随着信息技术的发展,数字化信息成为人们相互沟通和传递消息的重要媒介。图像分辨率的逐渐增加、图像资源的日益丰富、图像数据的海量化危机,导致对图像信息的处理、分析以及传输等各个方面的要求越来越高。单纯的对整幅图像进行统一处理,不但计算复杂度比较高,也不能保证图像中重点区域得到较好的实验结果。因此论文针对多尺度分辨率条件下提取显著区域的方法进行深入研究,旨在减少后续图像处理的复杂程度,保证取得较好的视觉效果。在视觉注意机制基本理论及经典显著图像提取方法的基础上,对频域图像显著性信息进行分析,分别探讨相位谱与幅度谱对图像中显著性信息的影响。研究基于有效编码理论的剩余频谱方法,利用高斯白噪声幅度谱代替原始图像幅度谱进行重构,进一步简化剩余频谱计算,提出一种基于频域的多尺度显著区域提取方法。该方法将图像在不同分辨率尺度下进行频域变换后提取显著信息,经过融合得到最终显著区域图像。对58幅自然图像的仿真实验可以看出,该方法能够解决在单一尺度下提取结果边缘模糊以及内部细节不充实等问题,具有较好的视觉提取效果。分别将所提出方法、Itti方法以及SR方法与人为划定的显著区域进行ROC曲线下面积计算,比较可以看出利用本方法提取得到的显著区域提取结果明显优于传统的Itti方法,平均提高约10%,相对同样基于频域的SR方法也有改善。显著区域提取结果在后续图像处理中具有广泛应用,与感兴趣区域分割、视频跟踪算法中初始目标定位、基于图像内容的非等比例缩放、无参考质量评价等应用相结合,极大地减少人工参与的必要性,改善视觉效果,提高处理效率,为后续图像处理提供便利。