王 超，李 静，李东民

(南京航空航天大学 计算机科学与技术学院，南京 211106) E-mail ：jingli@nuaa.edu.cn

1 引 言

显著目标检测是采用计算机视觉方法在一幅图像中通过抑制图像中冗余繁杂的背景信息能够快速准确的提取出人们感兴趣目标的技术.协同显著目标检测[1]指的是在多幅图像中提取相似或共有的目标，根据图片输入的数量，协同显著检测可以分为两幅和多幅两类.协同显著目标检测在协同分割、目标识别与跟踪、联合目标发现等领域具有广泛的应用，成为图像处理领域的研究热点.单幅图像的显著目标研究不能完全符合人类对图像的认知，协同显著目标检测可以从多幅图像或动态视频中寻找一个或多个相似的目标，与人类对图像的理解相类似，更好的适应人类视觉注意机制，结合协同显著性检测方法可以对多幅图像进行显著性区域有效提取.协同分割[2](Co-segmentation)指的是在没有额外图像标签信息的前提下，在多幅图像中分割相同或相似的目标.图1给出一个协同显著目标分割示例，原图中的棒球选手作为协同显著目标的被分割出来.

当图像的前景与背景区分度较大时，通过单幅显著性目标检测算法就可以获得很好的检测效果，但是在面对多幅图像且图像背景复杂时，由于只在单幅图像范围内计算显著性，不考虑图像之间的相关性对目标的影响，生成的显著图中会不恰当地高亮图像背景.Fu等[3]提出了一种基于聚类的协同显著性……