显著性检测是基于视觉注意力机制的图像理解任务,该建模任务从人类视觉系统理解图像的角度出发,把图像中引起人眼兴趣的像素点设定为前景目标,其余像素点定义为背景区域。显著性检测的相关研究首先在自然图像领域展开,目前随着相关研究的不断深入,研究人员发现视频的时序线索对于显著性检测有着重要意义,添加时序线索有助于仿真视觉注意力机制在动态场景下的视点转移,从而提升最终的显著性检测效果,因此基于视频的显著性检测工作开始引起越来越多专家学者的关注。尽管基于图像和视频的显著性检测工作已经取得较为理想的效果,但当前显著性检测算法在复杂图像的背景抑制、时序信息的挖掘利用等方面仍存在一定欠缺。本文针对当前显著性检测模型中的不足,开展了相关研究工作。本文的研究工作以及主要创新点如下:（1）在复杂图像的显著性检测工作中,背景中往往存在可区分度极低的干扰物体,比如低级线索明显但语义信息不足的像素块信息、极具欺骗性语义信息的物体倒影等,造成背景和显著性目标物体之间的区分存在难度。以上述挑战为出发点,本文提出了一种基于中心先验与UNet网络相结合的图像显著性检测框架,通过中心先验知识与高级语义信息的结合来抑制上述背景噪声问题。（2）视频显著性目标检测旨在模拟人眼注意力机制识别出动态场景下令人感兴趣的目标或区域,目前,现有视频显著性检测方法一般从宏观角度出发,运用光流网络或者长短期记忆卷积模型来提取时序特征信息。但这些方法往往忽略了视频帧帧间信息细节的提取与整合,导致连续帧的差分信息未被充分利用,以致出现时空一致性不足、边缘连续性差等问题。基于此,本文提出了一种基于时序差分和像素梯度的视频显著性检测方法,通过设计协同注意力模块整合时序线索,突出图像中的位置信息,并结合梯度信息针对地改善不同位置上的特征融合问题,有效地挖掘了时序差分信息用于显著性检测,提升了视频显著性检测的性能。（3）在视频显著性检测中,移动的显著性物体往往能吸引到更多注意,因此光流网络被广泛应用到视频显著性目标检测工作中,但光流信息在增加图像间运动线索的同时,光流图像边缘相对粗糙的缺陷也为视频中显著性物体的边缘界定带来了困难。针对视频显著性检测网络在加入光流信息后输出的检测结果边缘区域不够清晰的缺陷,提出了一种基于光流与边缘加权平衡损失函数的解耦合视频显著性检测框架,称为Flow-Edge-Net（FENet）。该框架主体由光流分支网络和边缘分支网络构成,通过光流分支网络模拟人眼对运动信息的关注机制,利用边缘分支网络结合时序信息改善边缘细节,FENet框架中的两个分支分别针对显著性检测中关键的目标主体定位问题和边缘细节描述问题,并根据两分支特性设计动态加权融合模块对来自两个分支的特征进行有效融合,在保留基于光流的视频显著性检测网络在目标主体定位上优势的同时增强了显著性目标的边缘细节,提升了视频显著性检测的精度。