随着国家“互联网+”战略计划的提出,互联网又掀起蓬勃发展的浪潮,依靠图像所传递的信息也越来越多,在海量图像数据中快速、有效的提取有价值的信息,目前是计算机视觉领域研究的热点问题。显著性检测算法是受人类视觉选择注意机制的启发,模拟该机制捕获图像中引人注意的区域,忽略其中没有内容的信息,从而提高图像处理的效率,因此显著性检测算法被广泛的应用在目标检测与识别、图像检索、图像压缩编码、视频的目标跟踪等领域。图像显著性检测方法的研究有很多,本文通过分析现有显著性检测方法的不足,结合生物视觉特点以及图像多特征和超像素分割方法提出了一种改进的显著性检测算法,本文所做工作包括以下几个方面:(1)本文算法是基于自底向上的方法进行显著性检测,首先针对视觉选择注意机制进行了说明,对自底向上的视觉分析计算模型和算法采用的基础原理进行了详细的梳理和介绍,然后列举了几种典型的显著性检测算法和超像素分割方法,并对其特点进行详细阐述和分析。(2)提出一种基于多特征多尺度的显著性检测方法,算法以FT算法框架为基础,利用基于改进的八邻域算法和基于熵率的超像素分割方法,获取到不同尺度下图像的亮度特征、颜色特征和纹理特征,从而使图像显著性区域的轮廓更明显。为验证算法的性能,在几个公开数据集上,将本文算法和现有的8种典型算法进行显著图的视觉对比和ROC曲线、精确率、召回率等评价指标的对比,表明算法处理效果较为优越。(3)基于显著性检测方法,针对中国书画作品中的印章区域的提取进行分析研究,利用本文提出的基于多特征多尺度的显著性检测方法为框架,提取不同尺度的亮度特征、颜色特征和先验特征,针对书画作品中印章区域的特点选取红色先验特征和形状先验特征加以约束,然后识别出图像中的红色印章区域,取得了良好的实验效果。