随着科学技术的发展,人们在可视信息的采集、显示、存储、传输等方面取得了显著的进步。随之而来的问题是,实时视频处理的任务变得尤为艰巨。视频显著性检测应运而生,逐渐成为研究的热点。如今,大部分视频显著性检测模型采用基于像素域的方法。基于像素域的视频显著性检测模型必须先将压缩视频解码到空域,然后再进行特征提取。对于视频进行解码的过程不仅耗时而且计算比较复杂。近年来,基于压缩域的视频处理逐渐受到关注。这是因为使用码流信息进行视频处理无需经历解码这个复杂的过程,有利于视频的实时处理。目前基于压缩域的视频显著性检测模型处于初级研究阶段,在显著性检测精确度等方面有待提高。因此,对于基于压缩域的时空域视频显著性检测模型的进一步研究具有重要的意义。本文通过对现有基于压缩域的时空域视频显著性检测模型的研究,提出了一种能够增强显著性区域检测精度的显著性分析方法。首先,通过提取H.264压缩视频码流信息获得颜色、纹理和亮度的空域特征以及运动矢量时域特征。然后对运动矢量进行时域归一化及全局运动补偿操作。最后,利用上述特征进行显著性建模,分为以下三个步骤：基于空域显著性检测、基于时域显著性检测、空域显著性区域与时域显著性区域融合。实验表明,本文提出的基于压缩域的视频显著性检测算法,无论是在主观实验还是客观实验中均具有较好的效果。本文同时通过对现有视频指纹技术的研究,针对现有视频指纹技术的缺陷,提出了将视频显著性区域应用于视频指纹提取技术。在视频指纹提取阶段,将视频显著性区域作为视频指纹提取的基本单元,获得了对空域视频处理具有高鲁棒性的空域视频指纹摘要。另外,通过对同一镜头内视频指纹特征进行聚类操作,获得了对时域视频处理具有高鲁棒性的时域视频指纹摘要。在视频指纹匹配阶段,对现有匹配算法进行了改进,通过调整判决阈值,提高了视频指纹匹配的精度。实验表明,本文提出的基于视频显著性区域的视频指纹技术,与现有视频指纹技术相比,具有较低的计算复杂度,并且对空域视频处理和时域视频处理均具有较强鲁棒性。