名称。可以在此处找到一个示例：

---

基本方法是检查纹理在图像中重新出现的频率。我们的假设是，纹理重新出现的频率越高，观众对它的关注就越少。它基于随机像素比较，因此它是不确定的，但仍然会导致可接受的结果，例如，用于图像重新定位的能量函数。

我尝试了上述方法，虽然它工作得很慢：~3秒用于平均图像350x500 pxls，我尝试了上述方法，尽管它工作得很慢：~3秒用于平均图像350x500 pxls