图像显著性检测通过模仿视觉注意机制来获取图像中的重要信息,以提高图像处理的效率与准确性。在目标识别、图像标注与检索、图像自动剪裁、图像压缩等领域均有广泛应用。针对现有显著性检测方法易出现的边界模糊、轮廓不清晰、目标结构性较差以及背景抑制性能差等问题,本文提出一种基于区域标签融合的图像显著性检测方法。首先,利用超像素分割方法对输入图像进行分割处理,为减少过分割的区域数目,通过谱聚类方式对超像素区域进行二次聚类,得到区域边界信息和颜色空间分布图;然后,利用条件随机场理论将颜色空间分布图、多尺度对比特征图和中心-四周直方图三种显著图充分融合,得到粗度显著图;接着,根据区域边界信息定义一种标签指示向量,为将边界信息更好地融入粗度显著图,设计区域标签融合算法,通过统一标签得到重构的粗度显著图;最后,通过优化的背景先验方法对重构的粗度显著图进行精化。本文算法在MSRA10K与ECSSD数据集上分别随机抽取500幅图像进行显著性检测,并与11种显著检测方法进行主观对比和客观对比。实验结果表明,区域标签融合算法得到的显著区域边界轮廓清晰、结构性强,同时该方法具有较高的背景抑制性能和显著检测精度。并且本文方法不仅对于单一目标的图像具有很好的显著性检测效果,而且对于多目标和显著目标内部颜色对比度高的图像也具有稳定的准确度和完整性,表明该方法更具适用性和鲁棒性。该论文有图18幅,表3个,参考文献60篇。