知识卡片
谱残差减去统计常态
谱残差模型换了一个角度:不比较局部与周边,而比较“这张图”与“这类图”的统计常态。核心假设是自然图像的对数幅度谱存在大致统一的规律,符合规律的部分是冗余背景,偏离规律的部分才是显著内容。
做法分四步:用n×n均值滤波平滑对数谱,得到平均对数谱A(f)作为先验;对降采样图像求对数谱L(f);两者相减得到谱残差R(f);把R(f)与原始相位一起做傅里叶逆变换回空间域,再高斯滤波平滑,即得显著图。
优点是极快、无需训练、对随机噪声有一定鲁棒性,因为它在频域一次性处理全局信息。边界在于“常态”是全局统计量:背景若含大面积周期性纹理(海浪、草地、栅格),这些纹理的谱峰会被当作常态扣除;弱小目标能量太低时也会在残差中被淹没。此外图像尺寸改变会改变谱分布,参数需随尺度调整。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第5章 人脑视觉系统的视觉注意机制及其应用 · 查看原书依据
谱残差(Spectral Residual,SR)模型的核心思想是:将图像信息分为冗杂信息和显著信息两部分,通过对输入图像的对数谱进行分析,提取出频域内图像的谱残差
参考来源
- 位置:《基于类脑计算的目标检测与跟踪技术》第5章 人脑视觉系统的视觉注意机制及其应用(源文件:extracted/基于类脑计算的目标检测与跟踪技术/_epub-src/OPS/txt005.html)
- 结论依据:谱残差模型换了一个角度:不比较局部与周边,而比较“这张图”与“这类图”的统计常态。
- 原始内容:谱残差(Spectral Residual,SR)模型的核心思想是:将图像信息分为冗杂信息和显著信息两部分,通过对输入图像的对数谱进行分析,提取出频域内图像的谱残差