
上QQ阅读APP看书,第一时间看更新
5.2 标准差缺席重要性的构造
与定义均值缺席重要性类似,选取标准差作为像素重要性的统计度量,可定义标准差缺席重要性(Standard Deviation Absence Importance,SDAI)。首先,计算区域G(X)内各点的灰度标准差(其中Std(·)表示计算一个区域内各点的灰度标准差):

然后,计算区域G(X)内中心点X缺席情况下其他各点灰度标准差(其中G′(X)表示G(X)去除点X包含的区域):

则标准差缺席重要性可定义为:

实验过程中,我们发现均值缺席重要性MAI(X)与标准差缺席重要性SAI(X)的比值可以用来区分边缘点与角点,于是本章将该比值取代式(5-6)中的标准差缺席重要性使用(为表述方便,该比值仍称为标准差缺席重要性):
