显著区域是图像中最能引起人们兴趣并能表现图像内容的区域,为了提取显著区域衍生出了许多显著性检测算法,显著性检测在目标识别,图像检索、物体分类、物体检测、目标追踪检测与跟踪等中具有重要的应用价值。本文对显著性检测算法进行了深入研究并将图像显著性信息分别在压缩感知与数字水印领域中进行应用。本文的主要研究工作概括如下:1.结构导向的显著性检测算法研究对结构导向的统计纹理独特性(SGTD)算法进行了详细的研究并做了大量的仿真,并对18种经典算法在ECSSD数据集与SED2数据集中共1200幅图片中进行了PR(查准率-查全率)曲线对比分析。2.基于显著性的自适应彩色图像压缩感知算法算法可以解决目前压缩感知算法存在的几方面问题:压缩感知中重构计算繁琐;随机测量矩阵存储容量较高;已有的分块压缩感知算法忽略了每块差异性;大部分已有的压缩感知算法没有引入人类视觉系统;已有的压缩感知算法大多数针对灰度图像。算法以图像显著性信息作为导向引导压缩感知做自适应测量与重构,进行了大量仿真实验并探讨了采样率与分块大小对算法的影响,将算法性能与已有算法性能进行了对比。算法产生的重构图像不但具有良好的视觉效果并且能够有效的保留图像重点信息,相对于已有的部分经典算法,峰值信噪比有所提高。3.基于显著性的彩色图像数字水印算法算法针对传统水印技术的嵌入位置具有随机性,不能将水印集中嵌入到重点区域的问题,依据人类视觉系统注意力往往集中在图像的重点信息区域的特性,将水印嵌入到图像的显著区域,实现保护图像重点信息的目的。算法将水印信息嵌入到通过显著性检测算法检测产生的显著区域来增加对显著性信息局部重点信息的保护作用。文章根据提出的算法进行了水印嵌入与提取性能实验与各类攻击实验,验证了嵌入的水印信息具有良好的不可见性与一定的鲁棒性。