随着科技发展,信息时代已经来到人类身边,在科技信息的迅速发展中,人们已经在信息的传递过程中使用图像作为主要的信息载体,在信息复杂的图像中,如何能够从中快速、高效地获得图像中的价值信息,成为了目前研究的重点领域之一。在诸多的生活场景环境中,交通环境属于是多方位的、复杂的、并实时发生变化的场景,本文所研究的内容主要是基于人类视觉感知理论知识来对交通环境的图像显著性进行分析,根据其在图像特征识别等方面所具有的显著性、优越性,将其高级认知过程中的选择性注意机制以及控制策略相结合,应用于智能汽车对交通场景的智能分析。智能汽车的安全行驶不仅需要对交通道路、交通流量、交通标识、交通设施、两侧环境、及突发事件等各种要素信息来进行识别和感知,并进一步将这些要素从认知角度来进行有目的选择和认知整合,以便采取相应的措施来进行正确的判断。本文是基于智能汽车在交通环境下,对道路交通图像显著性检测算法的理论的研究,主要是对ITTI等提出的显著图模型进行了研究分析,在分析ITTI算法的优缺点基础上结合交通图像特点,改进优化ITTI算法,使其更高效的针对交通环境图像显著性进行处理。通过利用交通图像进行仿真实验,对比实验结果可以看出,改进后的算法显著效果更清晰,并且通过Roc曲线反映出改进的算法有更好的匹配度。最后将改进的算法与常见的优秀算法SR、RC、GB、MZ、HC、CA进行实验对比分析,根据实验结果可以看出使用本文的方法得到的显著图像边缘轮廓更清晰,内部信息更丰富,整体性更佳。这为以后的视觉感知系统的应用提供良好的基础。