0 说明

  本篇文章主要了解了Itti显著性检测算法，并阅读相关的代码，最后在SAR图像上进行实验和测试。
  原理部分本文主要参考了：https://blog.csdn.net/weixin_42647783/article/details/82532179
  代码部分主要参考了https://zhuanlan.zhihu.com/p/441836726

1 简介

  Itti视觉显著性模型的结构如下图[1]。

2 Itti算法

2.1 输入

  文章中图片的尺寸为640×480静态彩色照片，包括RGB三个通道。

2.2 构建高斯金字塔

  先将输入图像表示成0层的高斯金字塔。其中第0层表示输入图像，第1-8层分别采用3×3的高斯滤波器进行滤波和下采样，大小分别为输入图像的1/2、1/4、1/8…1/256，即可得到9个尺度下的三通道图像$r(\sigma )、g(\sigma )、b(\sigma )$，其中 σ ∈ { 0..8 } \sigma \in\{0 . .8\} σ∈{0..8}。
（1）构建亮度高斯金字塔
  在九个尺度下计算$I=(r+g+b)/3$，可以得到$I(\sigma )$.

（2）构建颜色高斯金字塔
  在9个尺度下，分别计算：
  红色特征：$R(\sigma )=r(\sigma )-(g(\sigma )+b(\sigma ))/2$
  绿色特征：$G(\sigma )=g(\sigma )-(r(\sigma )+b(\sigma ))/2$
  蓝色特征：$B(\sigma )=b(\sigma )-(r(\sigma )+g(\sigma ))/2$
  黄色特征：$Y(\sigma )=(r(\sigma )+g(\sigma ))/2-|r(\sigma )-g(\sigma )|/2-b(\sigma )$

（3）构建方向金字塔
  接下来采用Gabor滤波器构建方向金字塔$O(\sigma ,\theta )$，其中 σ ∈ { 0..8 } \sigma \in\{0 . .8\} σ∈{0..8}， θ ∈ { 0 ∘ , 4 5 ∘ , 9 0 ∘ , 13 5 ∘ } \theta \in\left\{0^{\circ}, 45^{\circ}, 90^{\circ}, 135^{\circ}\right\} θ∈{0∘,45∘,90∘,135∘}。

2.3 特征图的构建

  获得亮度、颜色、方向高斯金字塔之后，采用Center-Surround方法，其中Center（c）表示精细尺度，Surround（s）表示粗尺度计算对应的特征图。计算方法为：
  $I(c,s)=|I(c)\ominus I(s)|$
  $RG(c,s)=|(R(c)-G(c))\ominus (G(s)-R(s))|$
  $BY(c,s)=|(B(c)-Y(c))\ominus (Y(s)-B(s))|$
  $O(c,s,\theta )=|O(c,\theta )\ominus O(s,\theta )|$
  其中 c ∈ { 2 , 3 , 4 } c \in\{2,3,4\} c∈{2,3,4} ，而 s = c + δ , δ ∈ { 3 , 4 } s=c+\delta, \delta \in\{3,4\} s=c+δ,δ∈{3,4} 。上面的$\ominus$表示将粗尺度进行插值到精细尺度后做矩阵元素相减。$I$表示亮度特征图，$RG(c,s)$表示颜色特征图，$O$表示方向特征图。

2.4 显著图的构建

  文章中提出了一个特征图归一化操作运算符$\mathcal{N}(\cdot )$，可以增强存在少量活动峰（即尖锐值）的特征图，抑制存在大量活动峰的特征图。操作方法如下：
  （1）首先对输入的特征图归一化到范围$[0...M]$；
  (2) 找到该特征图的全局最大值M所在位置并计算其他所有局部最大值的均值 $\bar{m}$ ，然后把整 个特征图同乘以 $(M-\bar{m}{)}^2$ ；
  如下图所示，中间列上图便是存在大量活动峰的特征图，经过 $\mathcal{N}(\cdot )$ 操作后得到的特征图整体 较为平滑，活动峰被抑制，中间列下图是存在少量活动峰的特征图，经过 $\mathcal{N}(\cdot )$ 操作后得到的特征图在 原有的活动峰处得到了增强。

