随着科技的不断发展,图像渐渐成为生活中主要的信息载体,图像数量呈现爆炸性增长,但现在的计算机对图像的处理速度并不能跟上其数量的增长速度。我们希望机器能够像人一样准确地处理这些数据,并能迅速得到想要的信息。因此,图像显著性计算算法的研究应运而生。本文主要对基于多尺度与超像素相结合的图像显著性算法进行研究。首先,对视觉注意机制、图像特征和几种典型的图像显著性检测算法进行分析对比,由此确定选取自下而上的视觉处理方式、颜色与空间关系相结合的图像特征、结合典型RC算法思想为框架进行图像显著性检测。其次,对几种典型的超像素分割算法进行分析比较,并提出一种基于简单线性迭代聚类(SLIC)算法的改进型算法。该算法保留原始SLIC算法的分割结果,只在欠分割区域进行处理。仿真结果表明,与原始SLIC算法相比,改进的算法效果更好。随后,对基于多尺度与超像素相结合的图像显著性算法进行研究。对原始图像进行基于高斯金字塔的多尺度构建,用SLIC算法将每个子尺度的图像进行超像素分割,然后,在每个尺度中计算超像素的颜色和空间距离,并求出最终的显著图。仿真实验表明,该算法是一种可行的方法。最后,用改进的SLIC算法对算法中原始SLIC算法进行代替,再一次验证了改进型SLIC算法的有效性。