人类视觉系统能够有效快速地找到图像或视频中感兴趣的区域进行处理,忽略无用的信息,但是传统计算机却没有这种能力。在计算机视觉领域中,显著对象检测旨在于让计算机具有和人一样的视觉处理能力,使计算机能够关注场景中的显著对象而忽略背景信息,从而快速处理大量图像,因此显著对象检测成为许多计算机视觉任务的预处理步骤。显著对象谱的好坏,直接影响到其后视觉任务的性能效果,因此提高显著对象检测能力十分重要。本文针对现有模型存在的检测不完整不均匀、边缘模糊和多尺度对象问题,进行相关工作,并研究相应的改进方法。首先,针对显著对象检测中存在的不完整不均匀问题,设计了基于语义辅助特征融合的显著对象检测模型。本文通过语义辅助处理每两个相邻特征中的低层特征,将处理后的低层特征融入到高层特征中,使得高层特征包含足够的语义和结构信息,同时增强特征中的显著区域。实验结果表明,本文研究的语义辅助特征融合的显著对象检测模型能够有效地检测出整体均匀的对象。其次,针对检测对象的边缘模糊问题,设计了基于边缘特征融合的显著对象检测模型。通过边缘分支以及对象辅助得到精确的边缘特征,将得到的边缘特征融合到对象特征中,加强对象特征中显著对象边缘区域的特征可区分性。通过这种方式提高边缘的区分性能,从而提高显著对象的检测效果。最后,针对多尺度问题,设计了基于双向多尺度特征融合的显著对象检测模型。双向多尺度模块以多尺度信息相互交互为基础,同时兼顾密集连接特征融合的机制,通过一种信息传递的方式将各个相邻尺度的多尺度特征进行逐步融合,充分开发多尺度特征中所包含的信息,改善检测结果。实验证明,语义辅助特征融合和边缘特征的引入使得检测出的显著对象更为完整均匀,对象的边缘区分性也更强,而多尺度特征提取,进一步改善了显著对象的检测效果。本文研究的算法能够有效的检测显著对象。