观察一张图像时,人类会无意识地在最初几秒观察和选取特定区域来进行详细处理,这种位置的选取依据的是一种视觉关注机制。这种机制下所有人的注视区域在一定时间内的位置一般相同,从而使得探究眼睛的关注区域成为理解人类活动的一个替代品。而检测一张图像中人眼最初的关注区域的研究就被称为“显著性检测”。显著性检测最初是模仿人类视觉中枢对于色彩等视觉特征反差的反应来设计的模型。然而由于学科发展时间尚短,加之技术限制等原因,当时的检测只能在二维图像中进行。然而,人类视觉系统是通过三维图像来理解这个世界的。以往基于二维图像信息来检测显著性前景的显著性检测算法都缺少了对于深度信息的处理。虽然这些研究对于理解人类活动同样起到了巨大的作用,但是没有考虑深度信息的这些工作始终是在一种简化的问题中进行求解的。为了完整的表征视觉感知并研究深度信息对于显著性检测的意义,本文提出了一个加入了额外的深度信息的显著性检测算法。这个算法有三个显著性检测因子,前两个显著性因子是视觉显著刺激理论在颜色和深度空间中的体现。最后一个“空间先验”也是结合了深度信息而与之前研究中广泛应用的“中心先验”而产生的一种新的显著性先验因子。最后,由于这项研究在三维领域发展时间过短,没有公认的数据库用来进行验证性实验,我们建立了一个以颜色图像和深度图像对为基础的数据库来证明本文提出算法的优势。最终的实验表明,深度信息对于提取复杂场景中的显著性前景确实具有很好的效果和巨大的意义。