显著性检测已经成为计算机视觉处理过程中的有力工具。高级的计算机视觉的应用,诸如自适应压缩,图像检索,目标识别的预处理工作可以通过显著性检测来完成。本文在总结前人的显著性检测方法基础上,提出了基于超像素级别和区域级别的显著性检测方法,这种方法能够兼顾全局的颜色差异比较和目标的空间连续性。我们的方法一共分为四个基本的部分。首先使用兴趣点检测的方法得到一个大致的显著性目标位置。这个位置有着包含大部分显著性目标,部分背景的特点,而此区域以外的大部分为背景。基于这个大致的显著性位置我们进行颜色比较和空间关系度量得到分别考虑细节和整体性的两个显著图。利用TurboPixel将图像分割为代表中层视觉信息的超像素,通过所有超像素与大致的背景区域的差异性强弱得到显著性的强弱,得到超像素级别的颜色差异显著图。利用热学中的各项异性扩散方程解决图像的区域划分。最大化图像K个区域划分的划分系数可以通过最大化有K个热源的系统温度来建模。将颜色比较得到的显著图作为一维特征和三维颜色特征共同完成图像区域划分最大程度的将显著性目标从背景中分割出来。计算每个区域和与大致的显著性区域的重合率得到每个区域的显著性强弱,得到区域级别的位置关系显著图。通过将这两个显著图使用相乘的方法结合,互相补充互相加强,得到前景和背景分开,连续完整的突出显著性目标的显著图。我们的方法在一个国际公认的显著性检测数据库微软数据库上测试,和目前六种有代表性的显著性方法比较,获得超过这六种方法的更高的查全率和准确率。