对象非监督发现、分割的应用领域相当广泛,包括图像理解、视频监控、图像和视频编辑、人机交互、图像和视频检索、视频编码以及对象识别等。分析已有的众多应用,发现有三点显得至关重要：一是所发现的对象与真实对象的逼近度,如边缘的吻合性等；二是所设计的应用算法的通用性和扩展能力,由于图像、视频种类繁多,一次性设计出通用性完美的发现、跟踪算法是不可能的,为达到无限地逼近真实对象的目的,相关算法具有持续升级能力和好的移植能力便显得十分必要；三是因众多资源有限的应用环境的出现,例如无线传感网等,为让图像、视频对象的非监督发现和跟踪能用于这些环境,相应的算法得轻便,易于硬化,最好是线性的。本文针对以上问题,以对象非监督提取和跟踪为目标,借鉴心理学的认知模型,基于底层特征构筑了一个对象粒认知平台,并将其用于显著对象的非监督粗糙提取。本文的主要工作包括：第一,针对复杂运动对象的跟踪失效情形,提出了一种基于颜色阈值和区域融合的方法。运动在采样时间尺度变长、物体本身外型较复杂且动作轨迹不受约束或受遮挡时,其复杂性将增加。此时将导致被连续跟踪帧间的变化增大,均值漂移算法会因Bhattarchayya系数太低而失效。针对这种情况,本文基于快速颜色阈值和区域融合,改进了均值漂移算法。实验证明,改进算法消除了失效。为做到进一步精密,比如让跟踪的边缘贴合于所跟踪的对象等,本文继续作了以下几项工作第二,为让计算机非监督地获得“感觉”,提出并实现了一种粒截分模型。通过分析已有的图像、视频底层特征的处理和语义挖掘算法,本文归纳出了一种映射关系,即底层特征、知识表示、语义概念对人类认知的感觉、知觉、表象。以此为指导,开始探索一种由感觉到表象的对图像、视频对象的非监督认知方法。做为基础,为让计算机能自主产生对彩图的“感觉”,基于人工智能领域中的长于模拟人类思维解决复杂问题的粒计算理论,提出了一种粒截分模型。首先以粗糙集和商空间理论为指导,构建拓扑信息系统。接下来,将数据视为超立方,建立由基础截分向量和拓扑截分向量构成的截分向量集,以图分别示意基础截分向量和拓扑截分向量的截分效果,提出了概念粒和连通粒两个新概念,给出了粒截分模型的定义。最后,为实现粒截分模型,设计一种单属性分析器,论证相关的定理及引理,详细描述所有概念粒的截分过程,讨论了存在的不足,并通过计算证实了单属性分析器的低复杂度。在超过三百幅各类彩图上做了实验,结果显示：单属性分析器能有效分析所指定的属性,让计算机从彩图中得到“感觉’第三,为让“感觉”更清晰,提出了一种可适用于任意图像甚至图像碎片的粒标注算法。首先,根据粒截分模型依据所选用的观察概念截分图像,得到相应的概念粒。然后,行压缩指定概念粒或全部概念粒,得到对应的行连通段。最后,给出了实现粒标注的算法—IGL算法,详细描述标注、提取所有连通区(本文称连通粒)的过程,定义可供后续处理应用的开放存贮结构,讨论标注模型向高维的可扩展性。用二值图和彩图分别作验证和比较分析,所得结果表明：所呈标注算法精确、鲁棒,且较之传统标注算法更高速。第四,考虑到截分所得的“粒”是任意形状、任意分布的连通区域,对以区域为基元作特征提取和分析进行了探索,提出并实现了一种粒相关边缘模型。本文针对现有边缘提取算法不能提取任意形状、任意分布区域的边缘及所提取的边缘缺乏统一模型、与实际对象的相关性不密切等问题,提出一种粒相关边缘模型,并给出相应的实现算法—任意区域边缘提取算法(Arbitrary Region Edge Extraction,简称(?)REE)。粒相关边缘模型兼容于粒计算理论,由拓扑信息系统、概念粒、连通粒及边缘空间等概念组成。AREE算法引入行连通段等定义,给出并证明计算边缘集的定理,随后依据定理在压缩状态下搜索连通粒中的内点,进而完成边缘提取。对比分析和示例实验都证明：本文所提出的算法能精确、快速地提取出各类图像中任意连通粒的边缘。第五,基于以上构筑的认知平台,提出了一种显著对象非监督粗糙认知算法。算法首先以粒截分模型用双概念分别拓扑划分论域,标注连通粒；依据尺度过滤掉过小拓扑等价类；用拓扑连通强度、拓扑分布密度等计算出拓扑等价类的拓扑显著度；借改进Fisher线性判别算法找到最大跃变点,裁掉拓扑显著度过小的拓扑等价类,得到候选区；以维扫梯度等捕捉拓扑等价类间的渐变模式,完成局部粗糙分割,得到候选对象,更新候选对象的拓扑显著度；再次调用Fisher线性判别算法裁减,如果还剩多个对象,用位权选择最终显著对象。最后,以实验分步验证了算法的执行过程,并与同类三种算法的提取结果作了比较分析,证实了本文算法的直观语义逼近效果。