显著区域检测是近年来非常活跃的研究方向。目前已经存在一些显著区域检测方法。这些方法主要有：基于对比的模糊增长方法、基于SVM的显著区域提取方法等。这些方法主要是研究图像中各个像素之间的关联关系，从而达到提取显著区域的目的。这些方法的主要问题是，没有考虑更多像素之间的相关性，因此，也无法得到令人满意的结果。论文改进了基于层次的显著区域检测模型。把原始图像分层，首先针对每一层，计算显著性特征，然后再把各层的显著性特征值叠加，通过动态阈值获得最终的显著区域。论文针对每一层，分别提取底层特征、计算显著性特征，包括：亮度显著性、饱和度显著性和色彩显著性。然后综合加权上述各个特征，得到较为合理的显著性。该改进模型综合考虑各个特征，可以减少噪音像素对显著区域检测的影响。论文分析了图像的概率特性后，提出了用二维正态分布函数表示图像像素间的相关性的方法。该方法可以保证显著区域提取的连贯性，也综合考虑了像素间的关系，能减少噪音像素对显著区域提取的影响。把各层计算所得的结果叠加，考虑到图像的统计特点，通过引入动态阈值，得到最后的显著区域。动态阈值方法不受原始图像的影响，有较好的适应性。我们将此方法应用于真实图像，得到了令人满意的检测结果。