信息技术的飞速发展,手机通讯设备的流行,人类已经进入到了“读图时代”,图像视频数据已呈现爆炸式增长。由于图像具有简单生动,便于存储的优势,已被应用到很多领域中,但是这势必给计算机增大了负担,如何高效智能化处理这些图像数据已成为人们研究的重点问题,科研人员依据人类视觉注意机制的原理,利用数学模型构建出很多图像显著性区域检测算法,以便能够优先处理图像中的显著目标,为图像的压缩、目标检索或者其他后续的工作带来便利。为了进一步提高显著性检测的精度以及更好地实现对多目标物体的检测,本文就显著性区域检测算法进行研究。首先,利用两种分割算法得到图像基元结构,然后通过分析图像的底层特征对显著性目标的影响,提出了基元颜色对比度、基元亮度对比度、颜色空间分布特性,并对这些显著特征进行数学定义。其次,考虑到单纯使用底层特征也存在一定的局限性,故对一些高层先验知识进行探讨,认为图像的边界一般为背景信息,且背景信息与边界的连通强度要大于目标物体与边界的连通强度;利用中心先验作为权值与其他显著性因素结合使用,给图像中靠近中心位置的区域高的显著值;使用暖色优势,目标先验等高层知识。再次,显著特征的结合使用可以提高检测效果,因此提出了多种特征融合策略生成高质量的显著性图像,以及对显著图像进行多尺度空间的增强操作进一步提高检测结果。最后,在三个国际公开数据集:ASD、BSD与SED2上进行算法的检测,并从定量定性两方面分析算法的优缺点。