偏色检测是计算机视觉领域的一个热点问题。目前工程应用中常出现的偏色检侧方法包括灰平衡法、直方图统计法、先验知识法和等效圆法等。但这些方法都存在一定程度的局限性。视觉显著性计算模型的研究为视觉计算领域中的难题提供了一种解决的新思路。近年来,许多传统的应用模型渐渐进入了一个瓶颈期,而视觉显著性计算模型却蓬勃发展,已成为一个热门的研究领域。许多研究者希望这种新思路能使得视觉计算领域能够有所突破。基于以上两点本文将显著性用于偏色检测算法中,主要研究工作如下。调研显著模型框架及研究内容过程中,发现显著性研究主要分为“显著性图”及“显著性区域”。对此,提出两种基于视觉显著性的视频偏色检测算法。首先提出一种基于超像素Lab显著性的视频偏色检测算法。该方法利用超像素分割获取位置相邻且颜色、亮度、纹理等特征相似的像素区域,旨在通过超像素特征提取、特征融合及归一化等得到灰度显著图对视频图像偏色程度作初步判断,并通过SVM得到分类回归模型,对偏色正常视频进行分类并对偏色程度评分。其次提出一种基于显著性区域特征的视频偏色检测算法。该算法通过显著性模型得到显著区域对偏色正常视频分类,提取显著区域的特征判断视频偏色类型并估计偏色程度。本文依次对两种方法进行实验测试,相对于等效圆算法以及其他传统算法而言,本文算法不仅提高偏色检测准确率,而且偏色程度更接近人主观判断,同时检测视频偏色类型,为视频偏色检测提供了一个新的研究方向。