题目：图像显著性和记忆性的度量及其在目标检测中的应用

    图像显著性检测，作为许多计算机视觉应用的预处理步骤，如：目标识别、图像检索和场景分析等，一直起到了一个举足轻重的作用。想要完整准确的检测出图像中的显著区域，也一直是一个挑战与机遇并存的课题。许多现有的基于图的显著性检测算法都用到了关联矩阵和先验显著性种子，但却很少有通过计算的方式获得先验显著性种子的。它们当中的大多数是使用中心先验原则或边界先验原则来获得先验显著性种子的，而这种启发式的方法很容易造成过度高亮图像中心区域的错误。本文通过运用图像记忆性和参考独立分量分析（ICA-R）法来获得精确的先验显著性种子，进而得到更加准确的显著性图。

    首先，本文提出了一种新的图像记忆度预测模型，并用它来选择粗糙的先验显著性种子。由于此模型使用了词袋技术和k-means聚类算法，所以它不仅融合了学习到的高级线索，而且充分整合的图像的空间信息。然后，本文引入了ICA-R算法来提高先验显著性种子的准确性。最后，利用获得的先验显著性种子，在闭合图模型上做流形排序算法，得到最终的显著图。在两大公开的图像显著性评价数据库上的实验结果表明，所提的图像记忆度预测模型预测的结果比现有的模型更加准确；所提的基于图的显著性检测算法，在三个公认的评价指标上均优于现有算法。