传统的视觉注意模型能够较好的提取出静止图像的感兴趣区域，但是当这些方法应用到视频图像上时，只能独立的处理每一幅图像，而忽视了图像之间的相互联系，这就导致了视频图像运动信息的丢失，基于这个缺点，本文对传统的视觉注意模型加以改进，添加运动特征，建立了能够有效计算视频图像显著图的视觉注意模型，在基于视频图像组的感兴趣区域提取方法中，对谱残差算法和PCT算法做了比较，最后采用PCT算法来计算图像的显著图。基于视频图像组的感兴趣区域方法，同时计算不同空间的显著图，这样可以在不同的空间中利用运动信息，达到了运动信息不丢失的目的，并且对其显著图计算方法加以改进，使得提取出的感兴趣区域结果更佳。该算法中，使用了谱残差算法和PCT算法来计算图像的显著图，而效果良好的显著图往往能让我们更准确的提取出感兴趣区域，因此我们通过仿真实验来比较两种算法的优劣，找出其中较好的一种方法。基于视频显著图模型的感兴趣区域提取方法，采用谱残差算法计算图像的显著图，并在此原始算法的基础上加入了运动特征，这样就有效的利用了运动信息，可以获得效果良好的显著图，并以此显著图为基础，提取出较为完整的感兴趣区域。原始谱残差算法仅仅考虑了图像的强度特征，在此基础上加入了颜色特征，方向特征和运动特征，其中运动特征使用帧差法来提取，并且采用多尺度分析，这样就构成了本视频显著图模型。文章的最后给出了本模型的实验结果，通过这些结果来检验该模型的性能。