随着应用需求的增长，图像显著性特征提取已成为一个新兴的研究课题，吸引了大量研究人员的关注。图像显著性特征提取是探索人类视觉关注特性、模拟人眼视觉关注过程、分析图像信息和特征、提取图像中有意义部分的综合过程。提取的显著区域对各种基于图像分析和理解的应用，如图像Hash，检索和认证等都有着重要意义。　　 本文从图像显著性检测的发展、研究意义、视觉关注原理和研究现状方面展开讨论，对两类人眼视觉特性的显著性提取进行研究，取得了以下主要成果：　　 1．基于低层视觉的全局颜色对比显著提取。根据人眼对图像关注的全局特性，提出基于HSV色彩空间的颜色对比显著提取。本方法在改进颜色分类的基础上，关注图像中颜色特征的稀有性，并结合不同颜色类与背景的对比程度，提取全局颜色显著区域。该方法能很好地提取人眼观察图像的全局关注区域，结合局部对比显著提取结果，能全面反映人眼的低层视觉关注。　　 2．基于高层视觉的清晰区域显著提取。分析了照片聚焦区域是摄影者高层视觉关注的体现，由此将数字图像中的清晰区域作为显著提取的依据。首先进行边缘提取来检测图像中的细节分布，并结合颜色分类图，得到局部清晰区域显著图。为改善清晰区域判别结果，引入图像质量评价参数和SVM模型训练，改进了仅依靠细节检测方法的不足。　　 由于人眼的两种视觉关注是同时进行并作用于大脑，所以将以上两类显著提取相结合，保持各自优势，互相补充不足之处，得到完整体现两种视觉模型的图像显著性提取结果。该方法能够较全面地反映人眼的关注特性，找到图像中最有意义的部分，从而帮助我们对图像进行更有效地处理。　　 本项研究得到国家自然科学基金项目“感知鲁棒的词典式结构图像Hash”(60773079)和国家自然科学基金重点项目“流媒体感知信息安全理论及关键问题研究”(60832010)的资助。