  通过以上操作即可获得最后的视觉显著图，计算方法如下：
  $\bar{I}=\stackrel{4}{\oplus }{\underset{c=2s=c+3}{\oplus }}^{c+4}\mathcal{N}(I(c,s))$
  $\bar{C}=\stackrel{4}{\oplus =2}\oplus \underset{s=c+3}{\oplus }[\mathcal{N}(RG(c,s))+\mathcal{N}(BY(c,s))]$
   O ˉ = ∑ θ ∈ { 0 ∘ , 4 5 ∘ , 9 0 ∘ , 13 5 ∘ } N ( ⊕ 4 ⊕ c + 4 c = 2 N ( O ( c , s , θ ) ) ) \bar{O}=\sum_{\theta \in\left\{0^{\circ}, 45^{\circ}, 90^{\circ}, 135^{\circ}\right\}} \mathcal{N}(\stackrel{4}{\oplus} \underset{c=2}{\stackrel{c+4}{\oplus}} \mathcal{N}(O(c, s, \theta))) Oˉ=∑θ∈{0∘,45∘,90∘,135∘}​N(⊕4​c=2⊕c+4​​N(O(c,s,θ)))

  其中$\oplus$是指将多个图像调整至同一个尺寸后相加的操作，于是得到了亮度、颜色和方向显著图，最终的显著图S为，
  $S=(\mathcal{N}(\bar{I})+\mathcal{N}(\bar{C})+\mathcal{N}(\bar{O}))/3$

  一般在目标检测中，根据设定的阈值检测显著性目标，设定的阈值逐渐下降，得到的显著性目标就会逐渐增多，同时检测时间也会增加，论文实验如图所示。

3 论文实验

  论文在不同的加性噪声下对同一图像的检测效果如下图所示

  论文还对比了Reinagel和Zador提出的SFC（Spatial Frequency Content，空间频率内容模型）在检测目标上的效果，实验结果表明，ITTI模型对于噪声具有较好的鲁棒性，而SFC模型则做没有[1]。实验对比如下图所示，(a)是待处理的图像，(b)是ITTI模型得到的视觉显著图，©是SFC模型得到的显著图，(d)是两种模型对检测目标的标记，标记显著图中大于最大值的98%的部分，其中黄色的标记是ITTI模型得到的结果，红色的标记是SFC模型得到的结果。

4 相关代码

  自己整理的相关代码整理如下：
  链接：https://pan.baidu.com/s/1DNKAPcIyVFsGHHVdGr_YRw
  提取码：ynk8

  文件夹说明：（1）input中为SAR图像示例图片；（2）myitti2.m为主程序文件；（3）paper43.m为我整理的，f复现论文43[4]的改良的Itti算法， c = { 2 } c=\{2\} c={2}， s = { 4 , 5 , 6 } s=\{4,5,6\} s={4,5,6}。

5 SAR图像实验结果

  下图是在paper43.m运行出现的结果，可以发现对于彩色图片来说可以很好的检测，但是对于SAR图像来说效果并不是很好。会出现锯齿状的边缘，没有初始图像好。作为引导显著性网络有待考量，还需要经过网络的学习得到。另一个思考就是对于c和s的设置属于超参数，对于不同尺度的目标进行检测的时候需要设置不同的值。

6 参考文献

[1]L. Itti, C. Koch and E. Niebur, “A model of saliency-based visual attention for rapid scene analysis,” in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 20, no. 11, pp. 1254-1259, Nov. 1998, doi: 10.1109/34.730558.
[2]https://blog.csdn.net/weixin_42647783/article/details/82532179
[3]https://zhuanlan.zhihu.com/p/441836726
[4]L. Du, L. Li, D. Wei and J. Mao, “Saliency-Guided Single Shot Multibox Detector for Target Detection in SAR Images,” in IEEE Transactions on Geoscience and Remote Sensing, vol. 58, no. 5, pp. 3366-3376, May 2020, doi: 10.1109/TGRS.2019.2953936.