显著目标检测是在图像中标注出显著物体或关键区域的过程。随着大数据时代的来临,图像作为信息的载体,成为传递消息的重要途径。在计算机视觉领域,显著目标检测广泛应用于图像分割,物体检测与追踪,图像增强等技术中。因此,显著目标检测算法的理论研究与实际应用,对于处理海量的图像信息,有着重要意义。显著目标检测算法可分为自顶向下和自底向上两种。近年来,自底向上方法结合图像中的背景先验信息与图像本身的低层信息,与早期生物激发模型相比,效果明显提升。然而,现有的基于背景先验的显著性算法模型中存在先验区域选取不合理的问题,导致计算出的前景区域不准确,影响最终结果。本文针对该问题提出了基于对比度优化流形排序的显著目标检测算法。利用图像边界信息找出背景先验,设计出采用显著期望,局部对比度以及全局对比度三个指标来衡量先验质量的算法,并根据先验质量设计带权加法,代替简单乘法融合显著先验,获得更佳的显著估计。从先验中提取显著区域时,本文优化了选取阈值的策略,更合理地选取出前景区域,再利用流形排序得到显著性图,使显著性检测结果更加准确。实验结果表明,与同类算法相比,本文算法突出显著区域,减少噪声,更符合人类视觉感知,并在处理时间上快于深度学习方法。