显著图

显著图（Saliency Map）是计算机视觉中用于表征图像显著性分布的核心分析工具，由 Laurent Itti 于 1998 年基于生物视觉注意机制首次系统提出。其本质是将抽象的视觉显著性（Visual Salience）转化为像素级的量化图谱，旨在简化复杂图像的表示形式，突出显示图像中“与众不同”或具有高对比度的区域。该概念区别于统计学中的“统计显著性”，专注于空间域内的视觉特征差异。随着技术发展，显著图已从基础的边缘检测演进为融合频域分析、决策论模型及深度学习特征提取的复杂架构，成为连接底层图像特征与高层语义理解的关键桥梁。

在现代计算架构与视觉 AI 生态中，显著图扮演着“视觉引导器”的角色。它不仅解决了传统图像分割算法难以处理复杂背景的问题，还通过模拟人眼注意力机制，大幅提升了目标检测的鲁棒性与效率。其核心价值在于将非结构化的像素数据转化为结构化的显著性信息，使得系统能够自动聚焦于关键目标，减少计算资源浪费。当前，显著图技术已深度融入遥感监测、医疗影像辅助诊断、自动驾驶场景理解及人机交互界面设计等领域，成为多模态感知系统中不可或缺的前置处理模块。