图像感兴趣区域提取技术是图像处理领域的研究热点之一,借助感兴趣区域提取技术,可以对图像数据压缩进行指导,可以帮助观察者对图像进行理解,还适用于在小屏幕上进行图像显示。本文在现有研究的基础上,对基于视觉特征的感兴趣区域提取算法进行了研究和改进。对于静态图像,利用颜色差异和利用熵进行感兴趣区域提取是两种简单而有效的方法,但往往采用单一方法得到的效果不是很好。本文提出了在评价标准中加入面积因素的方法,达到了图像压缩率和信息保留之间的平衡。同时,对于人像图片,本文提出将人脸检测的因素加入到感兴趣区域提取中,提高了对人像图片感兴趣区域提取的准确率。针对结合颜色差异和熵两种因素的感兴趣区域提取,本文提出了两种解决方法。一种是对两种方法得到的结果求交集和并集,交集的结果是图像中观察者最感兴趣的部分,而并集的结果则可以降低误检率,提高准确率。另一种方法是将两种因素的加权和作为感兴趣区域提取的评价标准,为了确定两种因素的权重参数,本文提出了利用样本统计和图像特征提取的方法,根据样本实验结果对样本进行分类,并对每一类图片的图像特征求均值,找出了图像特征与权重参数之间的初步联系。实验结果表明,权重参数的选择与图像的颜色直方图、Hu形状不变矩之间存在着一定的联系。