科学研究发现,人类视觉系统能够快速并且高效地从复杂的自然环境中发现令人感兴趣的信息。然而,如何通过模拟人类视觉系统来设计视觉显著性检测模型仍是计算机视觉中备受关注的问题。近年来,视觉显著性检测技术在目标检测、目标分割、图像融合、图像压缩等领域有着非常重要的应用价值。本文主要工作是针对图像的视觉显著性检测展开研究,提出了两种显著性检测方法,并将显著性检测应用到目标分割。本文研究的主要内容和取得的成果如下:(1)本文针对图像中的对比特性,首先提出了一种新的显著性检测模型。该模型利用颜色空间转换以及离散余弦变换得到新的对立颜色特征,并计算颜色特征在局部对比方法中的显著性。然后为了突出整幅图中的稀有性,该模型还考虑了全局对比的差异性,同时结合局部对比显著性能更加全面反映人眼的低层视觉关注。此外,该算法还引入了多尺度计算,降低了背景区域的显著性。实验证明,本文所提出的模型能够很好的预测人眼注意点,并且优于现有算法。(2)本文结合已有模型并综合考虑空间特性,又提出了一种基于空间分布和空间频率的模型。首先,针对数据在空间中的分布性进行了研究,使用稀疏低秩方法求解出稀疏性,并采取一种自适应权值算法将其融合。接着采用高斯算子对图像进行滤波,同时结合先验知识获取空间频率显著性。然后将基于空间分布显著性和基于空间频率显著性进行整合,生成初始的显著图。为了让显著图中的目标在空间上能够更加紧凑,最后使用图正规化方法进行重新提炼。实验结果表明该模型能够获得较好的效果。(3)论文最后将显著性检测结果作为启发信息,应用到交互式目标分割系统中,实现了基于视觉显著性的自动目标分割。该算法得到比较准确的目标分割结果,同时减少了人工操作的复杂性。