摘要
本文提出了一种基于最小生成树（Minimum Spanning Tree, MST）的实时显著目标检测系统。由于背景区域通常与图像边界相连，显著目标可通过计算像素到边界的距离来提取。然而，高效度量图像边界连通性是一个具有挑战性的问题。现有方法要么依赖超像素表示以减少处理单元数量，要么对距离变换进行近似处理。与此不同，本文提出了一种基于最小生成树的精确且无需迭代的解决方案。图像的最小生成树表示能够自然地揭示场景中物体的几何结构信息，同时显著缩小最短路径的搜索空间，从而实现高效且高质量的距离变换算法。为进一步弥补距离变换在显著目标检测中的不足，我们引入了一种边界差异性度量方法。大量实验评估表明，所提算法在效率与准确性方面均优于当前最先进的方法，达到了领先水平。