视频分析已成为推动水产养殖信息化和智能化的重要技术手段,视频分割是进行鱼体跟踪、行为监测识别和异常行为预警的关键环节。本文针对室内水产养殖场景下运动鱼体视频分割问题,研究视觉显著性驱动的运动鱼体分割算法。首先,采集并记录了大量鱼体活动视频数据,对亮度、颜色、纹理和边缘等底层图像特征进行了分析,研究了面向鱼类水产养殖场景监控视频的预处理算法。在此基础上,研究了运动目标视频分割的基本理论和常用算法,叙述了运动目标分割所面临的难题,为后续视频显著性驱动的运动鱼体视频分割研究奠定基础。接下来,对比和分析了经典Itti视觉显著性计算模型和基于图论的视觉显著性计算模型。重点针对将基于图论的视觉显著性计算模型应用于水产养殖运动鱼体分割中面临的问题,提出了一种融合运动特征的多特征自动加权的改进算法,用于在全景视频序列中提取具有显著动态特性的兴趣区域。实验结果表明,改进的显著性模型有助于提取场景中具有运动显著性的区域。最后,进一步分析了将上述视觉显著性计算模型应用于养殖监控场景所面临的实际问题。为了抑制水面杂波反光、循环水流等非鱼体运动的噪声干扰,将自下而上的显著性计算与任务导向的自上而下先验信息相结合,采用基于方向梯度直方图的支持向量机模型,对提取的底层显著区域子图进行目标校验,剔除噪声干扰,最终准确分割出视频中的运动鱼体。实验验证了本文算法在水产养殖监控视频中分割运动鱼体目标的合理性和有效性。