目前,环境感知技术是智能移动机器人研究中的热点方向之一。移动机器人的环境感知技术是机器人技术发展中的关键问题。环境感知技术的进步将使移动机器人领域产生飞跃性发展。一般认为,视觉显著性检测是能够解决机器人环境感知问题一种可行的途径。图像显著性检测通过模拟人类视觉感知过程,将视觉注意机制引入到计算机图像分析中,能够从环境图像数据中提取出关键性区域,减少高层环境视觉理解算法计算量。目前,图像显著性检测已被广泛服务于图像检索、图像分割、视频跟踪、目标识别和机器人导航等多种实际视觉应用场景。目前的图像显著性检测算法一般可分为两大类:基于空域的图像显著性检测和基于频域的图像显著性检测。但是无论哪种检测方法,在实际情况中由于图像的背景复杂多变、不确定噪声的干扰以及先验信息考虑的不全面,单一的依赖空间域检测或者频域检测的方法无法有效的平衡算法复杂度和检测精度的需求。本文在保证算法复杂度的同时以提高图像显著性检测精度为目标,首先设计多通道特征融合算法融合RGB-D数据中包含的颜色和深度信息,然后通过超复数傅里叶变换在频域计算得到多尺度视觉显著图,接着利用非均匀超像素分割算法对得到的显著图进行平滑处理,从而消除离散背景噪声干扰,改善频域检测结果。最后,采用元胞自动机对多尺度视觉显著图进行有效融合,有效提取最终的显著性区域。本文的创新点和主要工作在于:(1)提出了一种联合空谱分析的显著性检测算法。一方面,在频域计算显著性的同时对图像进行空域超像素分割,提高了局部区域显著性检测的一致性,改善了基于元胞自动机的融合效果。另一方面为了实现RGB-D数据的深度通道特征与RGB颜色通道特征的自然融合,采用超复数进行四元数构造并且在频域实现特征层面的快速融合。(2)使用了一种基于显著性检测的图像距离计算方法。在计算图像距离的过程中,通过考虑显著性先验信息,调节计算距离权重比率,突出显著性区域权重,抑制背景区域,从而能够更有效的突出图像中有价值的信息,有利于提高匹配精度。最后,采用直方图匹配算法实现最终的图像匹配。(3)将空—频域混合分析显著性检测算法应用于机器人视觉感知,该算法能够快速有效地提取复杂真实场景中的视觉显著性区域,在算法效率和检测效果之间取得了较好的均衡,使显著性检测更好地服务于移动机器人的视觉检测系统,增强了真实场景下机器人对周围环境的感知性能。