轮廓编组的目的是从输入中提取独立的目标轮廓,是一种以边缘片段为编组对象的知觉组织过程。由于轮廓能够很好地描述目标的几何特征和拓扑特征,并且表示具有很好的简洁性,因此对于后续的高级视觉任务,如目标识别、场景分析、基于内容的图像检索等都具有重要的意义。本文以格式塔编组原则为基础,以图像序列为输入,提出了基于时空信息的轮廓编组算法,本文的主要工作如下：1、研究了边缘检测算法,从轮廓编组的特点出发,提出了基于gPb的边缘片段编组元提取算法。2、研究了时空信息的提取方法,利用LDOF光流法提取图像运动信息,利用RGB/Lab颜色模型和伯克利纹理算子,提出了基于光流法的运动特征和基于颜色、纹理描述的空间特征提取算法。3、研究了流形学习方法,比较了线性降维和非线性降维方法对时空特征的处理效果,采用了基于流形学习的时空相似度计算方法。4、在研究聚类方法的基础上,以时空相似度为聚类信息,提出了基于自适应谱聚类的轮廓编组算法。本文算法在Stein和BJTU motion数据集上取得了满意的编组结果,编组效率达到72.52%。本文的研究内容是众多中高级视觉任务的基础。