人的视觉选择注意机制能使人从一幅图像中快速提取出感兴趣的区域,显著区域检测模拟人类视觉的这一特性,从一副图像中得到显著的区域,在许多领域得到了广泛的应用。显著区域检测可分为两大类:自下而上的检测算法和自上而下的检测算法。其中自下而上的检测算法为目前研究的核心和重点,也是本论文主要讨论的部分。作为一种经典的基于频域的显著区域检测算法,谱残差(SR)算法具有许多优点。但是,由于它不能充分利用图像的时频信息,它检测出的显著部分常常只能覆盖物体的边缘,而非整个物体。本论文讨论了几种已有的显著区域检测算法,后针对基于时域的检测算法和基于频域的检测算法的不足,提出了需要改进的方向,在此基础上,提出了一种基于二维分数阶傅里叶变换(2D-FRFT)的显著区域算法,对谱残差(SR)算法进行了改进。二维分数阶傅里叶变换是传统的傅里叶变换的一种广义形式,在一定条件下,它可以从图像中提取出更多有用的信息。基于这种性质,本文提出了一种新的基于二维分数阶傅里叶变换的显著区域检测算法。充分利用了图像的整体信息和局部信息,解决了谱残差算法中存在的问题,提高了检测的准确度。在改进算法的基础上,本文提出了一种基于霍夫变换的显著区域提纯方法,对得到的显著区域图像进行进一步提纯。最后从三个应用广泛的数据库Bruce、MIT、MSRA中随机选择了1000张图像进行了仿真实验。实验结果表明本文所提出的算法较之其他算法具有良好的性能。