汪虹余，张彧，杨恒，穆楠

（四川师范大学计算机科学学院，成都 610101）

0 引言

显著性目标检测旨在模拟人类视觉系统，自动过滤掉图像或视频中的冗余的背景信息，准确地提取出与人类视觉感知一致的最感兴趣区域。显著性目标检测可以作为各类计算机视觉任务的预处理，能够广泛用于目标识别［1］、视觉追踪［2］、图像检索［3］、行人重识别［4］等领域。尽管在各种复杂场景下显著性目标的定位工作已经取得了初步进展，但在弱光条件下如何准确检测显著性目标仍然是一个具有挑战性的问题。其主要原因可归结为以下3个方面：1）视觉特征在弱光条件下的适应性变差；2）弱光环境造成有效显著性信息严重缺失；3）弱光条件中的图像噪声和杂乱背景对目标检测具有强烈干扰。

处理这些问题的核心在于如何提取弱光场景中可用的视觉特征以及如何测得最佳对比度值，从而将显著性物体从弱光背景中分离出来。大多数传统的显著性检测模型都依赖于探索对比度线索，通过该线索确定图像像素、超像素或区域相对于其局部邻域或全局邻域的差异性。Itti等［5］提出了第一个基于局部对比度的显著性检测模型，通过评估图像块多尺度特征的差异度来测量块的显著值；Zhang等［6］考虑了不同的空间布局和尺度变化，并提出了一种多尺度和多区域机制来生成局部显著图；Jian 等［7］提出了一种有效的局部颜色对比方法，该方法足以突出显示并从复杂的背景中分离出显著的对象；……