互联网信息时代下,海量图像的涌现让人类享受信息便捷的同时也带来了信息筛选的工作量,因此,主动地筛选出人眼优先关注的区域,把视觉显著性目标信息准确高效地提取出来成为计算机视觉领域共同关注及研究的热点。基于生物学机制,计算机对图像进行显著性目标区域的优先处理与分析更符合人类视觉感知系统的处理机制,可降低图像处理的复杂度。视觉显著性目标检测技术目前已应用于图像的分割、质量评价、压缩、目标识别等领域。近几年,各类立体显示技术不断应用到日常生活中,昭示着立体显示技术及深度获取技术的成熟。3D传感技术相比于2D传感技术更能真实地模拟人眼立体视觉的感知方式,因此,开展基于立体视觉的视觉显著性检测方研究具有很大的潜在意义和应用价值。本文基于立体视觉进行显著性目标检测的研究,主要工作如下:（1）人类的视觉观察系统以区域为基本单位,基于区域进行视觉显著性检测符合人眼的视觉特性。本文基于传统SLIC超像素分割算法进行改进,引入颜色、纹理、深度特征作为超像素分割的度量标准,分割结果相比于传统的超像素分割算法具有更好的紧凑度及贴合度;（2）本文对人类视觉感知系统进行研究,着重分析了视觉注意机制与人眼视觉特性,根据视觉注意机制中背侧通路与腹侧通路信号处理方式建立双通道并行分类处理的立体视觉显著性检测模型。该模型深度通道负责检测图像的深度显著信息,平面通道负责检测图像的全局显著信息;（3）根据人眼视觉特性对双通道的显著性目标检测结果进行提优处理,对于深度通道通过各向异性深度中心环绕差进行深度显著性计算,并对其前50%的深度特征进行提优。对于平面通道基于HSV空间进行处理,分别计算颜色对比度与亮度对比度,利用色饱和度进行阈值筛选计算全局显著性。根据人眼的中央偏移特性对双通道显著性进行CB因子提优,通过信息熵进行双通道权值分配,融合双通道显著特征后得到最终的显著性检测结果。本文在两个公开数据集NLPR-1000及NJU-2000上进行验证,该方法相能减少复杂背景及颜色相似情况下误检及漏检情况,且能很好地突出显著性目标的完整性;（4）本文搭建了一套低成本双目立体视觉硬件平台系统,并对其从双目标定、双目校正、立体匹配、视差计算、空间测距进行建模。本文将所提出的立体视觉显著性目标检测模型在该平台上进行应用,构建了一套完整的基于双目立体视觉的图像显著性目标检测应用系统,该系统可在完整检测出显著性目标区域的同时完成目标的三维空间位置的定位及尺寸检测,具有一定的应用价值。