随着计算机的发展,图像的应用已经大量地融入到我们生活的方方面面,越来越多的图像需要我们去识别。因此,在图像处理领域里,目标识别成为了非常重要的一部分,并且对于结果的可靠性有着严格的要求。在面对背景非常复杂并且含有大量的冗余信息的输入图像时,感兴趣区域(region of interest,ROI),即能够引起视觉注意部分区域,能够快速地吸引人类视觉系统的注意力并使得人类视觉系统对它进行优先处理及最终的识别,从而忽略掉冗余信息,即那些不会引起视觉注意的信息。这种快速集中在感兴趣区域、得到输入图像中的主要信息的机制被称之为人类视觉系统的视觉注意机制。通过对提取到的图像的感兴趣区域的处理,不但能够加快图像处理的速度,而且可以提高目标识别的正确性。鉴于人类视觉系统这种优秀的处理图像信息的能力,我们将视觉注意机制引入到图像的目标识别中。针对图像中相似冗余背景造成的显著目标识别的干扰问题,提出了一种基于超像素的冗余信息抑制的显著目标检测方法。首先,引入超像素的概念,利用超像素优化的空间特征分割图像,获取图像的相似区域;其次,为消除像素间的相关性,计算超像素的香农熵来表示图像的像素信息,并据此建立图像的信息图。最后,为了更有效地去除图像中的相似信息,利用自相似性抑制方法克服冗余信息,建立高效的图像显著图。实验结果表明,本文算法在处理复杂的背景的自然图像时,与传统方法相比,不仅可以准确识别显著目标,而且可以更有效地抑制背景中的冗余信息,提高识别效率。