图像显著性检测是图像处理中最重要的技术之一,广泛应用于图像压缩、图像分割等任务中。自底向上的检测算法在某些复杂图像上难以获得接近人眼注意范围的显著区域,自顶向下的检测算法可利用的真实先验信息较少,因此本文提出了一种基于多特征融合与深度先验信息的图像显著性检测算法,具体工作如下:(1)提出一种基于FLIC融合颜色与纹理特征的图像显著性检测算法,分别在颜色通道和纹理通道中获得基于FLIC的颜色特征显著图和纹理特征显著图,再进行线性融合获得最终显著图。在四个公开数据集上与7种自底向上的显著性检测算法比较,绘制了PR-Curve、MAE以及F_?三个指标图,实验结果表明,基于多特征融合的检测算法性能较好,但在某些具体场景下仍有提升空间。(2)为了提升多特征融合显著性检测算法的性能,提出一种基于深度先验信息辅助的图像显著性提升模型,更加充分地利用图像信息。该模型采用修改的VGG16提取图像像素点与图像区域的特征向量,在特征空间内训练一个最邻近分类器判断像素点与图像区域之间的归属关系。原始图像和真值作为输入进行训练,通过网络学习到图像真值区域特征和像素特征之间的联系。把原始图像和其他方法产生的初始显著图作为输入进行测试,用零样本学习方法迭代地提升检测效果。(3)进一步将基于FLIC融合颜色与纹理特征的方法与基于深度先验信息的模型相结合,提出基于多特征融合与深度先验信息的显著性检测算法。最后设计对比实验,绘制PR-Curve、MAE以及F_?三个指标图,实验结果表明本方法能够取得较好的结果。