在计算机技术快速进步的今天, 世界范围内的网站数目正以每分钟571个的速度飞涨着。与迅速增长的网页数目相对的是网站制作水平的参差不齐。唯有符合肯定设计规律的网页才利于客户体验与信息传播。而依据眼球的生理结构, 视觉效果最好的感知部位, 在视网膜上只占非常小的比率, 这决定了视觉在肯定时间内只能容纳少量的视觉信息。一旦视觉接收到的信息超出肯定的视觉容量, 大家就会产生相应的抵触反应, 引起不快。因此网页信息的呈现需符合肯定的人类视觉规律。依据人的视觉机制对所制作网站进行评估看上去非常重要。人类视觉系统中的视觉显著性提取机制可以迅速高效的从很多的视觉输入信息中提取出那些非常重要的信息。同样的, 在视觉计算研究范围, 视觉显著性测试模型可以得到一幅用以描述原图像中各地方相对于其周围的显著程度的灰度图, 即显著图, 从而感知出图像数据中的显著性地区。本文将网页页面作为图像数据进行研究, 对其视觉显著性地区进行剖析与测试, 从而为后续网站制作优化提供有关建议。1 人类视觉系统关于人类视觉系统, 现在认同度最高的是Neisser提出的描述人类视觉系统用途过程的机制。他将早期视觉处置过程分为预注意处置阶段和注意处置阶段。第一阶段主如果处置和测试场景中能引起视觉细胞更大刺激的显著的特点, 即那些不同于大部分的背景的地区部分。第二阶段中, 神经系统将这类显著的特点通过某种关系进行融合和聚类, 然后形成注意力分配图用来指导眼球运动。后来MIT的David C.Marr做出补充, 提出预注意阶段会将进入视觉系统内的光线转化为颜色、边缘、线条和倾角等特点, 并对其进行特定的编码来形成对视觉场景的初步表示, 最后让视觉系统可以进行辨别和剖析。2 基于视觉显著性的图像理解将视觉注意机制引入图像信息处置过程, 形成了一种由选择处置和集中处置组成图像信息处置的办法。注意机制被纳入到该办法之中, 选择处置对应选择性注意机制, 用来对图像信息进行选择;集中处置对应集中性注意机制, 用来集中处置有关图像信息, 忽视或抛弃不有关的图像信息。另外, 常识库将选择处置和集中处置联系起来, 通过其内部的高层常识形成反馈信息与控制指令, 对整个图像信息处置过程进行管理。3 视觉显著性描述与测试模型在计算机视觉范围的各方向比如目的测试、图像分割、与图像和视频压缩中, 显著性测试都得到了广泛应用, 用以得到显著性地区。其显示结果是一幅用以描述源图像中各地方相对于其周围显著程度的灰度图, 即显著图。大体上来讲, 视觉显著性测试的办法可以分为两大类, 分别是自底向上数据驱动的显著性提取和自顶向下任务驱动的显著性提取。考虑到自顶向下的显著性提取是依据特定的任务打造, 理论和应用均具备局限性, 本文重点介绍自底向上数据驱动的显著性提取种类。同时, 现在显著性测试中的绝大部分研究成就均是研究自底向上的由底层特点驱动的计算模型。下面对视觉显著性测试模型的进步经历做一个容易的梳理。Niebur等人提出第一个具备实质意义的视觉显著性测试算法, 而具备里程碑式的视觉显著性测试模型则是由美国加州理工学院的Christof Koch教授和美国南加州大学的Laurent Itti副教授二人于1998年合作提出, 对输入图像分布计算得到亮度、颜色和方向3个通道的高斯金字塔, 再对各金字塔计算中央周围差运算得到特点图, 最后将各通道的特点图也分别规则化后合并得到最后的显著图, 具备较高的计算机适用度。GBVS是基于图论求取显著性, 提取过程像Itti等人模型模拟视觉原理, 但在显著图的生成过程中加入Markov链, 借助图的模型计算中央周围差, 然后通过纯数字计算得到显著性。DISK算法用样本方差和峰度估计假设的广义高斯概率密度函数, 然后计算中央周围的相互信息。基于中央周围差的显著性算法考虑局部特点的对比总是用多尺度而不是单个尺度的策略以更好地求得显著图, 然而多尺度算法的计算花销较大运算较慢, 并且因为频繁地用邻近插值致使显著图的分辨率减少, 也一定量丢失了目的边缘信息除此以外, SR算法和IG算法等基于图像空间频域剖析的显著性测试算法也都是隶是自底向上的显著性测试常常使用的代表性算法, 它们具备运算速度较快的优点, 但IG算法计算的显著图中显著地区的显著度较低, 没办法非常不错地突出最显著的地方;SR算法没考虑颜色特点, 也没保存足够多的高频信息, 使得显著图中显著地区的边界不够明确。显著性模型在上个世纪八十年代就被提出, 但直到近几年才出现很多新的显著性建模思想, 并且形成了一个热点的研究范围。4 视觉显著性测试在网站制作中的应用视觉显著性模型可以适用于很多应用, 研究较为成熟的有目的测试和分割, 视频剖析等。其在平面设计中同样具备要紧的意义可以通过这类模型与技术为设计师提供具参考价值的设计优化方向, 预测用户对网站制作成效的评估与反馈。在海量基于地区的显著性模型中, Itti模型是极具代表性的显著性模型, 但仍需在图像处置和数学角度理解其本质的基础上针对网页页面的图像特征进行研究, 从而架构出符合网页场景的新的显著性模型。关于这一范围的研究还较少, 现在针对用户网页浏览行为的视觉显著性模型仅有少数基于非图像信息的定义模型与计算模型。因为网页浏览具备其不同于自然图像的行为特征, 应用于网页的视觉显著性模型还需要进一步的研究与进步。
