本研究利用MATLAB软件平台，实现了包括SIFT、SURF及ORB在内的多种经典显著点检测算法，并进行了性能对比分析。
1. 显著点的检测：Itti 的《A Model of Saliency-Based Visual Attention for Rapid Scene Analysis》（TPAMI 1999）是显著性检测领域的开创性论文。该论文提出的方法能够识别出用户关注的重点区域。
2. 显著区域的检测：侯晓迪同学在2007年发表于CVPR的一篇论文中，用一种简单方法进行了显著性区域的检测研究，自此之后的研究主要集中在对整个图像或场景中的显著性区域进行分析。这篇文章虽然后来被指出存在一定的不足之处，但是其核心思想非常简洁明了，并且极大地推动了这一领域的普及和发展。
3. 其他经典的显著性检测算法：在那篇论文发表后不久，许多其他经典和重要的显著性检测方法相继出现（可以参考相关文献了解详情）。
4. 基于深度学习的显著性预测：近年来随着深度学习技术的进步，研究者们开始尝试利用神经网络模型来进行更精确的视觉注意力预测。例如，《Deep Visual Attention Prediction》(TIP 2018)、《Predicting Human Eye Fixations via an LSTM-based Saliency Attentive Model》等。
5. 非自然图像中的显著性检测：除了对普通场景或照片进行分析之外，还有一些研究关注于海报设计、图表制作以及地理信息可视化等领域内的特定类型数据的突出特征识别。
5星
