基于邊緣特征和自適應(yīng)融合的視頻顯著性檢測

郭迎春 李卓

摘要 針對(duì)目前大多數(shù)視頻顯著性檢測中背景復(fù)雜以及顯著目標(biāo)邊緣模糊、顯著目標(biāo)內(nèi)部存在空洞不能一致高亮的問題，提出了一種基于動(dòng)靜態(tài)邊緣和自適應(yīng)融合的視頻顯著性檢測算法。該算法利用靜態(tài)邊緣和運(yùn)動(dòng)邊緣信息融合后初步定位顯著目標(biāo)，并對(duì)其進(jìn)行一系列平滑操作獲得目標(biāo)的精確邊緣然后計(jì)算梯度獲得初始顯著圖。然后，考慮前一幀對(duì)當(dāng)前幀的有效性約束，計(jì)算相鄰兩幀的顏色直方圖進(jìn)而得到兩幀的相似度，由相似度決定兩幀在自適應(yīng)融合時(shí)各自的比重，得到當(dāng)前幀的最終顯著圖。在公開視頻顯著性數(shù)據(jù)集ViSal上算法F值接近0.8，MAE接近0.06，表明該方法性能優(yōu)于目前主流算法，對(duì)復(fù)雜背景有較強(qiáng)魯棒性，同時(shí)能夠快速、清晰而準(zhǔn)確地提取出視頻序列中的顯著性目標(biāo)。

關(guān) 鍵 詞 視頻顯著性；邊緣特征；自適應(yīng)融合；相似度；復(fù)雜背景

中圖分類號(hào) TP391.41 文獻(xiàn)標(biāo)志碼 A

0 引言

當(dāng)今社會(huì)信息技術(shù)迅猛發(fā)展，圖像和視頻是人們收集、傳遞各種信息的主要載體，人們?cè)谙硎苄畔r(shí)代帶來便利的同時(shí)更加依賴計(jì)算機(jī)對(duì)爆炸增長的信息數(shù)據(jù)進(jìn)行處理，然而計(jì)算機(jī)處理數(shù)據(jù)的速度遠(yuǎn)遠(yuǎn)達(dá)不到信息增長的速度。如何快速有效地從海量數(shù)據(jù)庫中篩選“重要的”，“吸引注意力的”信息是當(dāng)下圖像處理中亟待解決的問題，從1幅圖像中篩選人類視覺系統(tǒng)所感興趣的信息更多地需要借助于圖像的顯著性. 目前顯著目標(biāo)檢測在多個(gè)領(lǐng)域已經(jīng)獲得了廣泛的應(yīng)用，如圖像分割[1]、目標(biāo)跟蹤[2]、目標(biāo)分類[3]等。

