图像显著性检测是很多图像处理领域的重要步骤,它是图像分析,特征提取和探索人类视觉特性的综合过程。显著区域检测对各种基于图像分析和图像理解的应用,比如基于内容的图像检索有着重要的意义。在传统的基于内容的图像检索中,对整幅图像做特征提取,会产生大量的特征信息,从而影响图像匹配时间。它忽略了图像中不同的区域对人眼视觉系统吸引程度不同这一事实。因此本文将显著区域检测应用到图像检索中,通过显著区域检测找到人们感兴趣的显著区域,再进行图像检索。本文在图像检索背景下,研究图像的显著区域提取,以达到改善图像检索结果和提高检索效率的目的。本论文的主要工作和内容如下：(1)常用的显著区域算法要计算对比度寻找图像上与周围差异最大的点,这一阶段与局部特征提取算法的特征检测阶段类似。因此我们考虑使用基于局部特征提取的显著区域检测。利用SURF算法得到局部特征点的位置,进而求得描述局部特征点分布情况的分布矩阵。(2)我们认为特征点分布最集中的区域为显著区域,因此显著区域即可以看成分布矩阵和最大的子矩阵,利用动态规划的思想快速求出最大子矩阵和,以此得到显著区域。(3)在基于显著性检测的CBIR系统中引入更精确的非线性高斯距离函数来进行相似性度量。