近年来,图像显著性检测受到广泛的关注与应用。图像显著性检测就是根据图像的颜色、纹理等特征提取图像中的显著区域,并输出一幅显著性灰度图,图中每个像素的灰度值表示每个像素属于显著区域的概率。本文采用一种新的排序方法用于显著性检测：基于局部线性回归和全局排序的图像显著性检测(Local Linear Regression and Global Sequencing,以下简称LLRGS).显著性检测可看作是超像素按一定的排序机制进行排序的过程,提取超像素的颜色特征作为输入数据点,对于每一个超像素,学习一个局部线性回归模型来预测与此超像素邻近的超像素的排序值,使得邻近的超像素具有相似的排序值。全局排序所有超像素数据点的局部线性回归模型,为超像素的排序学习一个拉普拉斯矩阵,使得基于此算法的显著性检测更加具有鲁棒性。之后结合先验参照图,利用一个目标函数对排序值进行优化约束,得到超像素的最优排序值。最终,得到一幅显著性排序值灰度图。最后分别在ECSSD-1000和MSRA两个国际公开的数据库上进行实验,并用此数据库的人工标记真值合理地评估了此排序算法,实验表明此算法能够很好地将显著目标从图像中检测出来。