20世纪90年代开始,图像的研究从生物感知领域逐渐转向视觉感知领域。图像显著性检测结合了生物神经学和心理学的研究成果,模拟人眼注意机制建立图像显著性检测模型。该模型能从图像中自动选择获取有价值的显著信息。图像的显著性检测主要是探索基于人类视觉注意机制的特征提取,具有广阔的应用前景。本文针对图像的显著性检测算法进行研究,主要工作如下:　　(1)提出了一种基于图像基的图像显著性检测算法。首先利用图像基表示图像,获取系数矩阵;其次由系数矩阵计算图像的熵;最后利用熵计算增量编码长度来获得图像的显著性图。实验结果验证了算法的有效性。　　(2)提出了一种基于矩阵稀疏分解的图像显著性检测算法。由于图像的显著性信息主要包含在图像矩阵分解后的稀疏矩阵中,因此,显著图可以通过稀疏矩阵中的稀疏元素推理得到。算法首先利用矩阵稀疏分解获得图像的稀疏矩阵和低秩矩阵,然后对稀疏矩阵采用基于图像基的检测方法获得显著图。实验结果表明,新算法计算量较小,检测效果较好。　　(3)提出了改进的矩阵稀疏分解的图像显著性检测算法。由于矩阵分解得到的低秩部分也含有一定的显著信息,因此该算法是对矩阵分解得到的稀疏矩阵和低秩矩阵同时采用基于图像基的方法获得显著图,然后将两个显著图进行线性融合得到最终的显著图。为了验证本文算法的性能,本文算法在IVRG研究组显著性目标数据库上进行实验,并与Itti算法、基于区域对比度算法、韦伯中心环绕算法进行了比较,实验结果表明了本文算法的优势。