这篇文章有两方面的有点：第一，采用粗到细的策略得到粗略显著区域的位置。

                                                第二，通过使用贝叶斯框架计算先验概率得到显著图。

   

      文章的大体流程：检测显著区域的角点 ---> 用凸包将显著点包围起来，得到粗略的显著图--->计算贝叶斯理论中的后验概率计算显著值得到显著图.

      

        1）检测显著区域的角点：采用颜色增强Harris角点作为显著点。（显著点提供了大致的显著区域）。

        2）用凸包将显著点包围起来，得到粗略的显著图：1）之后消除图像边界附近的显著点，采用凸包将圈住剩下的显著点（颜色增强Harris点通常会把显著区域聚集在一起，凸包会把大部分的大部分的显著区域包含，当然会包含一部分的背景量子）。

        3）先验分布：实现先验分布采用超像素，因为超像素可以保存物体的边界并且获取具有相同特征的像素，所以选择超像素而不是单独的像素进行处理。

       4）消除凸包内的噪音：采用k-means clustering