經(jīng)過近20年的發(fā)展，顯著性檢測模型的構(gòu)造方法多種多樣，顯著目標(biāo)檢測最初是由靜態(tài)圖像的顯著性研究發(fā)展開始的，Itti等[4]于1998年首次提出了基于生物學(xué)特征的IT模型，認(rèn)為像素與背景的對(duì)比是吸引人注意的重要因素，綜合考慮顏色、亮度、方向等多種特征得到顯著圖，但I(xiàn)tti模型只考慮了圖像的局部特征，沒有從全局特征來檢測圖像顯著特性，導(dǎo)致只在輪廓附近產(chǎn)生高顯著值而沒有均勻突出整個(gè)目標(biāo)。而基于純計(jì)算的顯著性檢測方法中，大多都利用對(duì)比度來計(jì)算顯著值。Cheng等[5]提出了基于顏色直方圖的Histogram Based Contrast（HC）算法和基于全局對(duì)比度的Region Based Contrast（RC）算法，HC算法的顯著圖具有精細(xì)的細(xì)節(jié)，RC算法生成空間增強(qiáng)的高質(zhì)量顯著圖，但這2種算法計(jì)算效率相對(duì)較低，不適合應(yīng)用于顯著運(yùn)動(dòng)目標(biāo)的檢測。近幾年基于背景先驗(yàn)的算法[6]發(fā)展迅速，背景優(yōu)先思想假設(shè)圖像某部分作為背景，一般取圖像邊界，考慮到圖像中除了背景就是前景，將找到的背景區(qū)域去除，得到的便是前景區(qū)域，即顯著性區(qū)域。考慮到人眼的視覺特性，人在觀看景物或者視頻時(shí)僅僅對(duì)一些運(yùn)動(dòng)目標(biāo)更感興趣，所以視頻顯著性檢測正受到越來越多的關(guān)注[7]。但是視頻顯著性檢測存在一些問題，如運(yùn)動(dòng)特征常常只簡單地作為1個(gè)特征加入到圖像顯著性檢測模型中，如Guo等[8]在Spectral Residual Approach（SR）算法[9]基礎(chǔ)上舍棄幅度譜，只輸入圖像的相位譜，再加入運(yùn)動(dòng)特征，將圖像擴(kuò)展為四元，通過四元傅里葉變換和逆變換獲得顯著圖，但存在同一區(qū)域的顯著值在連續(xù)的幀內(nèi)可能變化巨大的問題。或者分別計(jì)算靜態(tài)顯著圖和運(yùn)動(dòng)顯著圖然后將其進(jìn)行簡單地線性融合，忽略前景/背景區(qū)域的顯著值不應(yīng)該沿時(shí)間軸急劇變化，場景轉(zhuǎn)換除外[10]。 如Kim等[11]通過將紋理對(duì)比結(jié)合到多尺度框架中，計(jì)算空間和時(shí)間顯著圖，再進(jìn)行加權(quán)融合，融合的結(jié)果很大程度取決于加權(quán)系數(shù)的選取，并且目標(biāo)內(nèi)部存在空洞。Zhou等[12]利用多尺度時(shí)空顯著性來實(shí)現(xiàn)輸入高幀率（high-frame-rate）的視頻，輸出低幀率（low-frame-rate）的視頻。在每個(gè)尺度下采用流媒體分割，在區(qū)域內(nèi)使用多種低層級(jí)特征（顏色、前景、光流等）進(jìn)行基于區(qū)域的對(duì)比度分析，設(shè)置中心位置、速度等局部優(yōu)先，最后將對(duì)比度與局部優(yōu)先融合得到最終的顯著圖，但只是單幀處理，背景噪聲嚴(yán)重。隨著視頻顯著性檢測算法越來越成熟，顯著目標(biāo)檢測的準(zhǔn)確率有很大提升，但仍存在背景噪聲、顯著目標(biāo)不均勻等問題。為了得到更準(zhǔn)確地顯著目標(biāo)邊緣，本文提出了增強(qiáng)的時(shí)空邊緣檢測，對(duì)靜態(tài)和運(yùn)動(dòng)邊緣進(jìn)行平滑細(xì)化，初步確定顯著目標(biāo)。為了在能在復(fù)雜背景下精確一致突出顯著性目標(biāo)，本文算法計(jì)算相鄰兩幀的相似性，其決定了前一幀與當(dāng)前幀融合時(shí)的權(quán)重。與目前比較先進(jìn)的方法比較，獲得了不錯(cuò)的效果。

1 顯著性檢測基本原理

人類視覺系統(tǒng)能夠從外界輸入的大量信息中快速選擇特定、感興趣的區(qū)域，因而稱為視覺選擇性注意機(jī)制[13]。這種機(jī)制可幫助人類從整幅圖像中篩選重要區(qū)域即顯著區(qū)域并忽略其中不感興趣的部分，在進(jìn)一步圖像處理中能夠有針對(duì)性地處理所需要的信息。顯著性檢測的目的就是用計(jì)算機(jī)代替人眼實(shí)現(xiàn)對(duì)感興趣區(qū)域的提取。1幅圖像是由多個(gè)像素點(diǎn)組成的，顯著圖中各像素點(diǎn)的灰度值大小即顯著值，反映了該點(diǎn)的顯著性。

圖像的顯著性檢測的流程圖如圖1所示，通過分析人類視覺注意機(jī)制，首先利用圖像處理方法選擇性地提取圖像的不同特征圖，包括顏色特征、紋理特征、形狀特征、運(yùn)動(dòng)特征、局部特征、圖像頻率（相對(duì)較新）等，然后選擇設(shè)計(jì)合適的融合模型實(shí)現(xiàn)顯著目標(biāo)的提取。融合方法包括加權(quán)平均法、貝葉斯估計(jì)方法、聚類分析方法等。

