随着多媒体技术的迅猛发展,图像视频等多媒体信息日益增长,人工处理这些海量信息已不可能。因此提出了显著性检测的概念,使计算机能像人眼一样从大量图像或视频中迅速捕获最值得关注的部分,进而对这些部分进行优先或重点处理。本文主要针对立体视频进行显著性计算模型的构建,当前基于立体视频的显著性检测模型主要利用三大类信息:2D静态信息、运动信息和深度信息。当前大多数工作都建立在深度图质量优秀的基础上,而通过立体匹配或距离传感器获得的深度图总会带有一些空洞或噪声,这些问题都会使模型的性能下降;此外在目前针对多特征显著图的融合方法中,很多采用简单数学运算的方法无法有效挖掘不同场景中不同特征发挥的作用,从而使有的场景结果较好而有些场景结果很差。本文针对上述问题展开了研究。首先,提出基于超像素内聚类的深度显著图生成算法。该算法首先对深度图进行超像素内聚类,然后利用每个超像素的大类聚类中心去进行全局对比度计算,以减少深度图中噪声和空洞带来的影响;最后引入背景先验信息,以减少某些自然场景中与显著物体拥有相同深度值的天空或地面等区域的影响。然后,采用稠密光流为视频每一帧计算一张运动显著图。针对3D场景,为了可以检测到物体在垂直镜头方向的运动,本文将深度信息加入到2D视频的光流中,得到每个像素点在水平、竖直和垂直镜头三个方向上的位移;同样对运动图进行超像素分割,并进行全局聚类找到相对静止的“背景代表”超像素,计算其它超像素与该“背景代表”的距离,以解决部分场景相机存在运动的情况。最后采用基于贝叶斯公式的融合算法将2D静态特征、运动特征和深度特征这三类特征各自得到的显著图进行融合,以使不同种类的显著图能互相修正,“取长补短”。实验结果显示我们的显著性检测模型相比其它经典算法拥有更加准确和稳定的表现。