人类的视觉注意机制使得人们在复杂场景中,自动选择感兴趣区域而忽视其它场景信息,从而达到快速分析和理解场景的目的。显著性检测通过模拟人类视觉注意机制,使得计算机能够自动的从图像中提取感兴趣区域。在计算机视觉中,显著性检测通常被用于预处理环节,其能够有效降低后续任务的复杂度并加快处理速度。显著性检测历时二十多年的发展,诞生了各种各样的检测方法。然而如今图像场景和内容更加多样化,如何有效地利用信息获得准确的显著性图以及如何根据显著性特性解决实际问题仍然是显著性检测中值得研究的问题。基于此,本文主要进行了多尺度和多信息融合的显著性检测方法的研究,并将显著性和肤色模型相结合提出一种新的人脸检测方法,同时将该方法用在视频场景中,设计并实现了一个Emoji表情人脸生成系统。本文主要研究内容包括:1、针对图像中显著性目标和背景相似时显著性检测结果较差的情况,提出了一种多特性融合的多尺度显著性检测方法。该方法通过图像金字塔构建图像层次的多尺度图,然后在单一尺度上有效融合图像的对象性、外观性和背景性进行显著性计算,最后融合多尺度检测结果获得最终的显著性图。通过实验对该方法的有效性进行了充分验证。2、卷积神经网络的底层受卷积核尺寸大小的限制,只能在较小范围内提取特征;其次通过堆叠卷积层获得图像全局信息,但在信息由浅向深传递时,会导致信息遗失,同时堆叠太深也会导致网络难以优化。针对上述问题,提出了一种基于局部特征增强和全局上下文建模的深度显著性检测方法。该方法利用局部特征增强模块增大特征提取范围同时采用全局上下文建模模块获得特征图的全局信息,有效地解决了上述问题。最后通过实验验证了所提方法的有效性。3、根据显著性检测的特性,结合显著性检测和肤色模型提出了一种基于显著性的人脸检测方法,该方法有效地解决了肤色模型容易受背景中类肤色区域干扰的问题。最后将该方法用在视频聊天场景中,设计并实现了一个Emoji表情人脸生成系统,该系统能够根据视频聊天时人的面部表情,自动生成对应的Emoji表情人脸,活跃聊天气氛,增加视频聊天的趣味性。