扩展 CSSD 上的分层显著性检测

复杂结构在自然图像中普遍存在。当图像在背景或前景中包含小尺度高对比度模式时，显著性检测可能会受到不利影响，导致错误且不均匀的显著性分配。这一问题构成了现有方法的根本挑战。我们从尺度角度着手解决该问题，并提出一种多层方法来分析显著性线索。不同于改变图块大小或缩小图像尺寸，我们测量基于区域的尺度。最终的显著性值通过分层推理最优地结合不同尺度下的所有显著性线索而推断得出。通过我们的推理模型，选取单尺度信息以获得显著性图。我们的方法提高了许多传统方法难以处理的图像的检测质量。我们还构建了一个扩展的复杂场景显著性数据集（ECSSD），以包含复杂但通用的自然图像。