随着移动互联网技术的飞速发展,网络积累了大量的数字图像信息,这些海量的数字图像对传统的图像信息检索、存储等技术提出了更高的要求。为了减少数字图像技术处理的数据量,提高运行效率,可以将含有图像主要关键信息的图像感兴趣区域(ROI,Regions of Interest)来代替原始图像。本文对ROI提取与分析做了下面的研究。主要研究工作如下:首先,本文提出一种针对视觉显著图的图像分割方法,通过一种改进的Stentiford方法来获取其中的视觉显著图,该方法对Stentiford在图像处理效率和效果方面进行了提升。视觉显著图分割主要经过二值分割、骨架提取两个步骤,可以回避噪声点等区域干扰,达到了理想的分割效果。其次,本文从输入图像、显著图、骨架图中提取大量图像特征,包括显著度熵、显著度熵密度、显著度熵和等图像特征。最后,本文提出关联规则算法对图像特征分析的技术方法。在文中分别提取训练集彩色图像、显著图、骨架图像的特征,通过FP-Growth关联规则算法提取特征的频繁模式,获取图像特征与图像感兴趣区域的联系,较好的模拟人眼视觉系统。针对单一的视觉模型方法在图像感兴趣区域提取过程中,不能够较好的符合视觉特性的问题,本文提出在视觉模型方法的基础上,提取图像特征并通过关联规则算法分析特征与感兴趣区域联系的方法。通过实验分析与对比,证明方法更好的符合视觉效果。