在机器视觉和自动化检测等领域,目标提取都有着非常重要的作用。近年来,随着互联网的快速发展,数字媒体信息呈现爆发式增长。在众多图像中,离焦模糊图像的比例和数量也在增加,对离焦模糊图像进行完整准确的目标提取,在视频监控、无人机识别等领域有着重要的作用。通过对离焦模糊图像的目标提取结果,可以进行图像压缩、目标特征提取、目标边缘检测、目标识别和图像分割等处理。离焦模糊图像目标提取是机器视觉基础课题的重要组成部分,有着重大的研究意义和价值。虽然现在已经有很多离焦模糊图像目标提取的方法,但还是存在一些不足。比如处理复杂的离焦模糊图像时,提取的目标区域准确性较低,不能完整的提取目标区域等,针对上述这些问题,本文提出一种基于奇异值分解的离焦模糊图像目标提取方法。首先对原图像进行高斯模糊,然后对原图和高斯模糊后的图像进行遍历,以每一个像素点为中心,多尺度地对两幅图像取得相同大小的图像块,并对图像块进行奇异值分解,得到代表不同图像块信息的奇异值特征向量。通过构造和分析奇异值差异比值特征向量,并针对奇异值向量中代表不同图像信息的低频、中频和高频定义不同的权重,得出差值奇异值向量的分段式权重方法,计算对应中心像素点的显著性强度值,对图像遍历完得到的显著性强度图进行阈值化处理,得到显著目标区域。利用模糊前后奇异值向量变化较多的中频、高频区域,使用编辑距离算法计算奇异值向量相似度,对显著目标区域进行显著增强,得到最终离焦模糊图像的目标提取结果。本文在DUT-DBD标准数据集上对本文方法进行实验分析,并与另外五种经典的离焦模糊图像目标提取方法的结果进行比较。本文方法在简单场景和复杂背景下都能完成对离焦模糊图像的目标提取任务,而且在目标提取结果上有较好的视觉显示效果。通过离焦模糊图像目标提取结果的客观评价方法,表明了本文方法在目标提取结果上具有较好的完整性和准确性。