[2015]Consistent Video Saliency Using Local Gradient Flow Optimization and Global Refinement

本文提出了一种时空显著性检测方法，基于梯度流场和能量优化函数来检测视频中的显著区域。所提出的梯度流场包括两个不同的特征：1）帧内边界信息和2）帧间运动信息。然后，使用从梯度流场估计的前景和背景信息引入局部和全局对比度显著性测量。这些增强的对比度显著性提示均匀地突出整个对象。进一步提出了一种新的能量函数，以促进输出显著性图的时空一致性。本算法主要包含三步：显著性估计，显著线索精化，时空显著性优化。

显著性估计：对于输入视频帧，首先将其分割为超像素，保留图像中的强边缘信息，忽略细节，超像素之间的强边界反映了图像颜色的不连续性，有助于区分前景背景。在复杂的纹理图像中，仅由颜色确定的边缘信息不能检测出完整的显著物体，在视频帧中的，运动信息对于显著物体的检测尤为重要，考虑到物体可能运动十分缓慢，仅根据运动信息也不足以检测出显著物体。所以通常将图像时间和空间信息结合用于视频帧中的显著物体检测。