随着互联网及大数据时代的到来,每天都会有海量的图像及视频信息在互联网上进行传输,这对数据的压缩、传输及存储造成了巨大的压力。因此,图像编码成为了当今信息技术的研究热点之一。传统的编码方法致力于对原始图像进行去相关处理,虽然可以达到去除信息冗余度的效果,但忽略了人眼视觉特性带来的视觉冗余。为此,本文提出了将视觉显著性与传统编码相结合的感兴趣区域编码,在码率较低时,仍能保证图像的主观质量,并有效提高编码效率。本文主要围绕显著性检测与感兴趣区域编码做了以下三个工作:(1)深度信息提供了场景到相机的距离,因此有助于区分前景与背景区域。本文利用深度信息对颜色图进行分层处理得到不同的两个图层,对第一图层利用颜色信息来提取显著区域,对第二图层则利用颜色信息和深度信息提取显著区域。通过这种方法,得到的两个图层的显著图各有优劣,为了实现它们的优势互补,根据中心和背景的先验知识,本文提出了一个新的判决准则来获得最优的显著图;(2)在研究过程中,我们发现大多数图像是经过压缩后传输并存储的,计算这些图像的显著性信息具有非常大的实际价值,但大多数算法需要先将图像转换到空间域再计算其显著信息,这样既增加了算法复杂度又耗费计算时间。为此,本文提出了一种基于二次量化的压缩域显著性检测方法。该方法利用图像离散余弦变换(DCT)系数的特性提取图像的颜色特征,并利用其第二次量化前后的系数差来获取图像的纹理特征,最后将两种特征和先验特征融合,得到压缩域图像的显著性信息;(3)获得了显著性信息,也就得到了图像的感兴趣区域,本文利用显著值加权的率失真函数来获取图像宏块间量化参数(Quantization Parameter,QP)的关系,依照这种关系可实现对感兴趣区域量化精度较高的编码,这样既能保证图像的主观质量又能依照显著值与QP的反变换关系直接获得压缩域显著图。同时,为了更加客观的评价感兴趣区域编码的质量,本文利用人眼的视觉特性提出了一个新的评价指标,即显著区域加权的峰值信噪比(Saliency region-weighted Peak Signal to Noise Ratio,SPSNR)。通过实验对比可以发现,本文的方案能够在保证视觉效果的基础上,减小码率,提高编码效率。