图像显著性区域即是图像中最能吸引人视觉注意的区域。人类视觉系统能够十分快速的搜索图像中的显著部分,但是由于计算机对图像只能逐像素的存储,所以计算机对图像显著区域的理解具有很大的障碍,需要借助特定的算法,图像显著性检测算法正是用来解决这个难题的。图像显著性问题一般作为图像处理中其它学科的预处理工作,在图像分割,目标追踪,自适应图像编辑等很多方面都有很广泛的应用。本文工作主要关注图像显著性算法,并基于直方图对比度方法(Histogram based Contrast,HC)和区域对比度方法(Region based Contrast,RC)作了改进,在改进的算法基础上介绍了一些应用。主要工作如下:1.介绍了当前比较经典的显著性检测算法,这些算法从不同的角度出发提取图像显著区域,这些算法有基于全局对比度的方法,基于局部对比度的方法,基于图像概率统计的方法和图像变换的方法等。并对这些算法进行实验和结果分析,得出基于对比度的方法效果要优于其它方法。2.在HC和RC方法的基础上,提出了基于超像素分割的显著性检测算法,该算法先对图像进行简单线性迭代超像素分割,之后在分割区域上提取显著特征生成显著图,相对于HC和RC方法其改进的地方在于:(1)引入超像素分割来解决RC算法中背景区域大小固定的缺陷,通过计算超像素区域与它的周围自适应背景区域的对比度来提取显著区域,提高了显著性检测效果。(2)在计算颜色特征时,用超像素区块颜色直方图分布高斯拟合代替HC方法的颜色量化和色彩平滑,使颜色特征得到了最大程度的保留,同时,在计算颜色对比度时综合考虑区块和全局的颜色对比以及区块与区块之间的对比,使得显著图能够更加突出的表示整个显著目标区域。(3)用灰度共生矩阵提取纹理特征同颜色特征、空间距离一起组成超像素区域特征,然后对三个特征分量进行相乘来生成显著图。3.进行图像分割和图像分类实验来对比本文提出的各方法在图像显著性检测上的效果,本文提出的基于超像素分割的显著性检测算法具有良好的效果。