在当今现实生活中，图像已经成为人类获取外界信息的主要方式之一，但是图像却存在着信息量过于庞大的问题，因此对图像进行分割，提取出对人们有用的信息显得尤为必要。Chan-Vese模型是一种经典的交互式图像分割算法，但是由于对于不同的人工交互信息，它所得到的分割结果差异甚大。本文提出将图像显著性检测和图像分割结合进行研究，使得Chan-Vese模型的演化过程从显著性区域开始，提高了图像分割的准确性和效率。本文的主要工作如下：1.首先简要介绍显著区域检测所涉及的基本概念、生物心理学背景以及模型用到的基本假设和方法，并介绍常用的显著性检测方法，及其性能分析。2.其次，本文对Xiaodi Hou等提出的一种剩余谱方法（SR算法）的性能和优缺点进行全面的分析。然后引入HSV色彩空间模型，与剩余谱方法相结合，提出了改进的显著性检测方法。3.最后，将图像显著性检测和CV图像分割方法进行结合，针对传统的CV模型过分依赖初始轮廓的缺点进行了改进，弥补了该方法对人工交互信息过分依赖的缺点，实验表明，该算法取得了良好的效果。