陈恒晟，王 军，毛 毅，孟祥豪，刘 刚，吴国栋

（1.国防科技大学，安徽 合肥 230037；2.中国人民解放军91306 部队，上海 201900；3.中国人民解放军第61516 部队，北京 100071）

0 引言

人类在面对自然场景时，会对所接收到的视觉信息进行预处理，自动过滤掉无关紧要的背景，筛选出最引人注意的目标。显著性目标检测算法正是模拟人类这种视觉注意机制，通过构建有效的计算模型，从图像中检测出最具有代表性和显著性的目标，从而提取图像关键信息，简洁高效地表达图像内容。在以往的研究中，显著性目标检测往往只针对一幅静态图像，即通过提取单幅图像的特征描述其显著性信息。然而随着时代的发展，显著性目标检测应用的场景越来越复杂，对于目标检测的要求和标准也越来越高，基于单一图像场景的显著性目标检测已无法满足应用需求。因此，近年来基于多图像协同的显著性目标检测正逐渐成为一个热门研究课题。所谓协同显著性，是指多场景中共同存在的相同或者相似目标的显著程度。其不仅要考虑单幅图像的显著性目标特征，而且还需要兼顾一组图像之中共同目标之间的协同性特征。协同显著性在协同分割、目标跟踪、多场景目标识别、人脸识别等领域[1]都有着重要的研究价值。

近年来，针对协同显著性目标检测问题，不少学者做了大量的研究工作并提出了很多优秀的算法。这些算法大致可以分为基于特征融合的算法和基于图融合的算法。……