随着科学技术的发展,手机、电脑以及其他的一些电子设备与人们的生活产生了越来越紧密的联系。人们日常生活中接触的信息也呈现指数式增长,其中视觉信息占据了绝大部分。人的视觉系统如何处理这些复杂多变的信息成为一个研究热点,与之相应的计算机视觉概念也相继提出,视觉注意机制与图像显著目标检测是其重要研究方向之一。在图像处理过程中,特征提取是十分重要的环节之一。因此,本文首先介绍了图像显著目标检测领域常用特征和提取算法。此外,对于不同的显著目标检测模型,选取不同的颜色空间会对最终的检测效果产生重要的影响,所以,本文对不同的颜色空间模型进行研究为后期模型的建立做铺垫。本文建立的第一个模型是基于小波金字塔的显著目标检测模型。该模型是受Itti生物视觉注意模型的启发,采用小波金字塔模型取代高斯金字塔模型,充分发挥图像小波变换的局部信息表达能力及多尺度空间分析能力,能够使最终的显著目标图像具有较好的轮廓信息。另外,我们将改进型的中心先验知识融入到小波金字塔模型中,进一步增强了显著目标检测效果,有利于目标分割。文章建立的第二个模型是基于图像局部分析与全局分析的显著目标检测模型。因图像的小波变换其具有上述优良的性能,能够对提取的特征图像进行局部分析,进而获得局部分析的特征显著图像。但是,由于其局部细节表达能力容易导致检测显著目标不完整以及具有复杂纹理背景信息融入,因此文章进一步融入谱残差算法对图像做出全局分析,获得全局分析的显著图像。将两种显著特征图像采用非线性融合算法进行处理,得到了最终的显著图像。从最终的实验结果分析来看,无论是直观上的显著图像还是客观上的P-R曲线,该模型的检测效果要优于其他几种算法。本文的最后一种算法是基于图像频域分析显著目标检测算法。事实上,无论是基于图像小波变换的显著目标检测模型还是基于谱残算法的显著目标检测方法,都是从图像频域角度进行分析得到的目标检测模型,文章进一步将频域调谐算法与上面的基于局部和全局分析的显著目标检测模型进行融合,进而获得了一种新的基于图像频域分析的图像显著目标检测模型。该模型在MSRA 10K以及ECSSD两个不同的数据库进行检测效果测试,结果显示,本文的模型能够较好的适应不同类型的图像,并且在图像拥有多目标,大目标以及复杂的背景的情况,检测效果都要优于其他几种算法。