近年来，显著性目标检测受到工业界和学术界的大量关注，成为了计算机视觉领域中一项重要的基础研究，该问题的解决有助于各类视觉任务取得突破性进展。尽管针对可见光场景的显著性检测工作已经取得了有效成果，但如何在信噪比偏低、可用有效信息匮乏的弱光图像中提取边界清晰、内部结构准确的显著性目标，仍然是具有挑战性的难题。针对弱光场景下显著性目标检测存在边界模糊、结构不完整等造成准确率较低的问题，提出基于蚁群优化（ACO）算法的显著性检测模型。首先，通过多尺度超像素分割将输入图像转换为具有不同节点的无向图；其次，基于最优特征选择策略来更充分地获取低对比度弱光图像中所包含的更多显著目标的特征信息，并摒弃冗余的噪声信息；然后，引入空间对比度策略用于探索弱光图像中具有相对较高对比度的全局显著性线索。而为了在低信噪比情况下也能获取准确的显著性估计，利用ACO算法对显著图进行优化。通过在3个公共数据集（MSRA、CSSD和PASCAL-S）以及夜间弱光图像（NI）数据集上进行实验，可以看出，所提模型在3个公共数据集上的曲线下面积（AUC）值分别达到了87.47%、84.27%和81.58%，在NI数据集上的AUC值比排名第2的低秩矩阵恢复（LR）模型提高了2.17个百分点。实验结果表明，相较于11种主流的显著性检测模型，所提模型具有结构更准确且边界更清晰的检测效果，有效抑制了弱光场景对显著性目标检测性能的干扰。

贺昆(1969-),男,北京人,工程师,主要研究方向:安防监控、公安保卫;刘舟(1981-),男,湖南株洲人,博士研究生,主要研究方向:模式识别、计算机视觉、图像处理;戚鹿宁(1979-),男,北京人,助理工程师,主要研究方向:安防监控、公安保卫;杨恒(1983-),男,河南商丘人,硕士研究生,主要研究方向:模式识别、计算机视觉、图像处理;朱桐(1983-),男,北京人,助理工程师,硕士研究生,主要研究方向:安防监控、公安保卫;刘燕伟(1983-),男,山东青岛人,助理工程师,硕士研究生,主要研究方向:安防监控、公安保卫;周计美(1984-),女,河北邢台人,硕士研究生,主要研究方向:模式识别、计算机视觉、图像处理。

针对H.264/AVC码率控制模型的不足，提出了平均绝对变换量化误差（MATQD）的概念，以及基于MATQD的加权预测模型和新的二次R-D（Rate-Distortion）模型，然后给出完整的宏块级码率控制算法，其中，在预测宏块纹理码字分配时，提出了用MATQDratio计算宏块目标码字以及一个头码字的加权预测模型。实验结果表明，与JM8.5下的标准码率控制算法JVT-G012相比，本文提出的算法的码率控制精度更高，输出码流更加平稳，图像的平均质量更好。