可靠的高精度图像显著性检测技术能够在很大程度上减少图像中的冗余信息,提高图像处理的效果和效率。虽然目前的显著性检测方法对于图像中显著性区域的检测越来越准确和高效,但仍有一些问题难以解决。本文在对视觉显著性检测相关的理论、方法以及应用进行研究的基础上,为了提高图像显著性检测的检测速度和检测结果精准度,主要做了以下工作:(1)探讨了人类视觉系统和现有的视觉显著性检测模型,通过对几种典型的显著性检测算法进行的研究讨论了各自算法的性能,重点分析了图像特征的选取以及计算策略的选择对计算速度及检测精确度的影响;同时,将其中的某些显著性算法作为了本文算法的对比参照。(2)为了提高基于对比度的图像显著区域检测结果的准确率以及计算效率,本文提出了一种融合颜色、位置和频率先验知识的上下文对比显著性检测算法。该算法采用上下文显著性检测的思想,同时考虑了局部对比度和全局对比度,通过对输入图像进行超像素分割的预处理操作,将超像素作为图像处理的基本单元,以降低算法的复杂度;再将频率特征、颜色特征和位置特征作为先验信息融合到上下文对比显著性提取中,以得到高精确度的全分辨率显著图。(3)为了验证本文方法在图像显著性检测方面的可行性和有效性,将本文方法在国际公共测试数据集上进行了测试实验,并通过几个常用的显著性检测评价指标,将本文方法与几种常用的显著性检测方法进行了比较。实验结果表明,该方法能够快速、准确地检测出输入图像的显著区域。在此基础之上,将本文方法应用在了图像显著目标提取和目标重定位的相关处理中。