视觉是人类认知世界获取信息的主要途径,使人能够感知复杂、变化的环境。因为人眼摄入图像的整体性和人类视觉神经系统处理信息的高度并行性,人类辨识图像并判断出其感兴趣区域是非常容易的事。随着计算机、通信和数字媒体为代表的信息技术迅速发展,视觉显著性检测已广泛应用于的遥感图像、医学图像处理、机器人视觉控制等领域。对视觉显著性检测技术进行研究与应用,使计算机具有人类视觉系统相似的信息处理能力,高效且迅速地进行图像处理,对提升图像理解系统与图像处理系统的性能,提高图像处理技术的实际应用水平都有非常重要的作用。针对现有显著性检测方法提取图像显著性目标区域的准确率以及效率较低的问题,基于人类视觉神经系统的选择性和主动性,结合图像底层的颜色对比特征、颜色分布特征、位置信息,融合多通道特征,进行多尺度分析,计算显著性特征提取出图像的显著性区域。主要工作包括以下几个方面:(1)针对传统显著性检测方法没有对图像本身先验信息加以利用的问题,提出融合背景模型和颜色特征的视觉显著性检测方法。对图像进行slic超像素分割和颜色空间转换,构造图像椭圆背景模型,在lab三个颜色通道上,分别计算椭圆内部区域的显著性特征和四个边缘背景区域的奇异性特征,线性融合不同特征通道的内部显著图和边缘背景显著图获得最终显著图。(2)针对现有检测方法提取出的显著性区域清晰程度不够,计算效率比较低的问题,提出基于视觉中心转移的视觉显著性检测方法。对图像进行slic预分割基础之上,结合图像的颜色对比特征、颜色分布特征和位置特征,提取出图像显著性区域,采用视觉转移机制模拟人眼的视觉注意中心转移过程,对图像进行多尺度分析,融合不同尺度显著图获得最终显著图。我们把上述两种方法在MSRA数据库上进行了验证实验,并和现有的检测方法进行对比。实验结果验证了我们方法的能更清晰且完整地提取出图像显著性目标区域。