對(duì)視頻序列來說，時(shí)間顯著性分量指的就是運(yùn)動(dòng)特征。在人們觀察視頻的過程中，運(yùn)動(dòng)目標(biāo)往往更容易成為視覺注意點(diǎn)即使前景背景對(duì)比度很大，因此時(shí)間域上的運(yùn)動(dòng)顯著性計(jì)算需要通過視頻序列運(yùn)動(dòng)檢測實(shí)現(xiàn)，目前主流的運(yùn)動(dòng)目標(biāo)檢測的方法包括幀差法、背景差法和光流法等。

2 基于邊緣特征和自適應(yīng)融合的檢測算法

在視頻圖像紋理復(fù)雜、背景中存在運(yùn)動(dòng)物體的情況下，單一的靜態(tài)邊緣信息和運(yùn)動(dòng)信息都不能準(zhǔn)確地確定顯著目標(biāo)的位置。并且考慮到多數(shù)自然視頻序列中連續(xù)視頻幀的前景/背景區(qū)域的顯著值不應(yīng)該沿時(shí)間軸急劇變化。所以本文首先利用動(dòng)靜態(tài)邊緣特征初步定位顯著目標(biāo)區(qū)域，經(jīng)過一系列形態(tài)學(xué)操作獲得顯著目標(biāo)的精確邊緣，在時(shí)空邊緣的基礎(chǔ)上計(jì)算梯度得到初始顯著圖，然后考慮前一幀對(duì)當(dāng)前幀的有效性約束，計(jì)算2幀的顏色直方圖并得到2幀的相似度，根據(jù)將相似度確定2幀自適應(yīng)融合時(shí)的權(quán)重得到最終目標(biāo)顯著圖。

2.1 邊緣特征檢測

邊緣檢測是圖像處理與計(jì)算機(jī)視覺中極為重要的1種分析圖像的方法。邊緣檢測的目的就是找到圖像中亮度變化劇烈的像素點(diǎn)構(gòu)成的集合，表現(xiàn)出來往往是輪廓。邊緣信息有助于確定顯著目標(biāo)的位置，在對(duì)現(xiàn)實(shí)世界的圖像采集中，有4種情況會(huì)表現(xiàn)在圖像中時(shí)形成1個(gè)邊緣，深度的不連續(xù)，即：物體處在不同的物平面上；表面方向的不連續(xù)，如正方體的不同的2個(gè)面；物體材料不同，這樣會(huì)導(dǎo)致光的反射系數(shù)不同；場景中光照不同，如被樹萌投向的地面。

本文考慮到單一靜態(tài)邊緣在具有高紋理背景區(qū)域的復(fù)雜場景中不能有效表示顯著目標(biāo)的問題，而合理地利用運(yùn)動(dòng)信息有助于提取顯著運(yùn)動(dòng)目標(biāo)的邊緣，因?yàn)樵诠饬鲌鲋型蝗蛔兓南袼赝ǔＲ鹑藗兏嗟年P(guān)注。然而，在運(yùn)動(dòng)物體可能具有較小的運(yùn)動(dòng)，或背景中存在擾動(dòng)的情況下，單獨(dú)的運(yùn)動(dòng)信息不能突出顯著的運(yùn)動(dòng)區(qū)域。這里綜合靜態(tài)邊緣和運(yùn)動(dòng)邊緣信息提取視頻中的顯著運(yùn)動(dòng)目標(biāo)。

首先，對(duì)輸入的視頻序列[F={F1 ，F(xiàn)2， F3，…，F(xiàn)nframe}]逐幀進(jìn)行SLIC超像素分割[14]，設(shè)第k幀圖像的超像素塊集合為[Fk]，超像素分割之后視頻序列表示為[F'={F'1 ，F(xiàn)'2 ，F(xiàn)'3，…，F(xiàn)'nframe}]，對(duì)[F'k] 進(jìn)行均值濾波后計(jì)算圖像中像素處[X=（x，y）]的顏色梯度幅值[MckX]，得到視頻圖像的靜態(tài)邊緣

