轮廓编组计算模型以边缘片段为编组元,以获取具有明确视觉意义的目标轮廓为主要任务,是一种非常重要且极具研究价值的知觉组织计算模型。以此为基础研究图像序列中显著运动目标的提取,能够更好地引入知觉组织原则,为后续的目标识别、场景理解等提供更为准确、简洁的输入,具有重要的理论价值和实际意义。本文在轮廓编组计算模型的研究基础上,探讨了编组元的时空特征描述和运动目标闭合轮廓的显著性,提出了基于显著性和运动一致性的轮廓编组算法。在此基础上实现了图像序列中的运动目标的提取。本文的主要工作如下：(1)研究了图像序列中边缘片段的运动特征,提出了基于全局运动对比度的编组元优化算法。该算法利用编组元邻域的运动特征有效地区分了目标边缘片段和非目标边缘片段,不仅降低了编组元的规模,而且提高了编组元的质量。在数据集上的编组元提取实验表明,与现有编组元提取算法比较,本文算法所获取的编组元能够获得更优的编组结果。(2)研究了图像序列中的运动目标区域的显著性。从轮廓编组的显著性定义出发,研究了区域运动显著性对于轮廓编组的影响,提出了基于运动显著性的轮廓编组算法。将运动显著性区域作为边缘片段连接的约束,抑制了非显著区域对于轮廓编组的影响。实验表明,与现有轮廓编组算法比较,该算法能提高图像序列中运动目标轮廓提取的质量。(3)研究了目标区域的运动特点,提出了基于区域运动一致性的轮廓编组算法。在编组代价函数中引入了区域运动一致性约束并通过优化算法提取出显著闭合轮廓。实验表明,该算法能够提高图像序列中运动目标轮廓提取的质量。