近年来,无人机以体积小、重量轻、机动灵活的特点在诸多领域迅猛发展。在无人机上搭载显著性检测系统可使无人机快速灵活地处理采集的图像、标注显著目标的区域和位置,从而提高无人机的目标检测效率。本文设计并研制出一套基于无人机平台的多光谱图像显著性检测系统,该系统使用无人机搭载红外相机和可见光相机采集图像,通过图像传输子系统传回地面,在地面检测子系统上完成图像显著性检测。地面显著性检测子系统是本系统的重要组成部分,主要包括红外图像增强和超像素分割组成的预处理模块、静态和动态显著检测方法构成的显著性检测模块,以及显著目标分割模块。在静态显著性检测部分,针对传统的显著性检测方法存在的背景噪声干扰严重、前景内部不一致、轮廓边界不清晰等不足,本文提出了一种基于两级随机游走的显著性检测算法模型,通过使用部分吸收随机游走概率去加权吸收马尔科夫链从而得到边界描述性好、均匀突出了整个显著区域的检测结果。实验表明,该方法在公开数据集中获得了较好的性能曲线,在实际场景取得了良好的视觉效果。而基于运动信息的动态显著性检测算法重新考虑了光流统计方式和运动显著性的关系,通过光流直方图计算运动量级的对比度,从而得到运动显著性图像。实验表明,该方法在标准数据集和实际应用场景中均能得到定位准确,符合人眼主观评价的显著目标,有效地为系统提供了运动显著信息,完善了整个系统的检测结果。为了提升本系统的运行效率,本文采用基于GPU的CUDA架构对系统中的部分模块进行加速优化,经测试,经过优化的部分,其运行速度显著提升,保证了系统的实时性和有效性。在上述研究的基础上,本文搭建出一套基于无人机平台的多光谱图像显著性检测系统,验证了该系统的工作流程和检测功能。该系统运行效率高,显著性检测结果准确,功能模块全面完整,能够提供较为准确的显著目标轮廓和运动信息,提高了无人机的目标检测效率,具有很强的实用性和应用前景。