孙韶华，徐 志

（1.南京审计大学实验中心，江苏南京 211815；2.江苏省南京市江宁区审计局，江苏南京 211100）

如何在图像冗杂或丰富的各类信息中得到最想要部分，或者说如何节约时间以高效率达到既定目标是图像特征检测发展的方向[1]。综合国内外现状，可以看出显著运动目标检测算法的研究还处于初级阶段在应用上仍存在局限性，对于复杂背景下目标检测结果并不十分理想，显著运动目标检测算法在应用于适用范围方面还有很多待解决的问题[2]。庄博阳等人提出使用光流法的快速车道线识别算法，提升了车道线检测算法的效率与精准度[3]。方正等人使用卷积神经网络特征降维方法，改善了显著性模型图像的采集性能[4]。主通过对选定对象的显著特征及运动特征进行研究，一方面基于图论的显著特征提取法提取图像显著特征；另一方面通过光流法提取运动特征，融合这两种特征构建显著目标检测框架。对各种算法进行研究，不断完善对理论的掌握及运用，并结合Matlab 仿真体现显著目标检测算法的可行性及优越性。

1 光流算法与显著算法概述

1.1 静态背景下HS光流算法仿真及分析

（1）HS光流算法原理。

HS算法又称稠密光流法[5]，引入全局平滑性约束条件确定光流，假设光流在整个图像上速度变化率为零：

由式（1）可知光流w=(u,v)应满足：

其中，λ根据图中噪声情况取值，噪声强时，λ取值较大，数据更加依赖光流约束方程。噪声较弱时，λ取值较小。

（2）HS光流算法仿真。……