图像显著区域检测是计算机视觉领域的研究热点,图像显著区域检测的目的是模拟人的视觉注意力机制,选择出图像中最吸引人的部分,为后续的图像处理提供便利。图像显著区域检测在图像分割,目标检测,图像检索等领域都具有非常广泛的应用。随着应用领域的拓展以及应用场景的复杂,显著区域检测技术还在不断的发展。本文对图像显著区域检测的相关理论以及已有的算法进行了分析,并提出了两种显著区域检测方法。基于局部显著信息的频繁项挖掘显著区域检测方法具有较高的准确性,但是检测时使用的局部显著信息会使检测到的显著区域不完整。为了让检测算法在考虑检测准确性的同时,还可以得到较完整的显著区域,本文在基于频繁项挖掘的显著区域检测算法中加入了基于轮廓特征的全局显著信息,提出了基于局部与全局显著信息的显著区域检测方法。实验表明该方法可以得到完整的显著区域,可以提高图像显著区域检测的准确性。基于神经网络的显著区域检测算法是任务驱动的显著区域检测方法。为了使网络能结合不同尺度的显著区域信息,能够利用已有的基于轮廓完整性的先验知识,同时不断的修正自己的检测结果,本文融合了显著先验与输入图像,把全卷积神经网络中不同尺度的特征相互融合,采用基于轮廓完整性显著先验及多尺度特征融合递归全卷积神经网络来进行显著区域检测。实验表明该方法可以得到较好的检测结果。