图像显著性的检测作为计算机视觉领域的一个重要研究方向,逐渐受到学者们的关注。其通常被作为图像的一种预处理步骤,例如图像检索和图像压缩等。图像显著性检测的主要目的是模仿人类视觉注意力机制来提取视觉显著区域,即图像中最吸引人类注意的区域。通过图像显著性检测操作,能够从大量视觉信息中选取少量的重要信息作进一步的处理和分析,从而提高图像处理效率。因此,图像显著性检测技术的研究具有十分重要的意义。本文研究路线主要围绕背景先验和多特征融合两条主线展开。为了将图像背景和前景较好的分离,抑制背景噪声,高亮显著性目标区域,得到更加纯净的显著性检测图,本文提出了基于背景先验的显著性检测算法和多特征融合的显著性检测算法。第一种算法首先对图像进行边界提取和超像素分割,将图像四周边界根据限定的阈值提取出来组成边界集合,计算超像素边界概率,得到优化边界集合后,再进一步获取纯净的背景节点集合。最后把所获得的背景节点集合当做先验知识,根据颜色的不同得出的信息计算出全部超像素及背景节点之间的关系,最终得到基于背景先验的显著性检测图。第二种算法针对目前常见算法采用全局特征单层次融合方法,导致局部信息的缺失显著性仅仅被粗略的标记,无法有效的突出显著性目标区域的问题,本文采用全局和局部对比的方法,利用图像的颜色特征、空间特征和频率特征计算得出全局和局部对比下的多张特征图,将特征图归一化并叠加得到多特征融合的显著性检测图,准确地检测出显著性目标。第三种算法为基于背景先验的多特征融合显著性检测算法,主要将以上两种算法进行互补融合,并对融合后的图像进行显著性均衡使得融合后的显著性检测图更加优化,有效提升了检测准确性。实验结果表明,本文所提出的互补融合算法能有效的抑制背景噪声,提高显著性目标与背景区域的分离度,高亮显著性目标区域,提高鲁棒性,获得更加完整可靠的显著性目标,检测性能得到明显提升。