近些年来，随着计算机技术的不断发展，智能化设备被广泛应用于人类社会的各个领域。这些智能化产品能在某种程度上去获取外界信息，代替人做出相关操作。据统计，人获取外界信息百分之六十来自于视觉，而图像是视觉信息的基本构成单元。所以计算机视觉处理技术显得日趋重要，应用也越来越广泛。本文所研究的显著目标检测就是通过模拟人类视觉模型，对图像中的显著区域进行分割和提取，可以构造出灵活多变并且自适应能力较强的仿生视觉算法。该研究可应用于医学图像病变位置定位，工业零部件检测，目标跟踪与识别，图像编码与压缩，图像匹配与合成，图像检索和相机自动聚焦等多个领域。因此显著目标检测成为研究者们关注的热点。本文提出了一种新的基于显著图的显著目标检测与分割算法。该算法包括全局背景差值图的生成，显著图计算和显著目标分割与提取三个部分。首先基于lab颜色空间，在去除图像噪声，纹理，编码错乱的影响下计算出基于人眼模型的全局背景差值图；采用爬山算法和k-means复合聚类的方法，对lab颜色空间的图像进行聚类，结合全局差值图计算出最终的显著图；对显著图进行去除显著图孤立的显著点，增强显著图的边缘，提取边缘。基于面向区域的思想生成掩码图像，最后将掩码图像与源图像结合，提取出显著目标。本文实验图像采用微软亚洲研究院的公开数据库，实验评价主要从显著目标提取的精确率，召回率和综合评价指标等方面与其它五种主流算法进行比较。实验结果表明，本文算法提出的基于人类视觉注意机制，利用显著图像对目标进行检测与分割的方法，能准确定位到显著目标区域，从评价指标来看，均优于其它五种主流算法。