這篇論文其實在作者的主頁上面已經給出中文版的論文了，所以大家看看中文版的論文也就可以看懂了，這裡不想多做解析，只是貼出來自己以後可以看，算是顯著性論文整個脈絡中的一篇吧。

1、引言

論文的提出主要是根據以下幾點考慮

根據這幾點的分析，作者在文章中提出了兩種方法，分別是基於直方圖對比度的方法（HC）和基於局域對比度的方法（RC）。

2、基於直方圖統計的對比度（HC）

該方法其實與LC方法很像，只不過LC考慮的是影象的亮度，而作者考慮的是影象的顏色，所以效果會比LC好一些，但是HC方法考慮顏色，所以計算量會很大，因為彩色圖片有三個通道，每個通道取值為0-255，所以總共有255的3次方種顏色，這個計算量是非常大的，但作者做了一個巧妙的變化，化解了這個問題，現在我們就來看看這種方法。

該方法起初引入了以上公式，其中D(Ik，Ii)為畫素Ik和畫素Ii在L*a*b空間的顏色距離。將公式展開可得

如果按照以上方法計算那麼我們可以得到，相同顏色值的畫素得到的顯著性，如此一來，我們可以從另外的角度思考，不進行每個畫素計算，而是對每種顏色進行計算，所以得到以下公式

為了加快演算法的執行時間，減低時間複雜度，作者使用基於直方圖加速的方法，將每個通道值從0-255轉化為0-12，並且將出現頻率較小的顏色丟掉，確保顏色覆蓋95%以上的畫素就可以了，剩下的5%的畫素所佔的顏色被直方圖中距離最近的顏色所代替。

由於減少顏色數量會對圖片產生一定的瑕疵，所以作者通過顏色空間平滑來解決這個問題。每個顏色的顯著值被替換為相似顏色顯著值得加權平均。公式如下

這樣一來在顏色特徵空間中距離c較近的顏色分配較大權值，相似的顏色分配到相似的顯著性值，減少了量化的瑕疵。

整個實現過程作者現在RGB顏色空間進行量化，在Lab顏色空間測量距離。

3、基於區域的對比度（RC）

首先使用基於圖的分割方法將影象分割成若干區域，然後為每個區域建立顏色直方圖，對每個區域rk，測量它與影象其他區域的顏色對比度來計算它的顯著性，公式如下

其中f（c1，i）為第i個顏色在第1個區域的所有n1中顏色中出現的概率，f（c2，j）為第j個顏色在第2個區域的所有n2中顏色中出現的概率，n1，n2分別表示第一第二區域顏色總數，D(c1，i，c2，j)表示第1個區域第i種顏色和地2個區域第j種顏色之間的距離。

在以上的基礎上再融入空間資訊，在式子5中引入空間權值，公式如下

4、實驗

顯著性分割

顯著性分割在獲得顯著性圖的基礎上加上Grabcut分割方法，得到結果如下

基於內容感知的影象縮放

非真實感渲染

參考資料

1、Global Contrast based Salient Region Detection（原文）

2、基於全域性對比度的顯著性區域檢測（中文翻譯版）