图像显著性检测是计算机视觉和图像分析领域的一个基本问题,相关算法已被广泛应用于目标跟踪与识别、图像检索、图像分割、压缩存储等任务。本文在分析和研究现有相关算法的基础上,设计更合理的图像显著性检测方案并提出相应的算法。论文第一部分首先分析了本领域的研究现状和存在的一个关键问题。现有的图像显著性检测算法一般认为图像的显著区域位于图像中心,并基于这个“中心偏好假设”(Center-bias Assumption)来设计算法。然而,对于无人监督的机器或系统(如,监控摄像机)捕获的图像,显著区域可能出现于图像的任意位置。对于这类图像,当前基于中心偏好假设设计的众多算法往往无法取得理想的效果。具体地,我们研究了基于超复数傅里叶变换(Hypercomplex Fourier Transform,HFT)的图像显著性检测算法,该算法在选择最优检测尺度时使用了中心偏好设置(Center-bias Setting)。为了移除这一不合理的设置,我们使用一种位置感知的策略选择最优尺度,由此提出位置自感知策略的HFT算法和位置预报感知策略的HFT算法。仿真实验表明,新算法在检测性能方面优于当前的主流算法。论文第二部分研究了颜色空间对位置感知的图像显著性检测的影响。现有的图像显著性检测算法通常是在RGB颜色空间中运行。然而,其它颜色空间(如Lab颜色空间)对于检测图像显著性可能更有优势。Lab颜色空间包括一个亮度通道和两个颜色通道,其亮度特征和颜色特征具有二维独立分布的特性,基于该特性可以分别提取图像的亮度和颜色特征而互不影响。为了同时利用RGB和Lab颜色空间的信息,本文提出组合颜色空间中的位置感知显著性检测算法。新算法在RGB和Lab颜色空间中分别使用位置感知策略选择HFT算法中的最优尺度,并在二者之间确定具有最小信息熵的显著图作为最终输出,取得了优于HFT算法的检测结果。