近年来,随着科技的快速发展,图像与视频数据都在以爆炸式的速度增长,为了快速处理大量的图像与视频数据,从中快速提取出有用的信息,研究人员越来越重视显著性提取技术的研究。显著性检测的目的是为了检测出一幅图像或者一段视频中的显著目标所在的区域,根据人类视觉机制显示,该显著区域就是人眼最关心的区域,通常越显著的区域包含的信息越有价值。显著度检测广泛用于图像分割、目标识别、图像压缩、图像检索等领域中。针对图像视频,提出了一种基于频域和目标性的图像显著度提取方法和一种基于显著连续性和图论的视频显著度提取方法。第一种是基于频域和目标性的图像显著度提取方法。该方法首先对输入图像进行曲波变换,然后通过曲波变换重建提取出特征图,接着提取输入图像的目标性特征图,紧接着对输入图像进行超像素分割,根据自定义一致性策略,先将特征超像素与目标性超像素做一致性对比,然后将特征图与目标性特征图做整体一致性对比,获取最佳特征超像素和最佳特征图,最后通过自定义融合策略生成最终图像显著图,本章提出的图像显著度提取方法在MSRA1000和CSSD数据库上都表现出了很好的效果,其选出的目标区域更为符合人类的视觉系统。第二种是基于显著连续性和图论的视频显著度提取方法。该方法分为两大模块,第一模块:首先利用光流估计法计算运动矢量场,建立帧间超像素的关联,然后通过前向和后向传播显著度到当前帧;第二模块:首先提取时空梯度图,通过光流场提取运动直方图,利用图像显著度提取静态图像显著度,利用前后帧和当前帧的背景超像素融合作为当前帧的背景先验,然后基于图论计算显著度;最后将两个模块的结果进行线性加权融合生成最终的视频显著度。本章提出的视频显著度提取方法在SegtrackV1和SegtrackV2数据库上进行大量实验,验证了本章算法的适用性和有效性。