随着科技的发展和进步,人类每时每刻都会接受来自各个方面的图像信息,如何快速有效处理这些数字图像成为人类面对的一个难题。显著性检测将图像中人眼感兴趣的目标区域利用计算机检测出来。作为预处理,显著性检测广泛的应用于图像处理的相关领域,比如图像检索、目标识别等。目标候选样本具有数量多、形状变化范围大的特点,而且仅仅存在一小部分的目标候选样本包含与目标相关的信息。现有的目标候选样本产生算法通常会产生大量的样本,同时现有的评价机制无法很好的评价目标候选样本的显著性和目标性。因此,本文从目标候选样本选择的角度出发,提出了基于目标候选样本选择的显著性检测算法。该方法采用由粗到精的选择框架评价目标候选样本。在粗选择阶段,我们利用重新定义的评价指标描述目标候选样本的显著性,将分数最高的样本作为伪真值输出。在精选择阶段,我们训练一个结构化分类器排序目标候选样本,加权叠加分数靠前的目标候选样本得到目标候选样本级显著图。不同于传统的分类器,我们采用的分类器可以将显著性较高的目标候选样本排在前列,同时忽视其他样本的排序。随后我们利用超像素进一步优化检测结果,得到超像素级显著图。最后,我们加权叠加目标样本级显著图和超像素级显著图作为算法的最中检测结果。将本文算法在五个公开的显著性检测数据库上进行测试,同时与现有19种经典算法比较。在实验中,我们采用定量评测和定性评测两方面比较算法的结果。大量的实验结果验证了本文算法的优异性能,尤其是准确率-召回率曲线,得到的显著图能够很好的突出显著目标。