显著性检测就是检测图像或视频画面中的显著性区域,即最让人眼感兴趣的区域,而这些区域往往包含着整幅图像的最主要的内容的信息。通过检测图像的显著性区域,可以更合理地分配计算资源,从而可以在图像分析、理解和处理工作中,精简运算量并提高准确性。图像的显著性检测广泛应用于计算机视觉的各个方面。本文重点研究图像的显著性检测算法,并关注其在计算机视觉中的应用和其在视频分析和处理中的衍生。本文的主要工作和创新点如下：1.改进了基于视觉机制的图像显著性检测算法,应用于代表性图像选取,取得更好的效果。改进后的算法采用新的空间转换方法,利用图像的统计特性计算图像的均值信息,从而得到更加清晰的显著图。然后通过计算显著区域的最小外接矩形,对应地从原始输入图像中截取出新的处理图像,最后将这些新的处理图像应用于代表性图像选取的处理工作,用更少的运算时间得到更全面的代表性图像。2.设计了一种目标驱动的显著性检测算法。实验结果表示算法可以较为快速地检测出主观上的显著性区域。算法参考了人类主观加以关注的集中注意力的过程,先由用户选择需要加以关注的目标图像,然后在L*a*b*色彩空间中计算测试图像中各个像素与目标图像平均值的差值,判定若单点像素与目标图像的平均值的差异越小,其显著值越大,从而得出基于主观注意力的显著区域。3.改进了基于视觉机制的视频显著性检测算法,实验表明改进后的算法能够更加准确地检测出视频序列中的显著性区域。算法融合视频序列的静态特征图和动态特征图以得到最终的视频显著图。