随着互联网技术的飞速发展以及电子产品的普及,图像已经成为一种重要的信息载体。如何提取图像的有效信息成为制约计算机视觉发展的关键因素。图像显著性检测可以有效的区分图像的关注和非关注区域,通过获取关注区域可以对图像进行特征提取、图像增强、图像边缘检测以及图像的识别与理解。通过显著性检测模型得到图像中关注度高的区域,可以将显著区域与背景分离,可以大幅度提高计算机对图像数据处理速度。本文选取了四种具有代表性的显著性检测模型进行介绍,并将其效果图进行对比,通过对真值图的研究,得知图像中物体存在的区域显著程度高。因此,本文基于似物性采样理论提出了一种新的多层次显著性检测模型。本模型利用基于多尺度的超像素分割、基于区域对比度的特征提取以及鼓励多样性排序机制,得到边缘清晰、内容完整的显著区域。首先利用SLIC方法对图像进行过分割,计算每个聚类中心的边界概率;然后利用图像的颜色对比度、纹理对比度、空间距离等特征计算区域间的相似度进行合并,得到采样区域,最后利用鼓励多样性排序机制得到目标概率高的采样区域,进行归一化得到最终的显著图。为验证本模型的检测效果,选取MSRA、MIT300以及PASCAL-1500图像数据集,从定量和定性两个方面验证了模型的检测效果,并与具有代表性的模型进行对比。实验结果表明,本文模型在查准率、查全率以及PR曲线方面高于现有的其余模型,证明了基于似物性采样的显著性检测模型的有效性。