人们在观察事物时,即使是复杂的场景,也能迅速的找到自己感兴趣的区域,这就是所谓的视觉选择机制,而该感兴趣的区域则被称为视觉显著性区域,显著性一般表现为稀疏性,强对比度。显著性目标检测是指通过模仿人眼的视觉选择机制来获得与环境差异较大的前景目标。基于显著性的目标检测大多作为图像处理中的预处理模块,为后续处理过程提供目标的大概位置信息。现已广泛应用于图像压缩、目标跟踪、目标识别以及人机交互等领域,其研究和应用价值不容小觑。传统的单一的运动目标检测方法,背景减除法,帧间差分法和光流法,都有或多或少的缺陷,如背景减除法对于缓慢的运动目标检测效果不理想,帧间差分法对目标轮廓的检测不理想,光流法容易受噪声、光照变化等的影响。上述方法在背景复杂或者变化的情况下表现不佳,而基于显著性的运动目标检测则可以较好解决上述问题。基于显著性的运动目标检测方法,可以通过当前帧的空间显著图大概定位目标,再通过相邻帧的时间显著图进一步精确,因此受噪声、光照、背景等因素的影响小。而现有的显著性方法大多是基于单幅静态图像,对视频帧的处理还较少,本文希望结合空间显著图和时间显著图来获得能有效处理视频帧的显著性方法。本文的空间显著图通过改进基于频域的FT方法来获得,对FT方法从预处理,双颜色空间以及对得到的显著图采用中心周围对比度算子这三个方面来进行优化,使其对背景的抑制能力更好同时更利于突出前景。时间显著图通过光流法来提取相邻帧的运动向量,并针对中心周围对比度算子的不足,提出了带权重的对比度算子将更多的注意力放在离中心点更近的区域,通过实验选取了相对最优的对比尺度,并以此来获得时间显著图。最后合理的融合方法能够有效地结合空间和时间显著图的优势,获得更完整有效的显著目标区域,并通过实验对比了常用的几种融合空间和时间显著图的方法,选取了最适合本文的归一化相加融合方法。