[Mck（X）=?F'k（X）]。 （1）

式中[?]表示梯度計(jì)算。利用大位移運(yùn)動(dòng)估計(jì)[15]計(jì)算幀間運(yùn)動(dòng)光流場[vk]的梯度幅值，得到運(yùn)動(dòng)邊緣

[Mok（X）=?vk（X）]。 （2）

對(duì)運(yùn)動(dòng)邊緣[Mok（X）]進(jìn)行一系列形態(tài)學(xué)操作以獲得更精確地運(yùn)動(dòng)邊緣圖 ，閉運(yùn)算操作填補(bǔ)斷裂使輪廓更光滑，開運(yùn)算操作去掉細(xì)小的突出部分，再利用腐蝕操作和閉運(yùn)算操作使邊緣精細(xì)。運(yùn)動(dòng)邊緣和靜態(tài)邊緣的融合采用線性融合，權(quán)重分別為0.3和0.7。

[Mk（X）=0.3?Mck（X）+0.7?Mok（X）]。 （3）

其次，在時(shí)空梯度的基礎(chǔ)下分別從上、下、左、右4個(gè)方向計(jì)算第k幀中每個(gè)像素點(diǎn)[X=（x，y）]的梯度[Gk（x，y）]，根據(jù)在時(shí)空梯度場中的像素的梯度相對(duì)其它區(qū)域的梯度值更大來初步確定顯著目標(biāo)區(qū)域[16]。計(jì)算公式如下：

[Gk，l（x，y）=Mk（x，y）+Gk，l（x，y-1）]， （4）

[Gk，r（x，y）=Mk（x，y）+Gk，r（x，y+1）]， （5）

[Gk，t（x，y）=Mk（x，y）+Gk，t（x+1，y）]， （6）

[Gk，d（x，y）=Mk（x，y）+Gk，d（x-1，y）]， （7）

式中：[Gk，l]、[Gk，r]、[Gk，t]和[Gk，d]分別是從左、右、上、下4個(gè)方向計(jì)算像素點(diǎn)的梯度，取4個(gè)方向最小值以抑制背景中的噪聲同時(shí)使得顯著目標(biāo)區(qū)域內(nèi)部一致高亮，得到初始顯著圖[Tkx，y]：

[Tkx，y=minGk，lx，y，Gk，rx，y，Gk，tx，y，Gk，dx，y]。 （8）

圖2是對(duì)ViSal數(shù)據(jù)集中的Horse視頻幀圖像利用時(shí)空梯度提取顯著運(yùn)動(dòng)目標(biāo)的初始顯著圖的示意圖。圖2b）中得到的靜態(tài)邊緣圖中既包括了顯著目標(biāo)也包括了背景內(nèi)容，圖2c）中是運(yùn)動(dòng)邊緣，運(yùn)動(dòng)邊緣圖中抑制了背景，但提取顯著目標(biāo)時(shí)存在某部位不準(zhǔn)確，融合了靜態(tài)邊緣和運(yùn)動(dòng)邊緣融合后抑制了背景，也有效提取出顯著目標(biāo)。進(jìn)一步從上下左右4個(gè)方向來計(jì)算時(shí)空梯度圖中的梯度流得到初始顯著圖，圖中顯著目標(biāo)已相對(duì)精準(zhǔn)，內(nèi)部一致高亮。

2.2 自適應(yīng)融合機(jī)制

圖像融合是通過1個(gè)數(shù)學(xué)模型把來自不同傳感器的多幅圖像綜合成1幅滿足特定應(yīng)用需求的圖像的過程，目的是可以有效地把不同圖像傳感器的優(yōu)點(diǎn)結(jié)合起來，提高對(duì)圖像信息分析和提取的能力，以便于后續(xù)的圖像處理過程。大多數(shù)圖像融合利用簡單加權(quán)融合，也稱為像素加權(quán)平均法，是最簡單、直接的圖像融合方法。它具有簡單易實(shí)現(xiàn)、運(yùn)算速度快的優(yōu)點(diǎn)，并能提高融合圖像的信噪比，但是這種方法削弱了圖像中的細(xì)節(jié)信息，降低了圖像的對(duì)比度，在一定程度上使得圖像中的邊緣變模糊，在多數(shù)應(yīng)用場合難以取得滿意的融合效果。

