视觉显著性目标检测是计算机视觉领域的热门研究方向,其任务目标是通过模拟人类视觉注意力机制建立启发式或学习模型,定位视觉场景中的显著性目标并将其从背景中完整一致地高亮出来。相比于图像的显著性目标检测,视频的显著性目标检测任务是更具有挑战性的,这是由于视频具有更加复杂的非限定动态视觉场景,如运动背景、相机抖动、小目标、目标形变、目标遮挡、低前景背景对比度等。在这些复杂的动态视觉场景中,现有相关检测模型仍然受困于复杂运动背景干扰、显著性目标图连续一致性差、显著性目标图边缘模糊粗糙等问题,还不能很好地完成复杂视觉场景中的显著性目标检测任务。通过挖掘时空上下文信息来实现时空特征的有效提取及互补融合是提升显著性目标检测性能的关键。图模型方法因其在上下文关系建模方面的有效性而被广泛研究。然而,在面对复杂动态视觉场景时,稳健的视频显著性目标检测模型的构建仍然存在许多挑战:一是在面对具有复杂运动背景的场景时,如何建立鲁棒的时空显著性特征,并设计图模型融合方法实现多种特征的优势互补,进而有效地滤除无关复杂运动背景的干扰;二是在面对具有低前景背景对比度、目标形变、运动模糊等复杂场景时,如何挖掘图节点间的时空约束信息,并改进现有图模型融合时空特征理论,实现空间和时间显著性信息的优势互补,进而提升显著性目标图的连续一致性;三是在有足够的训练样本数据时,如何设计有监督的深度图学习方法来挖掘和聚合时空图结构数据中重要的显著性信息,进而提升保留显著性目标精细边缘的能力。针对上述挑战,本文在图模型理论框架下研究时空特征建模和融合方法,从不同的问题角度展开对视频显著性目标检测算法的研究。具体地,本文的主要研究内容分为以下三个方面:首先,针对复杂运动背景干扰的抑制问题,本文从时空显著性特征抽取和融合的角度出发,提出了一种基于运动能量和时空似物性的图聚类视觉显著性目标检测方法:首先提出了一种新型运动能量特征建模方法,其通过挖掘运动幅值、运动方向、梯度流场和单帧图像空间梯度等信息来提升对显著性目标内部区域的表达能力;还提出了一种时空似物性图特征生成方法,其通过挖掘当前帧的似物性采样框与前一帧似物性采样框及其显著目标图之间的关系,生成一个比空间似物性图更加紧凑的目标待检测区域;最终利用图聚类的方法融合以上两种特征来降低复杂运动背景的干扰。通过详细的实验分析工作,验证了本文所提方法在抑制复杂运动背景干扰方面的有效性,能有效应对具有复杂运动背景的视觉场景。其次,针对显著性目标图的连续一致性提升问题,本文从超像素节点间时空约束信息挖掘和流形正则框架下多图模型时空特征融合的角度出发,提出了一种基于鲁棒种子抽取和多图模型时空传播的视觉显著性目标检测方法:先利用图聚类方法生成可靠的显著性种子,依据显著性种子建模区域一致性约束并重构时空图节点间的连接关系,引入图像簇分割的先验信息来优化图边权值;再构建出多图模型流形正则框架,以显著性种子为查询节点,在时空图结构数据中传播显著性信息以实现时空特征的融合互补,提升显著性目标图的连续一致性。通过详细的实验分析工作,验证了本文所提方法在增强显著性目标图连续一致性方面的有效性,能有效应对具有低前景背景对比度、目标形变、运动模糊等的复杂场景。最后,针对显著性目标精细边缘的保留问题,本文在深度图卷积神经网络框架下,从图节点的显著性信息挖掘和聚合的角度出发,提出了一种基于深度图卷积和注意力感知的视觉显著性目标检测方法:首先设计了一个多流深度图卷积学习架构,通过引入注意力模块来自适应地选择图节点并融合编码时空显著性信息;还提出了一种新颖的边门图卷积操作,其通过显式地挖掘图节点之间的关系以学习区分不同节点的重要程度,并从邻近节点聚合不同的显著性信息,增强图节点的嵌入特征表达能力,提升视频显著性目标检测的性能。通过详细的实验分析工作,验证了本文所提方法在学习聚合图结构数据中重要显著性信息方面的有效性,使模型兼具有精细的显著性目标边缘保留能力和强大的学习能力。在上述研究中,本文针对复杂场景下视频显著性目标检测任务存在的挑战,从不同的问题角度进行了深入地探究,为提升视频显著性目标检测性能提供了切实可行和有效的解决方案。结果表明:在面对具有复杂运动背景的视觉场景时,通过挖掘时空上下文信息构建的运动能量特征和时空似物性图特征,以及图聚类融合特征方法能够有效抑制复杂运动背景的干扰;在面对具有低前景背景对比度、目标形变、运动模糊等复杂场景时,通过挖掘超像素节点间时空约束信息和在流形正则框架下的多图模型时空特征融合够提升显著性目标图的连续一致性;在具有训练样本数据时,通过设计有监督深度图学习的方法能够有效地挖掘和聚合时空图结构数据中重要的显著性信息,使模型具有保留显著性目标精细边缘的能力。