图像自动分类管理是数字化信息时代人们的迫切需求，同时也是智能化信息处理领域研究的难点之一。人类视觉系统通过对外界环境感知能够快速抽取图像语义信息，基于这一机制，研究基于显著区域检测的图像语义层次管理是提高数字图像信息管理和查询的一个有益尝试。本文主要以静态图像为研究对象，研究图像的清晰度判决方法、显著区域检测模型和基于显著区域的图像层次分类管理三个方面的内容，旨在构建了一种符合人类思维模式的图像层次管理模型。论文的研究内容如下：1）根据人类视觉选择注意会聚焦图像清晰区域的特性，提出了一种用于判断图像中子区域之间是否存在清晰度差异的判决规则。该判决规则通过计算离散度，反映出图像高频分量图（HFM）中高频分量的离散程度，可快速、准确的判断图像中是否存在清晰度差异。同时，针对存在差异的图像，提出了一种基于梯度法与小波变换法的非清晰区域抑制方法，能够对存在差异图像的非清晰区域进行有效的抑制。这种清晰度的判决和处理能够较准确的模拟人类对图像清晰度显著特征的感知，对于图像显著区域检测和图像的语义认知有较大的影响。2）针对现有的显著区域检测模型普遍存在内容缺失和误检问题，提出了一种基于多特征融合的显著区域检测模型。该模型在清晰度预处理的基础上，首先在低层特征中融合了图像的全局和局部的显著特征，然后融合图像的高层特征和低层特征，并采用中心聚集化操作和高层显著性增强后处理得到融合的显著区域检测结果。实验结果表明，该方法可以在一定程度上解决大尺度图像下显著区域检测的内容缺失问题，降低了背景复杂图像的误检问题。显著区域从多种角度展示了人类对图像显著性的认知，对于图像的语义认知具有指导意义。3）针对手工管理大量杂乱无章的图像存在的效率低下的问题，提出一种对图像自动分类的图像语义层次管理模型。该模型首先以传统语义标注为基础，提出了一种层次语义标注树来获取图像库的层次语义标注信息，进而对图像分类组织到层次模型的不同文件夹下，达到自动管理图像的目的。该模型可以很好的模拟人类管理图像的思维过程，并能够达到较好的管理效果。