本文通過邊緣特征然后計(jì)算梯度得到的初始顯著圖雖然能夠精確地得到顯著目標(biāo)的位置，但是仍然存在邊緣模糊和背景噪聲的問題，所以考慮前一幀對(duì)當(dāng)前幀的影響，有效約束背景噪聲和模糊邊緣。通過融合相鄰幀的初始顯著圖，自適應(yīng)地計(jì)算前一幀的顯著目標(biāo)圖對(duì)當(dāng)前幀的顯著目標(biāo)圖的影響比重，得到當(dāng)前幀的最終顯著圖。

假如視頻序列中同一場景中的幀具有很強(qiáng)的相關(guān)性和較小的差異，前一幀可以有效約束當(dāng)前幀的顯著區(qū)域以獲得更精確的運(yùn)動(dòng)目標(biāo)顯著圖。反之，前一幀可能會(huì)與當(dāng)前幀有不同的顏色和亮度，顯著區(qū)域必然發(fā)生巨大變化，不適合作為當(dāng)前幀的顯著區(qū)域的1個(gè)先驗(yàn)。本文提取圖像的顏色直方圖進(jìn)行相鄰兩幀的相似度判斷，根據(jù)相似度確定相鄰2幀在融合時(shí)的權(quán)重。

提取相鄰幀的顏色直方圖[Histk-1]和[Histk]，2幅圖像顏色直方圖差異越小則證明兩幀越相似，反之則可能目標(biāo)的運(yùn)動(dòng)速度較快或存在場景變換。這里相鄰幀的相似度Simi可以表示為

[Simik=i=1Nmin（Histik，Histik-1） ，] （9）

式中[Histik]和[Histik-1]分別為相鄰幀在顏色直方圖中的第i個(gè)量化級(jí)值，[1≤i≤N]。為了自適應(yīng)地融合相鄰幀的初始顯著圖，這里構(gòu)造了權(quán)值取值函數(shù)[ωk]，構(gòu)造規(guī)律是當(dāng)相似度Simi很大時(shí)，為了保證當(dāng)前幀本身的顯著性測量占據(jù)更多的比重，將前一幀的最大權(quán)值限定為0.5，反之，當(dāng)相似度Simi非常小時(shí)，權(quán)重[ω]隨之降低直至趨于0，公式如下：

[ωk=[sin（π?Simik-π/2）+1]4]， （10）

式中，Simi取值從0到1，得到[0≤ω≤0.5]，相應(yīng)的曲線如圖3所示。從圖3中可以看出權(quán)值[ω]隨相似度Simi呈S型變化趨勢。

根據(jù)權(quán)重[ω]自適應(yīng)融合相鄰幀的運(yùn)動(dòng)顯著圖得到第k幀的運(yùn)動(dòng)顯著圖[STk]，公式如下：

[STk=ωkTk-1+（1-ωk）Tk ，] （11）

式中[Tk-1]和[Tk]分別表示前一幀和當(dāng)前幀的運(yùn)動(dòng)顯著圖，如公式8）所示。圖4展示了Horse的初始顯著圖和最終顯著圖，可以看到最終顯著圖背景噪聲較少。

3 實(shí)驗(yàn)結(jié)果與分析

本文在ViSal[16] 數(shù)據(jù)集上進(jìn)行了對(duì)比試驗(yàn). ViSal數(shù)據(jù)集是Wang等[16]為了更深入地探索具有各種前景/背景運(yùn)動(dòng)模式和復(fù)雜色彩分布的一般情況，構(gòu)建的一個(gè)專門為視頻顯著性檢測設(shè)計(jì)的新的數(shù)據(jù)集，包括17個(gè)具有挑戰(zhàn)性的視頻序列，包含復(fù)雜的顏色分布（摩托車，牛等），高度雜亂的背景（人，熊貓等），各種運(yùn)動(dòng)模式（靜態(tài)：船，快速：汽車），快速拓?fù)渥兓ㄘ垼ν熊嚨龋┖拖鄼C(jī)運(yùn)動(dòng)（gokart，摩托車等）。這些視頻的長度范圍從30到100幀。在ViSal數(shù)據(jù)集中主要比較2014年以來比較典型的算法：視頻序列顯著性檢測模型GF（Gradient Flow）[16]、SAG（Saliency-Aware Geodesic Video Object Segmentation）[17]、以及靜態(tài)圖像顯著性檢測模型SR[9]、RBD[6]。

