超像素梯度流与元胞机融合的视频显著图检测

张荣国，贾玉闪，胡 静，刘小君，李晓明

(1.太原科技大学 计算机与技术学院，太原 030024；2.合肥工业大学 机械工程学院，合肥 230009)

视觉显著性检测是一种应用于图像及视频上的人工智能技术，它可以将大量图像或视频中引人注意的目标对象提取出来，应用这一技术分析处理海量的图像及视频将成为时代发展的趋势。显著性检测方法大致可以分为两类：一类是由数据驱动的显著性检测方法，一类是模拟人类大脑驱动的显著性检测方法。由于技术发展的限制，现在还无法准确地模拟出大脑的运作机制，也就无法实现大脑驱动下的显著性检测，因此现有的显著性检测方法大多是由数据驱动的显著性检测。目前显著性检测方法发展越来越成熟，已被应用到对象识别、目标重定向、图像视频压缩等多个领域中[1-2]。

随着大数据时代的到来，人们需要处理的数据量越来越多，视觉显著性检测技术也由对图像的静态检测技术向动态的视频显著性检测技术转变。视频显著性检测是指从视频序列中检测出最引人注目的对象。Mahadevan等[3]将中心—周围方法应用到视频领域，该方法将颜色、强度、方向上的特征线性组合在一起，并和动态纹理模型相结合，以此生成显著图，提出的方法在动态视频场景中有好的表现。Cui等[4]将谱残差方法扩展到了视频域中，提出了一种时间谱残差方法，依据傅立叶频谱分析将动态视频显著目标与背景分离。Liu等[5]在视频显著性检测中应用信息论的知识进行显著性检测，用时空视频帧卷的信息表示显著值，他将信息论的知识扩展到了动态视频检测中。……