显著性检测在计算机视觉中具有广泛的应用,如图像分割、目标识别、图像重定向及视频压缩等。频域显著性检测(谱显著性检测)具有简单、快速、高效、不依赖于分类或其他先验知识的特点,自提出以来吸引了越来越多的人对它进行研究。本文总结了频域显著性检测算法的具体流程,并对前沿的频域显著性检测算法和模型进行了概述。通过分析发现许多计算方法还存在着显著区域检测不均匀、显著性细节检测不理想等问题。假设自然图像是由显著区域和一些重复模式(非显著性)组成,图像在频域幅度谱中一个或多个尖峰对应于空间域中重复出现的模式。如果能在合适尺度上利用幅度谱滤波平滑重复模式的尖峰,就可以达到抑制图像非显著性区域,突出显著区域的目的。本文在此基础上提出了一种新的显著性检测算法—基于幅度谱分析的自适应显著目标检测算法。论文的贡献主要有：1.给出了显著区域的尺寸与最优幅度谱滤波尺度之间的特定关系,这对于频域显著目标检测研究具有十分重要的意义；2.在尺度空间的基础上,提出了自适应最优尺度选择的新方法,该方法可以均匀地突出显著目标；3.提出了自适应权重融合策略,通过融合不同的显著图,从而保留有意义的显著性信息。我们在四个国际公开的较具有挑战性的数据集上进行了定性定量的对比实验,证明了本文的算法较其他的谱显著性模型检测结果更加均匀,更加精确。