在ViSal數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果如圖5所示。自上而下依次為原圖、GF 、SAG 、SR 、RBD 、本文算法以及Ground Truth。從圖中可以看出，SR因算法本身簡單，只輕微突出了邊緣，存在空洞現(xiàn)象，而RBD是基于背景先驗(yàn)的算法，當(dāng)顯著目標(biāo)出現(xiàn)在邊緣時(shí)會(huì)失效，在背景復(fù)雜的情況下會(huì)有嚴(yán)重的背景噪聲，與靜態(tài)顯著性檢測模型相比，視頻顯著性模型考慮了運(yùn)動(dòng)信息，效果相對(duì)提升了很多，如GF、SAG。本文的方法相對(duì)更接近Ground Truth，在背景噪聲和顯著目標(biāo)邊緣以及一致高亮顯著目標(biāo)方面均優(yōu)于其他算法。

本文采用的客觀評(píng)價(jià)指標(biāo)是PR曲線、F值以及平均絕對(duì)誤差（Mean Absolute Error，MAE）。PR曲線指的是Precision-Recall曲線，為查準(zhǔn)率-查全率曲線。PR曲線在分類、檢索等領(lǐng)域有著廣泛的使用，來表現(xiàn)分類/檢索的性能。precision是檢索出來的結(jié)果中，相關(guān)的比率；recall是檢索出來的結(jié)果中，相關(guān)的結(jié)果占數(shù)據(jù)集中所有相關(guān)結(jié)果的比率. ppre：正確預(yù)測正樣本/所有預(yù)測為正樣本；rre：正確預(yù)測正樣本/真實(shí)值為正樣本。

F值是精度和召回率的調(diào)和平均值，以評(píng)估整體性能。

[F=（1+β）?ppre?rreβ?ppre?rre] ， （12）

式中，[β]控制著分割準(zhǔn)確率和分割完全率的權(quán)重，這里選擇[β=0.3]，這是1個(gè)常用的選擇。

MAE估計(jì)顯著圖和Ground Truth之間的近似度，將其歸一化為[0，1]。MAE提供了1種新的評(píng)估方法，它直接測量顯著圖與Ground Truth的接近程度。從圖6中PR曲線可以看出，本文方法無論在召回率還是精度方面相對(duì)其他算法都有明顯的改進(jìn)，最靠近圖表右上方，且在高精確度上有最長的水平持續(xù)區(qū)間。平均F值接近0.8，平均 MAE 在 0.06 左右，明顯優(yōu)于其他算法，表明本文結(jié)果和真值更加接近。

本文所述算法的運(yùn)行環(huán)境為Windows7，內(nèi)存32 G， Intel（R） Xeon（R） CPU E5-1650 v3 @ 3.50 GHz. 在MATLAB R2014a平臺(tái)上進(jìn)行。各個(gè)算法都直接運(yùn)行作者公布的源代碼，所有代碼都在MATLAB R2014a平臺(tái)下重新運(yùn)行，不同算法的平均運(yùn)行時(shí)間比較如表1所示，靜態(tài)顯著性檢測方法用時(shí)較短，因其算法結(jié)構(gòu)比較簡單，效果也相對(duì)差。時(shí)空顯著性算法需要計(jì)算光流，表1所示均不包括計(jì)算光流的時(shí)間，GF算法在時(shí)間上較本文算法快，但精度相對(duì)較差。本文算法在時(shí)間上相對(duì)SAG較快，并且在背景噪聲和一致突出目標(biāo)方面有更好的效果。

