图像显著性检测是计算机视觉和计算机图像领域研究的热点之一，它可以应用于基于内容的图像检索、图像剪辑、目标检测以及对感兴趣目标物体的图像分割等多个领域。基于超像素方法和暗通道去雾原理，本文对雾霾图像的显著度检测展开了研究，提出了基于超像素的雾霾图像显著度检测方法。并将此方法应用于雾霾图像的交通标志检测上，得到了较好的效果。　　本文的研究工作主要包括:　　一、提出了基于区域协方差的超像素生成方法　　利于用区域协方差在表达多维信息上的优点，本文将图像超像素块的多维特征信息表述为一个协方差矩阵，并用协方差距离来度量两个图像块特征信息的差异。首先将输入图像利用K-means算法进行初始聚类分割成若干小区域，对每个小区域利用区域协方差矩阵描述其特征信息;然后利用小区域块之间的区域协方差距离来构造相似度矩阵，对区域块聚类生成图像超像素。与其它方法相比，该方法在生成较紧凑超像素的同时也能更好地保持图像边缘特征信息，改善了图像欠分割现象。　　二、提出了基于超像素的暗通道去雾方法　　基于暗通道理论，本文用基于区域协方差的方法生成超像素块，再用超像素块替代暗通道图的Ω区域，估计出粗糙透射率图;然后，用保持细节的纹理双边滤波对透视率图做精细化处理;最后得到去雾后的图像。实验结果表明，用本文方法得到的去雾图，效果较好，恢复图像的真实性强，保留了原始图像的有效信息。　　三、提出了基于超像素的显著性检测方法　　本文将图像像块信息和像素点信息相结合从像素块层次和像素点层次上实现了图像显著度计算，首先将输入的图像进行超像素分割预处理;然后基于像素块的区域协方差距离计算像素块的显著度;最后对像素块进行上采样用以计算图像像素点的显著度。实验结果表明，本文方法避免了单个噪声像素点引起图像显著性检测的不准确性，得到了显著性目标边界清晰的准确显著图。　　最后，本文将基于超像素的雾霾图像显著度检测方法应用在交通标志检测上。首先用基于超像素的暗通道去雾方法对输入的交通标志雾霾图像去雾，再在HSV颜色空间下利用基于超像素的显著度检测方法对交通标志显著度区域的初步判定，最后对图像的显著度区域做Hough形状判别，最终确定交通标志区域。实验结果表明:本文方法在检测准确率上有显著提高。