随着智能相机的普及与多媒体技术的高速发展,如何从海量的图像中快速和准确的去除冗余,找到人类所需和感兴趣的信息就显得尤为重要。而图像的显著性检测旨在分析图像信息提取人眼最感兴趣的区域,不仅作为许多计算机视觉任务中的预处理过程,并且被广泛运用于各种计算机视觉应用中,因此深入研究显著性检测是具有深远意义的,本文主要的工作内容与研究创新如下:(1)针对现有的自底向上显著性检测模型不能有效的抑制背景噪声和突显显著性物体的问题,提出一种基于物体先验与马尔科夫链的显著性检测算法。首先通过背景先验与边界连通性准则提取出边界吸收节点,利用吸收马尔科夫链的随机游走方法进行显著性计算。其次,依据物体先验知识估计出语义上物体所处位置,将两者结果融合作自适应分割,再次利用吸收马尔科夫链进行显著性计算,得到最终的检测结果。实验结果表明所提算法能较好的完整突出显著物体和抑制复杂背景的影响。(2)针对马尔科夫链随机游走会迷路,无法区分边界背景和中心背景的问题,提出一种结合更新机制和马尔科夫吸收概率的显著物体检测模型。首先根据背景先验知识提取上和右边界超像素背景节点,利用马尔科夫链吸收概率矩阵计算显著性,再通过更新机制对其进行更新。其次,对与背景最不相似的节点求取吸收概率并对其更新,最后利用滤波优化得到最终的显著性图。实验结果充分证明所提算法的有效性。(3)着眼于实际,为准确定位火源点,实现火灾预警,将显著性检测算法具体应用于监控视频的火焰检测中,提出一种基于人眼视觉注意机制的实时监测火灾预警方法,将静态显著性检测算法与动态帧差法结合。实验结果表明所提算法通过显著性分析方法描述多尺度空间特征信息,其鲁棒性更强,能准确识别与定位火焰,防范火灾的发生。