图像中的显著性区域检测是图像处理领域和计算机视觉领域中的热点讨论和研究的问题,已广泛应用于图像与视频分割、目标检测与识别、图像检索、图像分类和机器视觉等方面；其次,算法中的控制参数优化调整也是媒体计算领域中的一类重要问题。本论文针对一对图像中的显著性目标区域检测问题,主要研究了基于超像素的图像协同显著目标区域检测方法和基于嵌套式差分进化算法的目标算法的控制参数自动调整方法。本论文的主要创新点如下：1.本论文提出了一种快速且高准确率的协同显著目标区域检测方法。该方法的目的是使用基于图像的超像素规范网格的积分图搜索技术从一对图像中快速检测出共同显著性目标区域。其中,该方法使用显著性差异惩罚图谱评估图像中的区域局部显著性,通过解全局能量函数的最优值,检测出一对图像中的共同显著性目标区域。2.本论文提出了一种控制参数自动优化调整方法。由于在协同显著目标区域检测方法中存在着参数的最优设定问题,即算法参数的不同设定值会影响算法的检测结果的优劣,所以本论文研究了基于嵌套式差分进化算法目标算法的控制参数自动优化调整方法。该方法的目的是通过优化调整目标算法的控制参数,自动产生一组最优的目标算法的控制参数。其中,该方法把目标算法作为目标函数,把目标算法的控制参数作为参数变量,通过嵌套式差分进化搜索过程得到一组最优的目标算法的控制参数解。本论文通过计算机仿真实验和实际应用问题实验验证了上述方法的有效性和实用性。