针对传统基于贝叶斯的显著性检测算法存在的准确率不理想的问题,提出了一种基于多尺度凸包改进贝叶斯模型的显著性检测算法。该算法首先通过流行排序算法（MR）在CIELab颜色空间上对图像的前景进行提取,并将其作为先验图；其次通过高斯金字塔算法对图像进行降采样,得到3种不同尺度的图像（包括原图）,结合经典的Harris算子检测不同尺度图像的角点,求三者的交集,得到更合理的凸包；然后利用颜色直方图结合凸包来计算观察似然概率；最后根据已有的先验图和似然概率,利用贝叶斯模型计算显著图,并进行优化处理得到最终的显著图。为了验证该算法的正确性和有效性,在公开数据集MSRA1000和ECSSD上进行仿真实验。结果表明,该算法不仅能够得到较好的视觉效果,而且召回率、准确率和F-measure等评价指标比传统算法有明显提升。
