摘要
提出了一种新的自底向上的视觉显著性模型——基于图的视觉显著性模型（Graph-Based Visual Saliency, GBVS）。该模型包含两个步骤：首先在特定特征通道上生成激活图，随后以一种能够突出显著性并支持与其他激活图融合的方式对其进行归一化处理。该模型结构简洁，且在生物学合理性方面具有优势，因其天然具备并行处理特性。该模型在预测人类在108幅自然图像的749种变体上的眼动落点方面表现卓越，其ROC曲线下面积达到人类基准控制组的98%；而经典的Itti & Koch算法（[2]、[3]、[4]）仅能达到84%。