随着信息技术的快速发展,图像处理技术也越来越普遍。作为计算机视觉、心理学和神经生物学的交叉学科,图像显著性检测近些年引起了众多研究者们的兴趣,并取得了很大的研究进展。然而,目前的图像显著性检测方法对于复杂环境下目标显著性的检测结果仍不够理想。本文围绕复杂环境下的图像显著性检测问题,从建立鲁棒模型和融合多光谱信息的角度出发,提出了融合低层和高层特征图表示的图像显著性检测算法和基于保边滤波的多模态显著性检测算法。本文的主要工作如下：(1)针对复杂环境下的图像显著性算法,提出一种新的融合低层和高层特征的图表示模型,把图像显著性问题转化为Markov随机游走问题进行求解。首先,以超像素为结点构图,图的点和边的权重分别由结点的高层特征和结点之间的低层特征差异性来定义。其次,根据该图模型构造不对称转移概率矩阵,并用Markov随机游走算法进行求解,得到初始显著性图。然后,结合中心先验及改进的边界先验得到最终的图像显著性结果。最后,该算法在4个公共数据集上与10种方法进行了比较与分析,验证了本文算法的有效性。(2)针对可见光谱信息受光照、雾霾和恶劣天气等因素影响较大的问题,引入热红外光谱信息对其进行补充,提出了一种基于多模态信息融合模型的图像显著性检测算法,并通过保边滤波算法进行快速求解。在构建的多模态数据集上进行了实验,实验表明提出的方法能够快速、有效地融合多模态信息,得到鲁棒的显著性检测结果。