4 結(jié)論

本文通過計(jì)算動(dòng)靜態(tài)邊緣特征，計(jì)算梯度后初步確定顯著目標(biāo)，考慮前一幀對(duì)當(dāng)前幀的約束作用，由相鄰2幀的相似度決定2幀自適應(yīng)融合時(shí)的比重，得到最終顯著圖，在ViSal公開視頻顯著性檢測數(shù)據(jù)集上實(shí)驗(yàn)，結(jié)果表明本文算法具有有效性和通用性。本文算法存在的問題是當(dāng)背景也在運(yùn)動(dòng)并且邊緣很明顯時(shí)，容易將背景同樣檢測為顯著目標(biāo)突出，如何在復(fù)雜運(yùn)動(dòng)背景的圖像中獲得更準(zhǔn)確的顯著圖，這也是今后研究的方向和重點(diǎn)。

參考文獻(xiàn)：

[1] ROTHER C，KOLMOGOROV V，BLAKE A. Grabcut：interactive foreground extraction using iterated graph cuts[J]. ACM Transactions on Graphics，2004，23（1）：309-314.

[2] MAHADEVAN V，VASOONCEIOS N. Saliency-based discriminant tracking[C]//IEEE Conference on Computer Vision and Pattern Recognition （CVPR），Miami，USA，2009：1007-1013.

[3] 肖德貴，辛晨，張婷，等.顯著性紋理結(jié)構(gòu)特征及車載環(huán)境下的行人檢測[J].軟件學(xué)報(bào)，2014，25（3）：675-689.

[4] ITTI L，KOCH C，and NIEBUR E. A model of saliency-based visual attention for rapid scene analysis[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，1998，20（11）：1254-1259.

[5] CHENG M M，ZHANG G X，MITRA N J，et al. Global contrast based salient region detection[C]//IEEE International Conference on Computer Vision and Pattern Recognition，Colorado Springs，2011：409-416.

[6] ZHU W J，LIANG S，WEI Y C，et al. Saliency Optimization from Robust Background Detection[C]// IEEE International Conference on Computer Vision and Pattern Recognition，Columbus，2014：2814-2821.

[7] 蔣寓文，譚樂怡，王守覺.選擇性背景優(yōu)先的顯著性檢測模型[J].電子與信息學(xué)報(bào)，2015，37（1）：130-136.

[8] GUO C L，MA Q，ZHANG L M. Spatio-temporal saliency detection using phase spectrum of quaternion fourier transform[C]//Computer Vision and Pattern Recognition，Anchorage，AK，USA，2007：1-8.

[9] HOU X D，ZHANG L Q. Saliency Detection：A spectral residual approach[C]//IEEE Conference on Computer Vision and Pattern Recognition，Minneapolis，Minnesota，USA，2007：1-8.

[10] 田暢，姜青竹，吳澤民，等. 基于區(qū)域協(xié)方差的視頻顯著度局部空時(shí)優(yōu)化模型[J]. 電子與信息學(xué)報(bào)，2016，38（7）：1586-1593.

[11] KIM W，KIM C. Spatiotemporal saliency detection using textural contrast and its applications[J]. IEEE Transactions on Circuits & Systems for Video Technology，2014，24（4）：646-659.

[12] ZHOU F，KANG S B，COHEN M F. Time-mapping using space-time saliency[C]//IEEE Conference on Computer Vision and Pattern Recognition，Columbus，USA，2014：3358-3365.

[13] DESIMONE R，DUNCAN J. Neural mechanisms of selective visual attention[J]. Annual review of neuroscience，1995，18（1）：193-222.

[14] ACHANTA R，SHAJI A，SMITH K，et al. SLIC superpixels compared to state-of-the-art superpixel methods[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2012，34（11）：2274-2281.

[15] BROX T，MALIK J. Large displacement optical flow：descriptor matching in variational motion estimation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2010，33（3）：500-513.

[16] WANG W G，SHEN J B，and SHAO L. Consistent Video Saliency Using Local Gradient Flow Optimization and Global Refinement[J]. IEEE Transactions on Image Processing，2015，24（10）：1-12.

[17] WANG W G，SHEN J B，PORIKLI F. Saliency-aware geodesic video object segmentation[C]//IEEE Conference on Computer Vision and Pattern Recognition，Boston，USA，2015：3395-3402.

[責(zé)任編輯 田 豐]